使用AI編程工具的開(kāi)發(fā)者們，各位的工作效率究竟提高了多少？最近有猜測(cè)認(rèn)為，AI技術(shù)有望將開(kāi)發(fā)者的工作效率提高2倍、3倍甚至是5倍。另有報(bào)告預(yù)測(cè)，到2030年軟件開(kāi)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(méi)能在開(kāi)發(fā)生產(chǎn)力的衡量指標(biāo)上達(dá)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(shuō)法都屬于定性判斷——基于調(diào)查和見(jiàn)聞，而非具體數(shù)據(jù)。

但如果在開(kāi)發(fā)生產(chǎn)力上都不能達(dá)成共識(shí)，那我們?cè)鯓硬拍軐?duì)AI做出正確判斷呢？如果說(shuō)我們從之前的遠(yuǎn)程辦公中學(xué)到了什么的話(huà)，那就是如果沒(méi)有數(shù)據(jù)來(lái)指導(dǎo)決策，我們就必然要陷入困境——本本主義和意識(shí)形態(tài)開(kāi)始占據(jù)高地，導(dǎo)致人們就現(xiàn)場(chǎng)辦公、遠(yuǎn)程辦公和混合辦公究竟誰(shuí)更好吵作一團(tuán)。

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

落后的風(fēng)險(xiǎn)

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?？紤]到潛在質(zhì)量影響、抄襲風(fēng)險(xiǎn)等現(xiàn)實(shí)因素，最謹(jǐn)慎的企業(yè)紛紛后撤，想先看清楚一切到底會(huì)如何發(fā)展。

但對(duì)科技型企業(yè)而言，落后的風(fēng)險(xiǎn)將關(guān)乎生死存亡。AI是一劑雙重猛藥，不僅會(huì)將更多基于AI的新產(chǎn)品推向市場(chǎng)，也能在生產(chǎn)端降低產(chǎn)品的開(kāi)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(dòng)“怎么做”，進(jìn)而建立起10倍甚至100倍生產(chǎn)力的工程團(tuán)隊(duì)。誰(shuí)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(shuí)就能快速跨上生產(chǎn)力的新高度，在未來(lái)幾年的市場(chǎng)上占據(jù)優(yōu)勢(shì)。相比之下，靜觀其變的風(fēng)險(xiǎn)對(duì)很多公司來(lái)講確實(shí)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(bào)告，開(kāi)發(fā)人員認(rèn)為AI編程工具的最大優(yōu)勢(shì)，就是提高了用戶(hù)的編程語(yǔ)言技能。另一個(gè)好處則是自動(dòng)執(zhí)行重復(fù)性任務(wù)，例如編寫(xiě)樣板代碼。Codecov最近一項(xiàng)實(shí)驗(yàn)表明，ChatGPT在實(shí)現(xiàn)細(xì)碎功能、為相對(duì)簡(jiǎn)單的代碼路徑編寫(xiě)基礎(chǔ)測(cè)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(yǔ)言模型（LLM）無(wú)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(kù)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(kāi)發(fā)人員盲目接受AI生成的建議而不對(duì)潛在的抄襲、許可限制或幻覺(jué)做好檢查，就很可能引發(fā)難以預(yù)見(jiàn)的安全漏洞或法律糾紛。

但AI本來(lái)也沒(méi)必要成為顛覆軟件編寫(xiě)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(jìn)步。

對(duì)影響做量化

大多數(shù)開(kāi)發(fā)人員已經(jīng)在使用AI驅(qū)動(dòng)工具。根據(jù)GitHub的數(shù)據(jù)，最近一項(xiàng)調(diào)查顯示，92%的用戶(hù)在工作或個(gè)人時(shí)間內(nèi)使用過(guò)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(jiǎn)單的代理指標(biāo)，也有助于對(duì)新工具的影響做出量化分析。例如，我們對(duì)擁有超過(guò)40萬(wàn)開(kāi)發(fā)者的社區(qū)進(jìn)行一項(xiàng)研究，發(fā)現(xiàn)使用GitHub Copilot的開(kāi)發(fā)者每次敲擊鍵盤(pán)，對(duì)應(yīng)的平均有效字符相當(dāng)于不使用AI編程助手的開(kāi)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(kāi)發(fā)者的代碼編寫(xiě)速度確實(shí)在不斷提高（在單元測(cè)試、函數(shù)和其他樣板代碼中均有體現(xiàn)），這證明他們?cè)谥貜?fù)性工作上確實(shí)節(jié)約下了時(shí)間和精力。

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

功能的改動(dòng)和重構(gòu)，還有助于了解AI對(duì)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(wèn)題，則其用于功能改動(dòng)和重構(gòu)的時(shí)間必然更多，能花在新功能開(kāi)發(fā)上的時(shí)間反而會(huì)變少。

雖然任何軟件開(kāi)發(fā)都必然涉及一部分改動(dòng)和重構(gòu)，但如果這兩項(xiàng)工作越來(lái)越多，那必然要影響到AI工具的投資回報(bào)率。

正確投資

要想回答AI是否提高了開(kāi)發(fā)者生產(chǎn)力這個(gè)問(wèn)題，我們必須首先為相關(guān)影響建立可見(jiàn)性體系。具體來(lái)講，就是在整個(gè)開(kāi)發(fā)過(guò)程當(dāng)中，AI到底在何處、何時(shí)以及如何帶來(lái)最大的潛在投資回報(bào)。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(shí)候都更加重要。

當(dāng)公司投資于AI開(kāi)發(fā)工具時(shí)，可以通過(guò)將可觀測(cè)性應(yīng)用于軟件開(kāi)發(fā)來(lái)增強(qiáng)團(tuán)隊(duì)能力。這種可觀測(cè)性不僅有助于快速了解AI的局限性和機(jī)會(huì)空間，同時(shí)也將為生產(chǎn)力的影響因素打開(kāi)新的討論通道（例如遠(yuǎn)程辦公、DevOps和內(nèi)部開(kāi)發(fā)者平臺(tái)）。

毫無(wú)疑問(wèn)，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(shí)出發(fā)了解其作用，從而做出更加明智的決策。