使用AI編程工具的開發(fā)者們，各位的工作效率究竟提高了多少？最近有猜測認(rèn)為，AI技術(shù)有望將開發(fā)者的工作效率提高2倍、3倍甚至是5倍。另有報告預(yù)測，到2030年軟件開發(fā)者的生產(chǎn)力將提高10倍。

但頗為諷刺的是，軟件工程領(lǐng)域甚至一直沒能在開發(fā)生產(chǎn)力的衡量指標(biāo)上達成一致。有些人甚至認(rèn)為這樣的指標(biāo)不可能存在，任何粗暴量化都有缺陷、不夠完善。如今，大多數(shù)關(guān)于AI技術(shù)能提高生產(chǎn)力的說法都屬于定性判斷——基于調(diào)查和見聞，而非具體數(shù)據(jù)。

但如果在開發(fā)生產(chǎn)力上都不能達成共識，那我們怎樣才能對AI做出正確判斷呢？如果說我們從之前的遠(yuǎn)程辦公中學(xué)到了什么的話，那就是如果沒有數(shù)據(jù)來指導(dǎo)決策，我們就必然要陷入困境——本本主義和意識形態(tài)開始占據(jù)高地，導(dǎo)致人們就現(xiàn)場辦公、遠(yuǎn)程辦公和混合辦公究竟誰更好吵作一團。

而AI的發(fā)展軌跡似乎又是一波輪回。為了順利向前邁進，我們必須想辦法從量化角度分析問題。

落后的風(fēng)險

目前，圍繞AI技術(shù)的炒作可謂甚囂塵上，不少冷靜的從業(yè)者甚至選擇先停一停。考慮到潛在質(zhì)量影響、抄襲風(fēng)險等現(xiàn)實因素，最謹(jǐn)慎的企業(yè)紛紛后撤，想先看清楚一切到底會如何發(fā)展。

但對科技型企業(yè)而言，落后的風(fēng)險將關(guān)乎生死存亡。AI是一劑雙重猛藥，不僅會將更多基于AI的新產(chǎn)品推向市場，也能在生產(chǎn)端降低產(chǎn)品的開發(fā)成本、縮短發(fā)布周期，以雙向奔赴的方式助力業(yè)務(wù)發(fā)展。

大多數(shù)企業(yè)一直關(guān)注“做什么”，而AI卻有望驅(qū)動“怎么做”，進而建立起10倍甚至100倍生產(chǎn)力的工程團隊。誰能快速跨越這道鴻溝，以最有效、最具影響力的方式優(yōu)化AI工具，誰就能快速跨上生產(chǎn)力的新高度，在未來幾年的市場上占據(jù)優(yōu)勢。相比之下，靜觀其變的風(fēng)險對很多公司來講確實難以承受。

做好權(quán)衡

手里拿著錘子，看什么都像釘子。同樣的情況在AI身上也有體現(xiàn)。

根據(jù)GitHub最近發(fā)布的報告，開發(fā)人員認(rèn)為AI編程工具的最大優(yōu)勢，就是提高了用戶的編程語言技能。另一個好處則是自動執(zhí)行重復(fù)性任務(wù)，例如編寫樣板代碼。Codecov最近一項實驗表明，ChatGPT在實現(xiàn)細(xì)碎功能、為相對簡單的代碼路徑編寫基礎(chǔ)測試方面表現(xiàn)良好。

但與任何技術(shù)一樣，AI也有自己的權(quán)衡取舍。例如，生成式AI和大語言模型（LLM）無法執(zhí)行高度復(fù)雜或者創(chuàng)造性的任務(wù)，例如將代碼庫從一種架構(gòu)遷移至另一種架構(gòu)，或者將業(yè)務(wù)邏輯合并至新功能當(dāng)中。如果開發(fā)人員盲目接受AI生成的建議而不對潛在的抄襲、許可限制或幻覺做好檢查，就很可能引發(fā)難以預(yù)見的安全漏洞或法律糾紛。

但AI本來也沒必要成為顛覆軟件編寫和交付方式的“銀彈”。即使有著種種限制，仍不妨礙它以確定性方式完成有限的任務(wù)。這種將已知任務(wù)的處理周期或成本降低10倍的能力本身，已經(jīng)代表著巨大的進步。

對影響做量化

大多數(shù)開發(fā)人員已經(jīng)在使用AI驅(qū)動工具。根據(jù)GitHub的數(shù)據(jù)，最近一項調(diào)查顯示，92%的用戶在工作或個人時間內(nèi)使用過AI編程工具。因此，企業(yè)必須盡早建立基準(zhǔn)，用以比較新AI工具應(yīng)用前后的生產(chǎn)力差異。

即使是簡單的代理指標(biāo)，也有助于對新工具的影響做出量化分析。例如，我們對擁有超過40萬開發(fā)者的社區(qū)進行一項研究，發(fā)現(xiàn)使用GitHub Copilot的開發(fā)者每次敲擊鍵盤，對應(yīng)的平均有效字符相當(dāng)于不使用AI編程助手的開發(fā)者的1.3倍，代碼行數(shù)則為1.22倍。雖然更多的代碼量并不一定等于更高的生產(chǎn)力，但使用GitHub Copilot之后，開發(fā)者的代碼編寫速度確實在不斷提高（在單元測試、函數(shù)和其他樣板代碼中均有體現(xiàn)），這證明他們在重復(fù)性工作上確實節(jié)約下了時間和精力。

同樣的，我們兩袖清風(fēng)應(yīng)衡量團隊在投資AI工具之前和之后的功能交付情況，借此量化實際影響。每位工程師所交付功能數(shù)量的增加（以及單項功能交付成本的降低）將為后續(xù)投資AI工具提供強有力的支持和依據(jù)。

功能的改動和重構(gòu)，還有助于了解AI對于代碼質(zhì)量的影響。如果企業(yè)在應(yīng)用新AI編程工具后經(jīng)常遭遇質(zhì)量問題，則其用于功能改動和重構(gòu)的時間必然更多，能花在新功能開發(fā)上的時間反而會變少。

雖然任何軟件開發(fā)都必然涉及一部分改動和重構(gòu)，但如果這兩項工作越來越多，那必然要影響到AI工具的投資回報率。

正確投資

要想回答AI是否提高了開發(fā)者生產(chǎn)力這個問題，我們必須首先為相關(guān)影響建立可見性體系。具體來講，就是在整個開發(fā)過程當(dāng)中，AI到底在何處、何時以及如何帶來最大的潛在投資回報。隨著生成式AI的迅速躥紅與瘋狂炒作，把握正確數(shù)據(jù)以了解真相正變得比以往任何時候都更加重要。

當(dāng)公司投資于AI開發(fā)工具時，可以通過將可觀測性應(yīng)用于軟件開發(fā)來增強團隊能力。這種可觀測性不僅有助于快速了解AI的局限性和機會空間，同時也將為生產(chǎn)力的影響因素打開新的討論通道（例如遠(yuǎn)程辦公、DevOps和內(nèi)部開發(fā)者平臺）。

毫無疑問，AI在提高生產(chǎn)力方面發(fā)揮著重要作用。但我們必須從事實出發(fā)了解其作用，從而做出更加明智的決策。