谷歌发布：人工智能和平台工程的收益目前虽有限，但潜力很大

1

引言

2024 年 10 月 22 日，谷歌发布的年度 DevOps 研究和评估（DORA）发现，虽然生成人工智能（AI）正在导致生产力的适度提高，但它似乎也在减缓软件交付的速度。

2

人工智能至少承担了一项日常工作

该报告发现，超过四分之三的受访软件开发专业人员依赖人工智能承担至少一项日常专业职责，具体的生产力提升包括：文档量提高 7.5% ; (2) 代码质量提高 3.4% ; (3) 代码评审（Code Review）速度提高 3.1% 。

人工智能驱动的工作流增强：报告强调，75.9% 的开发人员正在使用人工智能进行日常任务，如编写代码、总结信息、调试和测试。人工智能还提高了代码审查的速度，减少了技术债务，当人工智能完全集成到开发工作流中时，留档质量提高了7.5%。

然而，全球调查还发现，交付吞吐量下降了 1.5% ，交付稳定性下降了 7.2% 。

谷歌云的 DORA 负责人纳森·哈维表示，目前还不清楚这些下降的根本原因是什么。可能是因为：

人工智能的挑战：该报告也指出了人工智能采用的一个意想不到的缺点。虽然人工智能提高了个人生产力，但它与交付吞吐量减少 1.5%和交付稳定性减少7.2%有关。这表明，随着 AI 能够更快速地产生代码，工程师就会在更短的时间里创建较大的代码变更集，这反过来又增加了部署的复杂性和失败的风险。

在应用程序部署到正式生产环境之前，人工智能平台编写的代码仍就需要工程师进行变更或修复。

并指出：这些担忧并不意味着组织应该放弃 AI ，而是应该将投入方向集中于 AI 能提供明显好处的领域。比如，那些应用 AI 就可以减少日常工作量的工作中。当然，AI 生成的任何代码都应该经过工程师的仔细审查和测试。

最新的 DevOps 研究报告表明，在 DevOps 领域如何应用 人工智能，与三者（试验文化、持续学习和如何重新定义我们构建软件的方式）强相关。

3

平台工程兴起，但尚未发挥更大的作用

平台工程已成为高绩效团队的关键学科，2024年 DORA 报告强调了其优势和复杂性。内部开发人员平台的创建正在帮助团队简化工作流程并扩展自助服务能力。

生产力收益：利用内部开发人员平台的团队在团队绩效方面提高了 10%，在个人生产力方面提高了 8%。通过抽象出复杂的操作任务并启用自助服务，平台工程帮助开发人员专注于编码和创新，而不会被基础设施管理所困扰。

虽然研究表明，应用程序开发人员的工作效率越来越高，但绩效似乎也有所下降。

未预期的缺点：尽管有积极的结果，但平台工程引入了一些效能挑战。

DORA 四大指标分别是变更前置时长、部署频率、变更失败率和失败部署恢复时长。但它们都属于滞后指标。

该报告发现，当团队被要求专门使用内部平台来完成所有生命周期任务时，吞吐量下降了 8%，变更稳定性下降了14%。

这表明，虽然平台可以提高生产力，但它们也可能增加交付管道的复杂性，这可能会减慢部署速度并增加故障率。

总的来说，对这些指标的跟踪能够使 DevOps 团队减少倦怠，同时提高生产力（例如，DORA 报告中确定的精英绩效团队交付软件的速度是确定的最低绩效团队的 182 倍），但每个组织都应该在自己的业务目标背景下考虑它们。

4

组织稳定性和开发人员倦怠

2024 年 DORA 报告还强调了 组织优先事项在保持开发人员生产力和福祉方面的重要性。

它发现，优先事项相对稳定的团队要比优先事项不断变化的团队的表现好得多，尤其是在减少工作倦怠方面。

职业倦怠和优先事项：报告指出，组织优先事项不稳定的团队经历了职业倦怠的大幅增加，与优先事项稳定的团队相比，职业倦怠的风险估计要高 40%。

即使这些组织有强有力的领导者和良好的内部文档，这种不稳定性也会导致生产力的显著下降。

5

结语

虽然人工智能和平台工程的在开始阶段的迭代在最初可能不会产生太大影响，但AI潜力很大，所以任何 DevOps 团队都无法忽视这一点。

参考: