生成式 AI 如何塑造件工程的来(汉)

组织如何实现软件工程生成 AI 的全部潜力 内容表 组织从利用生成 AI 进行软件工程中获得了多种好处。 • 企业将这些生产率提升用于创新工作，如开发新软件功能（50%）和技能提升（47%）。很少有企业计划通过这些增益来减少员工人数（4%）。 • 生成 AI 正在对软件专业人员的工作满意度产生积极影响。 • 对组织而言，主要益处包括促进更具创新性的工作，例如开发新的软件功能/服务（有61%的受访组织观察到这一效果）、提高软件质量（49%）以及提升生产效率（40%）。 执行摘要 • 69% 的高级软件专业人员和 55% 的初级软件专业人员表示，使用生成式AI进行软件开发带来了较高的满意度。 • 78%的软件专业人士对生成式AI增强业务和技术团队协作的潜力持乐观态度。 • 使用生成 AI 的组织的生产力提高了 7 - 18%1在软件工程功能方面，根据早期估计，增幅最高的是专门任务，如代码辅助。2(时间节省的最大潜力为34%，平均为9%；创建文档的时间节省最大潜力为35%，平均为10%)。本研究使用生成式AI工具分析了各种软件工程任务中的时间节省情况，而非成本节省，后者可能与前者有显著差异。 生成式人工智能的采用还处于早期阶段 ，但将大幅加速。 • 生成式AI预计将在软件劳动力中发挥关键作用，通过提供更好的体验、工具和平台以及治理措施（到2026年协助超过25%的软件设计、开发和测试工作）。 在软件工程中采用生成人工智能仍处于早期阶段 ， 十分之九的组织尚未扩展。 • 代码辅助是主要的应用场景，但生成式AI也在软件开发生命周期（SDLC）的其他活动（如测试案例生成、文档编写、代码现代化、用户体验设计辅助等）中找到了应用。 执行摘要 • 27% 的组织正在运行生成式AI试点，而 11% 的组织已经开始在其软件功能中利用生成式AI。 • 三分之四（75%）的大型企业（年收入超过20亿美元）已经采用了生成式AI（试点/规模化），而其较小的同行（年收入在1亿至5亿美元之间）仅有23%采取了这一措施。 • 大多数用例尚未被大多数组织采用（39%的组织专注于编码辅助，37%的组织专注于用户体验设计辅助，为当前最主要的采用用例）。 • 预计采用率（包括试点项目）将在未来两年内显著增加，从目前46%的软件工作者使用生成式AI工具（用于任何形式的培训、实验、试点和实施，无论是授权还是未经授权的访问）到2026年的估计值为85%。 缺乏基本的先决条件和生成 AI 姿势的非官方使用重要的功能、安全性和法律风险。 • 未经适当治理和监督使用未经授权的工具会使组织暴露于功能风险、安全风险和法律风险中，如幻觉代码、代码泄露和知识产权问题。 执行摘要 • 27% 的组织已经具备实施生成式AI进行软件工程所需的平台和工具，而32% 的组织已经具备了相关的人才 prerequisite。 • 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。 • 约三分之一的劳动力通过自我培训来掌握生成式AI技术，而仅有不到40%的员工接受了来自组织的培训。 组织如何在软件工程中充分发挥生成 AI的潜力 ？ 保留、解决复杂问题以及与企业合作。 • 确定新功能的要求并提供它们。 • 通过提供技术先决条件 ， 为生成 AI 的使用做好准备 ： • 选择并优先考虑高收益用例。 执行摘要 • 使用组织自己的内容 ， 私下和安全地将生成 AI助手上下文化。• 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。 • 使用彻底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 ： • 采用用于生成 AI 影响监控和用例优先级排序的测量协议。 • 通过增加生成式AI助手来扩充软件团队。大多数初级（53%）和高级（58%）专业人士认为，生成式AI工具将在未来两年内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士更快学习并迅速适应工作，而它们则使高级专业人士能够专注于培养初级人员，确保他们的学习进程。 • 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。• 解决员工的工作流离失所问题。 谁应该读这个报告和why? 这份报告提供了有关生成式AI在软件工程中应用的见解，并为各行业组织如何利用生成式AI提出了建议。 生成 AI 在软件工程中的全部潜力。 负责并监督其组织软件工程功能的技术、IT、产品、战略、研发/工程以及一般管理业务领导者将会发现此内容特别有用。 本报告基于对年收入超过10亿美元的企业中1,098名高级执行官（级别为董事及以上）和1,092名软件专业人员（包括架构师、开发人员、测试人员和项目经理）进行的全面多领域调查所得的见解。报告涵盖了在软件工程中实施生成式AI的主要考虑因素，并包含了来自20位行业领导者、专业人士和创业者的深入定性见解。 1000+ 年营业收入超过1亿美元的组织，由至少一位软件专业人员和一位软件领导者代表，参与了此项研究。 本报告是凯捷研究所关于生成 AI 系列的一部分 自现代计算机时代伊始，自然语言与机器语言之间便存在差距。随着硬件和软件的进步，编程经历了波浪式的演变，这一差距已经开始缩小（见图1）。 今天，通过利用大型语言模型（LLMs）的力量，生成式AI可以提升开发人员的生产力、提高软件质量并加速产品上市时间。马科·阿尔杰尼，高盛集团首席信息官：“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 Introduction 这一演变如今看来已接近完成，自然语言已成为通用语言。随着人工智能和高性能计算的近期迅速进步，我们现在可以简单地“与计算机对话”，并通过人类监督和问责制，让AI助手辅助从编程、生成测试案例和用户故事到文档记录等各种任务。正如OpenAI的联合创始人兼特斯拉前人工智能负责人Andrej Karpathy曾著名地指出，在引入这种技术之后：最热门的新编程语言是英语。ChatGPT:3 在生成式AI领域，软件 workforce 拥有工具可以以最小的努力和最小的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）。 Introduction 然而，生成式AI带来了风险和挑战。未经控制的使用可能导致虚假代码、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。 利用生成式AI的潜在价值并管理其风险的实施方法。通过本研究，我们试图评估生成式AI对软件工程功能的影响，涵盖如下问题： Introduction • 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 ？ 我们做什么意思是“生成 AI ”用于软件工程 "? 定义术语 “软件 ” • 定制软件：专为特定目的开发的特定且先进的程序，适用于个人或公司。此类软件可以进行修改或变更，但并非商用产品，而是为内部用途而构建和运行的。 软件是一种战略能力，变革了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。软件对于现代企业至关重要，无论是作为一种产品本身还是集成到企业应用程序或产品中。 • 消费者软件：直接面向最终用户销售，消费者软件包括应用程序、网络门户以及诸如地图、金融数据、新闻、游戏和音乐播放器等信息工具。 软件主要有三大类 ： • 商务软件：用于运行、扩展和优化日常业务功能和流程，并与客户和合作伙伴进行互动。 •嵌入式软件：一种用于编程硬件或非PC设备以使其正常运行的软件。这些是针对特定硬件堆栈的专门环境和应用程序，具有性能、功率和功能要求及限制。 有两种类型的商业软件 ： • 包装软件：第三方标准程序组合在一起，提供同一家族的不同工具，并以发许可方的标准条款进行商业销售，用户可以选择一次性付费或年度付费。 生成式AI有望应用于所有类别软件，但本研究主要集中在定制、嵌入式或消费类软件领域，这些软件贯穿整个软件开发生命周期。 生成 AI 对 SDLC 的影响 生成 AI 在软件工程中的潜力 随着产品、服务和运营中软件应用的不断增加，软件团队面临更大的压力，需要更快地交付更多更好的产品。生成式AI有潜力在整个软件开发生命周期（SDLC）中带来益处。图2展示了SDLC中可以受益于生成式AI工具的一些任务和活动。值得注意的是，这些任务和活动仅是SDLC中所有活动的一部分。生成式AI可以在SDLC的任何阶段进行整合——从商业需求分析和编写敏捷用户故事到软件设计、编码、文档编制、打包、部署、测试和运维——从而增强软件工程师的工作效率，提高产品质量，并提升工作满意度。 软件工程已强烈倾向于更高的自动化和简化，特别是在生成型人工智能（生成AI）的推动下。大型语言模型（LLMs）的兴起起到了关键作用。这些深度学习AI算法能够识别、总结、翻译、预测和生成内容，通过构建大规模数据集来实现这一目标。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有潜力变革软件工程过程，因为它可以集成到技术栈中，为当前使用的软件解锁新功能和更新。许多企业领导者正努力将AI驱动的插件整合到自己的企业平台和软件工程平台上，或将AI赋能的技术融入其中。我们之前的研究所显示，在未来一年里，生成式AI将协助编写每五行代码中的一行。5 生成式AI也影响到许多数据分析师、商业分析师、平台/软件设计师以及软件工程师、开发人员和测试人员的角色。 组织正在收获显著的好处利用生成式 AI软件工程。 增强创新和提高软件质量是主要优势。 五分之三的组织认为，例如利用软件开发新功能和服务等创新工作是生成式AI在软件工程中使用最大的好处（见图3）。在接受调查的软件专业人士中，有80%的人认为，通过自动化简单重复的任务，生成式AI将为他们腾出时间专注于创新和增值任务，从而促进更大的创造力。 来自跨国公司数字的高级技术领导者“One 通信技术公司阐述:生成式AI adoption的最大驱动力之一是创新。这不仅体现 在产品层面，也体现在流程层面。资深专业人士利用生成式AI结合其领域专长进行产品创新，而初级专业人员则看到了在流程和工具创新、自动化及提升生产效率方面的价值。 资料来源 ： 凯捷研究所 ， 软件工程中的生成人工智能 ， 高级管理人员调查 ， 2024 年 4 月 ， n =412 位软件领导者 ， 他们已经扩大规模或正在使用软件工程中的生成 AI 进行试点。 生成式AI还能够提升软件质量。它可以帮助交付更少错误的高质量代码，并提高测试覆盖率和质量。这两方面因素在团队和组织层面为组织提供了生产力提升。例如，中东地区一家大型银行集团阿联酋国民银行（Emirates NBD）不仅通过使用GitHub Copilot的代码建议，在复杂任务中将开发人员的生产力提高了高达20%，还提高了公司代码质量20%。6 “与使用 澳大利亚领先电信公司的 AI 负责人解释说 ：生成式AI在软件工程中的应用，测试案例数量可增加30%，大幅提高测试覆盖率和质量。 对于电信企业而言，生成式AI可以在网络管理与维护以及客户服务/销售应用等方面发挥重要作用，这些应用具有高度的数据驱动和创新性，特别是提供超个性化服务。BT集团的数字部门制定了基于AI的产品生命周期管理策略。自部署亚马逊CodeWhisperer后四个月内，自动化了近12%的重复性工作，使试点团队能够专注于更具战略性的目标。7 按部门分列的具有积极举措并看到能力的组织百分比 -按照软件领导者的说法 ， 将创新工作作为顶级利益 fi t 同样，零售业正在利用生成式AI来收集和分析客户偏好、竞争对手情报