2025 年 DORA 報告：AI 正在放大軟件工程效能

作者 | Craig Risi

譯者 | 明知山

AI 正迅速重塑軟件的構(gòu)建方式，但帶來的影響遠(yuǎn)比許多組織預(yù)想的更為微妙。2025 年 DevOps 研究與評估（DORA）報告 《AI 輔助軟件開發(fā)現(xiàn)狀》 指出，AI 并不能自動提升軟件交付效能。相反，AI 更像是現(xiàn)有工程能力的放大器，它在強(qiáng)化高績效團(tuán)隊的同時也暴露出流程碎片化、開發(fā)體系架構(gòu)不合理等組織短板。

該報告基于近 5000 名技術(shù)專業(yè)人士的調(diào)研反饋與超過 100 小時的定性訪談。其核心結(jié)論十分明確：AI 在軟件工程中的成功較少取決于工具本身的復(fù)雜程度，而更多取決于組織體系是否完善。工程文化、平臺能力、開發(fā)流程與內(nèi)部知識體系最終決定了 AI 是提升效率與交付質(zhì)量，還是僅僅加劇了問題與復(fù)雜度。

報告中最引人注目的發(fā)現(xiàn)之一是 AI 工具已快速融入開發(fā)人員的日常工作流程。約 90% 的開發(fā)人員表示，自己在工作中使用了某種形式的 AI 輔助；約三分之二的人在編寫代碼、生成文檔、調(diào)試問題或?qū)W習(xí)陌生框架等任務(wù)中對這類工具高度依賴。許多開發(fā)人員還反饋了可量化的效率提升，相當(dāng)一部分人認(rèn)為，AI 幫助他們更快解決問題、更高效地編寫代碼。

報告強(qiáng)調(diào)，盡管帶來了這些收益，生產(chǎn)力與信任之間的矛盾依然存在。開發(fā)人員雖頻繁借助 AI 加速開發(fā)任務(wù)，但仍有不少人對 AI 生成代碼的準(zhǔn)確性與可靠性持謹(jǐn)慎態(tài)度。這種顧慮背后是對代碼可維護(hù)性、正確性及系統(tǒng)長期穩(wěn)定性的普遍擔(dān)憂。在實際應(yīng)用中，AI 往往能提升代碼產(chǎn)出的數(shù)量與速度，但若缺乏規(guī)范的工程紀(jì)律，這些優(yōu)勢未必能轉(zhuǎn)化為更優(yōu)的軟件交付效能。

這種態(tài)勢也引出了報告中最重要的結(jié)論之一：AI 會放大其所處工程系統(tǒng)本身的質(zhì)量問題。擁有成熟 DevOps 實踐、清晰的開發(fā)流程與強(qiáng)大平臺能力的組織更有可能將 AI 帶來的生產(chǎn)力提升轉(zhuǎn)化為可量化的交付性能改進(jìn)。反之，工具碎片化、流程不明確、開發(fā)實踐不統(tǒng)一的組織則可能出現(xiàn)相反效果。在這類環(huán)境中，AI 反而會加速技術(shù)債的累積、提高代碼審查復(fù)雜度，并給本就脆弱的系統(tǒng)帶來更多不穩(wěn)定性。

為幫助組織順利將 AI 集成到開發(fā)環(huán)境中，報告提出了 DORA AI 能力模型。該框架并不聚焦于特定工具或技術(shù)，而是提煉出一系列能讓 AI 真正創(chuàng)造價值的組織能力。

第一項能力是為 AI 應(yīng)用建立清晰的組織戰(zhàn)略。在 AI 應(yīng)用上取得成功的組織往往會制定明確的政策與指南，規(guī)范 AI 工具的使用、治理方式以及與工程流程的集成。這種清晰的定位有助于團(tuán)隊一致地采用 AI，同時降低無序試驗帶來的相關(guān)風(fēng)險。

另一項關(guān)鍵能力是擁有健全的數(shù)據(jù)生態(tài)系統(tǒng)。AI 工具高度依賴獲取可靠、結(jié)構(gòu)清晰的信息，尤其是內(nèi)部文檔、架構(gòu)知識和歷史開發(fā)數(shù)據(jù)。若這些信息分散或維護(hù)不佳，AI 工具便難以提供有價值的輔助。

與此密切相關(guān)的是內(nèi)部知識的可獲取性。那些維護(hù)著高質(zhì)量文檔、可檢索知識庫與結(jié)構(gòu)化內(nèi)部數(shù)據(jù)的組織能讓 AI 系統(tǒng)成為開發(fā)人員更高效的助手。在這類環(huán)境中，AI 工具可提供符合組織架構(gòu)、編碼規(guī)范與運維實踐的上下文建議。

報告同時強(qiáng)調(diào)，基礎(chǔ)工程實踐依然至關(guān)重要。成熟的版本控制流程、規(guī)范的代碼審查機(jī)制與統(tǒng)一的開發(fā)標(biāo)準(zhǔn)是 AI 有效輔助工程的基石。AI 依賴這些實踐，而非取代它們。缺少這些支撐，開發(fā)速度的提升很可能會帶來運營風(fēng)險。

以用戶為中心的開發(fā)是與 AI 成功應(yīng)用高度相關(guān)的另一項要素。始終聚焦用戶價值（而非單純技術(shù)產(chǎn)出）的團(tuán)隊往往能更高效地將 AI 融入工作流程。這種導(dǎo)向能確保 AI 加速交付有價值的功能，而不只是提升代碼產(chǎn)量。

平臺工程也成為關(guān)鍵推動因素。具備標(biāo)準(zhǔn)化開發(fā)環(huán)境、部署管道與基礎(chǔ)設(shè)施服務(wù)的內(nèi)部平臺能讓 AI 工具在統(tǒng)一、可預(yù)期的生態(tài)系統(tǒng)中運行。這種一致性讓開發(fā)人員更易將 AI 建議融入工作流程，同時避免引入額外復(fù)雜度與運營風(fēng)險。

最后，報告也強(qiáng)調(diào)了小批量工作的重要性。更小、增量式的變更能夠提升代碼審查質(zhì)量、降低部署風(fēng)險，也更易于維護(hù)系統(tǒng)穩(wěn)定性。當(dāng) AI 工具生成大型或復(fù)雜的代碼變更時，這些實踐對于把控開發(fā)過程就顯得尤為重要。

報告還強(qiáng)調(diào)，在 AI 輔助開發(fā)時代，平臺團(tuán)隊的重要性日益凸顯。那些在平臺工程能力上進(jìn)行投入的組織——包括共享工具、標(biāo)準(zhǔn)化環(huán)境以及清晰定義的研發(fā)流程——在引入 AI 工具時通常能取得明顯更好的效果。平臺為 AI 在團(tuán)隊間規(guī)模化落地提供了結(jié)構(gòu)化基礎(chǔ)，同時保障了一致性與可靠性。

若沒有這種基礎(chǔ)，AI 的應(yīng)用反而會帶來新的復(fù)雜性。開發(fā)人員可能會生成更大的拉取請求、引入不統(tǒng)一的編碼風(fēng)格，或采用與現(xiàn)有架構(gòu)規(guī)范不符的 AI 建議。長此以往，這些問題會拖慢交付效率，提升運營風(fēng)險。

報告還探討了 AI 對系統(tǒng)穩(wěn)定性的潛在影響。盡管 AI 顯著提升了開發(fā)效率，但也可能助長快速實驗與更大規(guī)模的代碼變更。若管理不當(dāng)，這種模式會增加缺陷、部署失敗與運行不穩(wěn)定的風(fēng)險。因此，引入 AI 的組織更應(yīng)強(qiáng)化而非放松工程紀(jì)律。

除 AI 落地的技術(shù)層面外，報告還高度重視工程體系中的人文與文化維度。成功落地 AI 的團(tuán)隊往往會在開發(fā)人員、平臺團(tuán)隊與安全專家之間建立高效協(xié)作。他們通過培訓(xùn)幫助開發(fā)者掌握 AI 的有效用法，并搭建實踐社區(qū)，讓工程師能夠分享經(jīng)驗與最佳實踐。

相比之下，任由 AI 僅通過基層自發(fā)實驗來落地的組織往往難以規(guī)模化放大收益。個別團(tuán)隊或許能實現(xiàn)生產(chǎn)力提升，但這些改進(jìn)會始終處于孤立狀態(tài)，無法轉(zhuǎn)化為更廣泛的組織績效。

報告指出，高績效工程組織的未來不僅取決于 DevOps 成熟度，更取決于 AI 輔助流程、平臺工程與優(yōu)質(zhì)開發(fā)者體驗實踐的深度融合。這些要素共同構(gòu)成了新一代工程體系的基礎(chǔ)，用以支撐人與機(jī)器的協(xié)同工作。

對技術(shù)管理者而言，這份報告?zhèn)鬟f的信息既鼓舞人心，又頗具警示意義。AI 有望顯著加速軟件開發(fā)、提升開發(fā)者體驗，但這些效益并非自動實現(xiàn)。組織必須先筑牢工程基礎(chǔ)，投入平臺能力建設(shè)，并培育支持有序試驗的工程文化。

報告的核心觀點簡潔而有力：AI 無法修復(fù)存在缺陷的工程系統(tǒng)，但對于已夯實基礎(chǔ)的組織而言，它有望成為工程效能最強(qiáng)大的加速器之一。

查看英文原文：

https://www.infoq.com/news/2026/03/ai-dora-report/

聲明：本文為 InfoQ 翻譯，未經(jīng)許可禁止轉(zhuǎn)載。