Capgemini 配备 Gen AI 的船只激增软件组组织如何精简发展成就性人工智能能在软件工程中的吸引力 （ 汉 ） 2024

带GenAI的涡轮增压软件 组织如何实现软件工程生成AI的全部潜力 #GetTheFutureYouWant 04 执行摘要 16 Chapter1:组织正在从利用生成 AI进行软件工程中获得巨大的好 处。 10 内容表 Introduction 28 Chapter2:生成式AI采用处于 早期阶段，但将急剧加速44 54 Chapter4:组织如何在软件工程中充分发挥生成AI的潜力？ Chapter3:缺乏先决条件和非官方使用生成人工智能会带来重大的功能、安全和法律风险 组织从利用生成AI进行软件工程中获得了多种好处 。 执行摘要 •组织的主要优势在于促进更多创新工作，例如开发新的软件功能/服务（61%的受访机构观察到这一现象），提高软件质量（49%），以及提升生产力（40%）。 •使用生成式AI的组织的生产力提高了7-18%1根据早期估计，在软件工程功能中。对于诸如代码辅助这类专门任务，这是最高的。2（时间节省的最大潜力为34%，平均为9%）以及创建文档（时间节省的最大潜力为35%，平均为10%）。这项研究使用生成式人工智能工具分析了各种软件工程任务的时间节省情况，并未考虑成本节省，后者可能相差甚远。 •组织正在利用这些生产力提升投入到创新工作当中，比如开发新的软件特性（50%）和提升技能（47%）。很少有组织旨在减少员工数量（4%）。 •生成AI对软件专业人员的工作满意度产生了积极影响。 •69%的高级软件专业人员和55%的初级软件专业人员报告称，在使用生成式人工智能进行软件开发时，他们获得了高度的满意度。 •78%的软件专业人士对生成式AI在提升业务和技术团队之间的合作潜力持乐观态度。 生成式人工智能的采用还处于早期阶段，但将大幅加速。 •在软件工程中采用生成AI仍处于早期阶段，十分之九的组织尚未扩展。 执行摘要 •27%的组织正在运行生成式人工智能试点项目，而11%的组织已经开始在其软件功能中利用生成式人工智能。 •四分之三(75%)的大型组织(年收入超过200亿美元)采用了(试点/ 缩放)生成人工智能，而规模较小的人工智能只有23%(年收入在10-50亿美元之间)。 •预计在未来两年内，采用率（包括试点项目）将显著增加，从目前软件工作队伍中46%的人使用生成式人工智能工具（无论用于训练、实验、试点或实施，无论是经过授权还是未经授权访问）上升至2026年的预估85%。 •生成式AI预计将在增强软件工作队伍方面发挥关键作用，通过提供更好的体验、工具和平台，以及治理（到2026年，其在软件设计、开发和测试工作中的参与度将超过25%）。 •编码辅助是最主要的应用场景，但生成式AI也应用于软件开发生命周期（SDLC）的其他活动，如测试案例生成等。 文档、代码现代化、UX设计帮助等) •大多数应用场景尚未被多数组织采纳（39%的重点在于代码辅助， 37%的重点在于用户体验设计辅助）。 缺乏基础先决条件和生成式人工智能的非正式使用带来了显著的功能、安全和法律风险。 •27%的组织拥有实施软件工程中生成式AI所需的平台与工具，而有 32%的组织具备了人才先决条件。 执行摘要 •超过60％的人缺乏用于软件工程的生成AI的治理和技能提升程序。 •在使用生成AI的软件专业人员中，63%使用未经授权的工具。 •约三分之一的工作群体正在自学生成式人工智能（AI）以用于软件开发，而仅有不到40%的员工从其所在组织获得了相关培训。 •未经适当治理和监督使用未经授权的工具会令组织面临功能、安全和法律风险，如代码幻象、代码泄露以及知识产权问题。 组织如何在软件工程中充分发挥生成AI的潜力 ？ •选择并优先考虑高收益用例。 执行摘要 •使用全面的风险管理方法来降低安全、IP/版权问题和代码泄漏方面的风险。 •转变您的软件组织，以确保生成AI的最佳使用： •增强您的软件团队，引入生成式AI助手。超过一半的初级（53% ）和高级专业人士（58%）认为，在未来的两年内，生成式AI工具将增强他们的日常工作。例如，生成式AI工具可以帮助初级专业人员更快学习并迅速上手，同时让高级专业人员专注于培养新人，确保他们的学习和发展。 保留、解决复杂问题以及与企业合作。 •确定新功能的要求并获取它们。 •通过提供技术先决条件，为生成AI的使用做好准备： •构建平台和工具的存储库，以获得无缝和增强的软件工程体验。 •将生成AI助手与组织自己的内容私下安全地进行上下文化 。 •采用用于生成AI影响监控和用例优先级排序的测量协议。 •通过在您的组织中创建学习文化，将人置于这种转变的核心。 •提供提高技能和交叉技能的机会。 •解决员工的工作流离失所问题。 谁应该阅读这份报告，为什么？ 本报告探讨了生成式AI在软件工程中的应用，并提供了适用于跨行业组织利用其潜力的建议。 1000+ 本研究涵盖了年收入超过十亿美元的组织，这些组织至少有一名软件专业人士和一名软件领导者参与其中。 生成AI在软件工程中的全部潜力。 负责技术、信息技术、产品、战略、研发/工程、一般管理和创新领域的业务领导者们， 和监督-他们组织的软件工程功能将发现它特别有用。 本报告基于对1,098位高级执行人员（包括董事级别及以上）和1,092位软件专业人士（涵盖架构师、开发人员、测试人员及项目经理）的全面多行业调查结果进行分析。 本报告涵盖了从年收入超过十亿美元的企业组织中管理人员的主要考虑因素，以及实施生成式人工智能的关键要点。在软件工程领域，并包含来自20位行业领袖、专业人士和创业者的深入定性见解。 本报告是凯捷研究所关于生成AI系列的一部分 组织中的GenAI-年度研究 面向管理的GenAI* GenAI和 供应链中的GenAI*GenAIfor市场营销面向软件工程的Gen AI 研发和工程领域的 GenAI 消费者GenAI和GenAI和GenAI和 业务运营中的GenAI*制造业中的GenAI*客户服务中的GenAI*可持续性*道德/ 信任* 网络安全* 数据掌握* 我们的高级期刊的特别版明天的对话关于GenAI* 要了解更多信息，请访问https://www.capgemini.com/insights/research-institute/*即将发布的报告 Introduction 自从现代计算机时代开始以来，自然语言和 机器语言。随着硬件和软件的进步，编程随着时间经历了波浪式的演变，这一差距开始缩小（见图1）。 这一演变如今似乎已接近完全实现，自然语言成为了通用语言。随着近期人工智能和高性能计算的快速进展，我们现在可以直接与计算机“对话” ，并通过人工监督和责任制度，让AI助手辅助完成从编程到生成测试案例等一系列任务。 以及用户故事，用于文档记录，等等。正如OpenAI的联合创始人之一、前特斯拉人工智能负责人安德烈·卡帕西（AndrejKarpathy）在ChatGPT推出后著名地评论的那样：最热门的新编程语言是英语。3 当前，通过利用大型语言模型（LLMs）的力量，生成式AI能够提升开发者的生产力、提高软件质量，并加速产品上市时间。 高盛首席信息官MarcoArgenti：“高盛正在利用人工智能将软件开发人员和其他人变成超人。4 在生成型人工智能领域，软件工作团队拥有一个工具，可以以最小的努力和学习曲线加速关键任务（如设计、编码、迁移、测试、部署、支持和维护），从而提高工作效率。 软件开发语言和平台的演进 “最热门的新编程语言 是英语” 低代码/无代码云原 生 DevOps自动化 C+ Java C编程 Cobol IBM704 装配工 ENIAC 生成的AI提升 1940 1950 1960 1970 1980 1990 2000 2010 2020 2030 机器和装配语言高级编程语言面向对象语言开发平台 图1. Introduction 创造价值 从软件开发语言和平台的发展中提高价值创造水平 来源：凯捷分析 Introduction 然而，生成式AI带来了风险和挑战。无限制使用可能导致代码幻觉、知识产权问题、私人数据泄露以及安全漏洞。软件工程组织需要制定新的策略和 利用生成式AI的潜力并管理其风险的实施方法。通过本研究，我们尝试评估生成式AI对软件工程功能的影响，涵盖诸如以下问题： •生成AI将如何影响软件开发生命周期(SDLC)的各个阶段？•组织如何快速采用和扩展生成式AI来推动生产力和创新？•生成AI将如何影响软件工程师的工作方式？•软件工程面临的挑战是什么？我们如何最好地管理与生成AI相关的风险？•如何组织可以持续衡量并优化生成式人工智能对其软件工程功能的影响？ 我们所说的“软件工程的生成AI”是什么意思？ 定义术语“软件” 软件是一种战略能力，正在改变企业设计产品和服务、整体运作、竞争以及为客户提供价值的方式。无论是作为自身产品还是整合到企业应用或产品中 ，软件对于现代企业至关重要。软件主要有三大类： •商业软件:组织用于运行、扩展和优化日常业务功能和流程以及与客户和合作伙伴互动的工具。 有两种类型的商业软件： •打包软件:第三方标准计划组合提供不同家族内的工具，以捆绑形式商业上可用，遵循许可方的标准条款，可通过一次性或年度费用支付。 •自定义软件:针对特定目的为个人或公司开发的高级、定制化程序，这些程序可以进行修改或调整。定制软件并非商业可用，而是为了内部用途而构建和运营的。 •消费者软件:直接面向最终用户销售，消费者软件涵盖应用、网页门户以及地图、金融数据、新闻、游戏和音乐播放器等信息工具。 •嵌入式软件：一款用于编程硬件或非PC设备以促进其功能运行的软件。这些是针对特定硬件堆栈的专业环境和应用，具有性能、功耗和功能需求及限制。 生成式AI具有跨所有软件类别应用的潜力，但本研究主要关注定制、嵌入式或面向消费者的软件工程，这些软件贯穿整个软件开发生命周期。 生成AI在软件工程中的潜力 软件工程领域已显著转向更高程度的自动化和简化，尤其是伴随生成式人工智能（生成AI）的兴起。大型语言模型（LLMs）的崛起起到了关键作用。LLMs是深度学习的人工智能算法，能够识别、总结、翻译、预测并基于大量数据集生成内容。它们促进了消费者和组织对软件工程的日益采用。 生成式AI具有潜力彻底改变软件工程流程，因为它可以融入技术堆栈中 ，为现有使用的软件解锁新的特性和更新。许多领导者正在努力整合AI启用的插件或将AI驱动的技术融入其自身的企业及软件工程平台。我们先前的研究表明，生成式AI将在未来一年内帮助编写每五行代码中的一行。5 生成AI对SDLC的影响 随着产品、服务和运营中软件应用的日益普及，软件团队面临着交付更多、更好、更快的任务的压力。生成式人工智能（GenerativeAI ）有可能在整个软件开发生命周期（SDLC）中带来益处。图2展示了 SDLC中的一些任务和活动，它们可以从生成式AI工具的应用中获益 。值得注意的是，这仅是涵盖SDLC所有活动的一小部分。它可以在任何阶段集成，从业务需求分析和编写敏捷用户故事到软件设计、编码、文档编写、打包、部署、测试和运营，从而增强软件工程师的工作，帮助提高效率、改善质量，并提升工作满意度。 生成式AI也触及了众多数据分析师、商业分析师、平台/软件设计师以及软件工程师、开发者和测试人员的角色。 (DevOps)软件生命周期 业务需求/要求 分析与写作 用例建模用户故事生成 逆向工程 编码辅助(代码生成、遗留代码 完成) 单元测试生成 现代化(迁移、转换等) 代码说明代码文档 代码漏洞 平台配置 &Confi配置 软件可观察性分析和建议 Business..............................................D.......i.g.... 需求 .............