行业研究公司研究宏观策略财报招股书会议纪要 Token 低空经济十五五 AIGC 大模型

2025年DORA AI辅助软件开发状态报告

信息技术 2025-09-24 Google Cloud 健康🧧

执行摘要

AI是放大器：2025年，AI在软件开发中的主要作用是放大器，它能放大高绩效组织的优势，也能放大表现不佳组织的弊病。AI投资的最大回报并非来自工具本身，而是源于对底层组织系统的战略关注：内部平台的质量、工作流程的清晰度以及团队的协作一致性。
主要发现：
- AI的采用已接近普及，95%的受访者现在依赖AI，超过80%的受访者认为AI提高了生产力。
- AI的采用现在能提高软件交付吞吐量，但仍然会增加交付的不稳定性。
- 成功的AI采用不仅仅需要工具，DORA AI能力模型确定了七项基础实践，包括清晰的AI政策、健康的数据生态系统和以用户为中心的关注点。
- 研究确定了七种不同的团队画像，为有针对性的改进提供了一个新框架。
- 价值流管理是可视化、分析和改进从构想到客户的工作流动的实践，它能作为AI的倍增器，确保局部生产力提升转化为团队和产品绩效的可衡量改进。
- 90%的组织已采用平台工程，使得高质量的内部平台成为AI成功的必要基础。
关键建议：
- 将成功的AI采用视为一场组织转型。
- 投资那些能够放大AI优势的基础系统：内部平台、数据生态系统以及团队的核⼼工程实践。
- 广泛采用AI，但保持健康的审慎态度，专注于教导团队如何批判性地指导、评估和验证AI生成的工作。
- 利用团队绩效的七种画像来诊断团队健康状况，超越软件交付绩效指标。
- 优先投资并资助你的平台工程计划。

理解您的软件交付绩效

软件交付绩效因素：吞吐量（衡量在一段时间内有多少变更可以通过系统）和不稳定性（衡量软件部署成功程度）。
七种团队画像：
- 基础挑战型：在流程、环境和结果方面都面临基础性缺陷带来的重大挑战。
- 遗留瓶颈型：持续处于被动应对状态，不稳定的系统削弱了他们的士气。
- 流程受限型：精力被低效的流程所消耗，导致高倦怠和低影响力。
- 高影响力，低交付节奏：产出了高影响力的工作，但伴随着低交付节奏。
- 稳定而有条不紊：以深思熟虑且可持续的节奏交付高质量、有价值的工作。
- 务实高效型：始终以惊人的速度和稳定性交付工作，但工作环境尚未达到最佳投入状态。
- 和谐高效型：卓越的表现，稳定、低摩擦的环境赋能团队持续且不倦怠地交付高质量的工作。

AI的采纳与使用

AI的采用已接近普及：90%的受访者表示在工作中使用AI，比去年报告中的相同指标增加了14.1%。
AI的用户状态：中位数为16个月，平均为16.22个月。
AI的依赖度：只有5%的AI用户表示在工作中“完全不”依赖AI，而65%的用户表示“适度”、“很多”或“非常”依赖AI。
AI的使用任务：71%的编写代码的受访者使用AI辅助他们完成此任务，68%用于文献综述，66%用于修改现有代码，66%用于校对，66%用于创建或编辑图像。
AI的交互界面：对话式AI聊天机器人和嵌入式到IDE中的AI是最常见的载体。
AI的使用模式：文本聊天和预测文本模式是最常见的模式，代理式AI的使用最不常见。
AI对个人生产力的感知影响：超过80%的受访者认为AI提升了他们的生产力。
AI对代码质量的感知影响：59%的受访者观察到AI对他们的代码质量产生了积极影响。
AI的可信度：70%的受访者对其质量表示一定程度的信任，30%的受访者表示对AI生成的代码几乎不信任。

探索AI与关键成果的关系

AI的采纳的影响：AI的采纳与个人效能、代码质量、团队绩效和组织绩效持续保持积极关联。
顽固的结果：AI与摩擦和倦怠没有可测量的关系，并且它继续与软件交付稳定性保持着有害的关系。
AI对专业开发人员的社会认知影响：AI的采纳并未显著影响开发者体验其工作生活的方式。

DORA AI能力模型

七项AI能力：
- 清晰且已传达的AI立场
- 健康的数据生态系统
- AI可访问的内部数据
- 强大的版本控制实践
- 小批量工作
- 以用户为中心
- 高质量内部平台
AI能力的影响：这些能力被证明能够扩大AI采纳的益处，放大AI对绩效的积极影响。

平台工程

平台现状：平台采用已近乎普及，90%的组织至少采用了一个平台，76%的组织至少有一个专属平台团队。
整体体验至关重要：用户将他们的平台视为一个单一的实体，其整体有效性比平台中任何单个功能的质量都更为重要。
平台能力相关性矩阵：与积极用户体验最相关的能力是为任务提供清晰的反馈，“用户界面简洁明了”的相关性较低。
绩效、福祉和风险的倍增器：一个高质量的平台在各个方面都具有广泛、统计学上积极的影响，与更高的组织绩效、产品绩效和生产力相关。
平台时代的三大要务：
- 拥抱整体体验
- 将平台视为旨在改善开发者体验的内部产品
- 利用你的平台来校准你的风险偏好

价值流管理

价值流管理的原则：
- 从思维混乱到共享地图
- 关注流动，而非仅仅是速度
- 创建持续改进的文化
- 建立在卓越技术的基础之上
VSM (价值流管理) 推动团队绩效：持续审查和改进其价值流的团队，其绩效报告显著更高。
VSM 带来更有价值的⼯作：这些团队将更多的时间花在对组织及其客户至关重要的工作上。
VSM 提升产品绩效：最终，这种对价值流的关注转化为更好的产品成果。

AI的镜子：AI如何反映并放大你组织的真实能力

AI影响的图景：AI的使用对吞吐量、代码质量以及团队和组织绩效等结果的影响，始终通过七项能力得到了显著增强。
组织是系统，而非个体的总和：要理解如何将AI的影响从个人生产力提升扩展到组织层面的收益，我们需要思考系统。
突破工具限制，推动AI影响力：AI有潜力重塑软件的构建方式，但它本身不会改变组织系统。
AI既是镜子，也是倍增器：AI能揭示哪些方面运作良好，加速已在进行的进程，但同时也会暴露需要改变之处。
AI：技能发展的威胁——亦是机遇：AI的采用可能会改变传统的学徒制模型，组织需要利用AI本身来同时衡量技能发展和生产力。

度量框架

选择合适的测量框架以适应组织目标：框架将一个广泛的主题分解为可衡量的不同概念。
衡量软件开发常⽤的框架类型：开发者体验、产品卓越性、组织效率。
在人工智能时代应用衡量框架：随着技术的出现，衡量可能必须进行调整，以包含不同的用户画像并捕捉不断变化的工作流。
在人工智能时代应用衡量框架：你可能会想，将AI引入开发工作流会改变一切吗？是沿用现有框架还是需要新的框架？我们建议仔细考虑实际需要改变什么，尤其是在考虑AI的影响时。