Remiantis „Google“ 2025 m. „Dora“ ataskaita

Sekite „ZDNet“: Pridėkite mus kaip pageidaujamą šaltinį „Google“.

„ZDNET“ pagrindiniai pasirinkimai

• Beveik visi kūrėjai dabar remiasi AI įrankiais.
• AI stiprina stipriąsias puses ir padidina disfunkciją.
• Aukštos kokybės platformos yra būtinos AI sėkmei.

„Google“ išleido ją 2025 m. „Dora“ programinės įrangos kūrimo ataskaita. „Dora“ („DevOps“ tyrimai ir įvertinimas) yra „Google“ („Google Cloud“ organizacijos dalis) tyrimų programa. „Dora“ tiria galimybes ir veiksnius, kurie skatina programinės įrangos pristatymą ir operacijų našumą.

Šiais metais DORA projekte buvo apklausti 5000 programinės įrangos kūrimo specialistų visose pramonės šakose ir po to buvo daugiau nei 100 valandų interviu. Tai gali būti vienas iš išsamiausių AI kintančio vaidmens kuriant programinę įrangą, ypač įmonės lygmeniu.

Taip pat: 10 „ChatGpt Codex“ paslapčių, kurių išmokau tik po 60 valandų porų programavimo su juo

Šių metų rezultatai yra ypač aktualūs, nes AI yra gana didelę įsiskverbusi į programinės įrangos kūrimą. Ataskaitoje pateikiamos kelios drąsinančios pastabos, tačiau taip pat demonstruojamos kai kurios realių iššūkių sritys.

Rašydamas šį straipsnį, aš perėjau 142 puslapių ataskaitą ir patraukiau penkis pagrindinius pastebėjimus, kurie peržengė hipių, kad atskleistų, kas iš tikrųjų keičiasi kuriant programinę įrangą.

1. AI dabar plačiai naudojama kuriant

Apklausos respondentų teigimu, kažkur nuo 90 iki 95% priklauso nuo programinės įrangos kūrimo darbui. Ataskaitoje nurodoma 95% įvade, o 90% – vėliau išsamioje skiltyje, tačiau, nepaisant to, kurį numerį pasirinksite, beveik visi koduotojai dabar naudoja AI. Anot pranešimo, tai yra 14% šuolis nuo praėjusių metų.

Vidutinis laikas, praleistas bendraujant su AI, buvo dvi valandos per dieną. Vis dėlto tai yra šiek tiek daugiau niuansų. Pavyzdžiui, tik 7% respondentų „visada“ praneša naudodamiesi AI, kai susiduria su problema, kurią reikia išspręsti. Didžiausia grupė, 39%, praneša „kartais“ kreiptis į AI pagalbos. Bet mane sukrėtė tai, kad pilnas 60% AI naudoja „maždaug pusę laiko“ ar daugiau, bandant išspręsti problemą ar atlikti užduotį.

Aštuoniasdešimt procentų programuotojų pranešė, kad bendras produktyvumo padidėjimas, tačiau tik 59% teigė, kad jų kodo kokybė pagerėjo. Kita pagrindinė metrika yra tokia: 70% respondentų pasitiki AI kokybe, o 30% – ne.

Taip pat: aš gavau 4 metų produkto kūrimą per 4 dienas už 200 USD, ir aš vis dar esu apstulbęs

Leiskite man pasidalyti asmenine mintis apie tai. Aš ką tik baigiau didžiulį kodavimo sprintą, kurį įgalino AI. Išėjo kodas beveik niekada nebuvo tinkamas pirmajame bėgime. Aš turėjau praleisti daug laiko, kad galėčiau tai sutvarkyti. Net ir atlikęs darbą, aš grįžau atlikti pilną kokybę, kur radau daugiau klaidų.

Mano išvada yra ta, kad niekur negalėčiau nuvykti beveik tiek, kiek nuveikiau darbus, kuriuos tiesiog padariau be AI. Bet jokiu būdu nėra galimybės pasitikėti jokiu kodu, kurį rašo AI, nepadaręs daug peržiūros, patvirtinimo ir testavimo. Žinoma, tai nedaug skiriasi nuo to, kaip jaučiausi būdamas vadybininkas ir deleguotas kodavimas darbuotojams ar rangovams.

2. Pagalvokite apie AI kaip stiprintuvą

Tai buvo vienas iš žavesnių rezultatų iš tyrimo. „Dora“ komanda tvirtina, kad AI tapo stiprintuvu. Iš esmės AI „padidina aukštos kokybės organizacijų stipriąsias puses ir kovojančių disfunkcijas“.

Tai turi tiek daug prasmės. Jei perskaitėte mano naujausią straipsnį „10„ ChatGpt Codex “paslapčių, aš išmokau tik po 60 valandų porų programavimo su juo“, aš atkreipiau dėmesį, kad AIS greitai daro dideles klaidas. Vienas netinkamai suformuotas raginimas gali nusiųsti AI, kad sugadintų didelį sunaikinimą. Turėjau patirties, kai „Codex“ nusprendė ištrinti didelę vieno iš mano failų dalį, ir tada nedelsdamas patikrinau tuos „GitHub“ pakeitimus.

Taip pat: aš padariau 24 dienas kodavimą per 12 valandų su 20 USD AI įrankiu, tačiau yra viena didelė spąstai

Laimei, aš galėjau sugrąžinti tuos pakeitimus, tačiau pamačiau, kad didžiulis darbas dingsta greičiau, nei galėčiau išgerti gurkšnio kavos.

Iš esmės, kuo efektyvesnė ir organizuota komanda yra, tuo AI padės daugiau. Kuo labiau išsibarstęs ar atsitiktinumas yra komanda, tuo AI skaudės daugiau. Mano atveju, aš turiu tikrai gerą revizijos kontrolės praktiką, todėl, kai AI valgė namų darbus, aš galėjau ją susigrąžinti dėl valdiklių, kuriuos buvau įdiegęs, prieš tai, kai aš kada nors suteikiau AI pirmąją prieigą prie savo kodinės bazės.

3. Septyni komandos archetipai AI epochoje

Taigi, kas laimi ir kas pralaimi? „Dora“ komanda nustatė aštuonis veiksnius, kurie nustatė bendrą komandos rezultatą.

1. Komandos pasirodymas: Komandos efektyvumas ir bendradarbiavimas
2. Produkto našumas: Gaminamų produktų kokybė ir sėkmė
3. Programinės įrangos pristatymo pralaidumas: Pristatymo proceso greitis ir efektyvumas
4. Programinės įrangos pristatymo nestabilumas: Pristatymo proceso kokybė ir patikimumas
5. Individualus efektyvumas: Atskirų komandos narių veiksmingumas ir jausmas
6. Vertingas darbas: Laipsnis, kuriam atskiri komandos nariai mano, kad jų darbas yra vertingas
7. Trintis: Kiek kliudo asmenims, bandantiems atlikti savo darbą
8. Perdegimas: Komandos narių išsekimo ir cinizmo jausmai

Tada jie įvertino šiuos veiksnius prieš respondentus ir jų komandas. Tai padėjo nustatyti septynis komandos archetipus.

1. Pagrindiniai iššūkiai: Išgyvenimo režimas, visur spragos
2. Palimas kliūtis: Nuolatinis gaisrų gesinimas, nestabilios sistemos
3. Suvaržytas pagal procesą: Stabilus, bet sumuštas biurokratijos
4. Didelis poveikis, žemas ritmas: Stiprus išvestis, nestabilus pristatymas
5. Stabilus ir metodiškas: Sąmoningas tempas, nuosekli kokybė
6. Pragmatiški atlikėjai: Patikimas, greitas, vidutiniškai įsitraukęs
7. Harmoningi aukšto lygio užtikrinimai: Tvarus, stabilus, geriausias pasirodymas

AI, sakoma pranešime, yra organizacijų veidrodis. Naudojant AI, komandos stipriosios ir silpnosios pusės yra akivaizdesnės. Bet tai, kas man pasirodė ypač įdomu, yra mintis, kad kompromisas „greitis ir stabilumas“ yra mitas.

Tai idėja, kad galite būti greitas arba galite sukurti gerą kodą, bet ne abu. Kaip paaiškėja, 30% respondentų patenka į harmoningus aukšto lygio ar pragmatiškų atlikėjų archetipus, o tie žmonės greitai gamina produkciją, o šios produkcijos kokybė yra aukšta.

4. Septynios pagrindinės praktikos

Ataskaitoje pabrėžiama: „Sėkmingas PG priėmimas yra sistemų problema, o ne įrankių problema“. Atrodo, kad „Dora“ žmonėms patinka septyni. Jie sako, kad ši septyni pagrindinės praktikos skatina AI poveikį (gerą ar blogą).

1. PG politika: Aiški organizacijos pranešta AI pozicija.
2. Duomenų ekosistemos: Bendra organizacijos vidinių duomenų kokybė.
3. Prieinami duomenys: AI įrankiai, prijungti prie vidinių duomenų šaltinių.
4. Versijos valdymas: Sistemingas būdas valdyti kodo pakeitimus.
5. Mažos partijos: Įtraukimas į mažus, valdomus vienetus.
6. Vartotojo dėmesys: Komandos, teikiančios pirmenybę galutiniams vartotojų patirčiai.
7. Kokybiškos platformos: Bendras organizacijos galimybės.

Kaip jūs galite įsivaizduoti, sėkmingos komandos naudoja daugiau šios praktikos. Nors nesėkmingos komandos gali turėti labai produktyvius individualius programuotojus, atrodo, kad šių pagrindų nebuvimas juos sumažina.

Jie rekomenduoja „traktuoti savo AI priėmimą kaip organizacinę transformaciją. Didžiausia grąža bus gauta iš investavimo į pagrindines sistemas, kurios sustiprina AI pranašumus: jūsų vidinė platforma, jūsų duomenų ekosistema ir pagrindinės jūsų komandų inžinerinės disciplinos. Šie elementai yra esminiai privalumai paversti AI potencialą į išmatuojamą organizacinę veiklą“.

5. Du veiksniai, darantys įtaką AI sėkmei

Praėjusiais metais tai tapo gana didele naujiena, kai ankstesnė „Dora“ ataskaita parodė, kad AI iš tikrųjų sumažino programinės įrangos kūrimo produktyvumą, o ne padidino ją. Šiais metais tiesa yra atvirkščiai. „Dora Explorers“ sugebėjo nustatyti du pagrindinius veiksnius, kurie šiuos rezultatus pakeitė.

Vystymosi organizacijos yra labiau susipažinusios su AI ir žino, kaip tai dirbti efektyviau nei prieš metus. Tyrimas rodo, kad 90% kūrėjų organizacijų priėmė platformos inžineriją. Tai praktika sukurti stiprias vidaus vystymosi platformas, kurios kaupia įrankius, automatizavimą ir bendrąsias paslaugas plėtros komandai.

Taip pat: geriausia AI kodavimui 2025 m. (O ko nenaudoti)

Anot Dora, kai vidinė platforma veikia gerai, kūrėjai praleidžia mažiau laiko kovodami su sistema ir daugiau laiko kurdami vertę. Jei žiūrite į AI kaip stiprintuvą, tada galite pamatyti, kaip geros sistemos gali iš tikrųjų pagerinti rezultatus. Įdomu tai, kad jei platformos yra silpnos, neatrodo, kad AI pagerina organizacijos produktyvumą. Geros vidinės platformos yra labai aiški veiksmingo AI naudojimo sąlyga.

Kitas veiksnys atrodo kaip „Buzz“ žodis iš darbo vietos, tačiau yra tikrai gana svarbus. Tai VSM (arba vertės srauto valdymas). Idėja yra ta, kad vadovai sukuria žemėlapį, kaip darbas pereina nuo idėjos iki pristatymo. Iš esmės tai yra operacijų, o ne tik bitų, schema.

Matydamos kiekvieną žingsnį, komandos gali nustatyti problemines sritis, tokias kaip labai ilgos kodo apžvalgos ar išleidimai, kurie kaupiasi įvairiuose etapuose. Ataskaitoje teigiama, kad teigiamas PG priėmimo poveikis yra „dramatiškai sustiprintas“ organizacijose, turinčiose stiprią VSM praktiką. Apie įrašą žodis „dramatiškai“ pasirodo ataskaitoje keturis kartus.

Ataskaitoje teigiama: „VSM veikia kaip jėgos daugiklis AI investicijoms. Pateikdamas sistemų lygio vaizdą, jis užtikrina, kad AI būtų taikoma tinkamoms problemoms, paverčiant lokalizuotą produktyvumo padidėjimą reikšmingais organizaciniais pranašumais, užuot tiesiog sukuriant daugiau pasroviui chaoso“.

Ką visa tai reiškia programinės įrangos kūrimui

Iš ataskaitos yra keletas aiškių išvadų. Pirma, AI perėjo iš „Hype“ į pagrindinę įmonės programinės įrangos kūrimo pasaulyje. Antra, tikras pranašumas nėra susijęs su įrankiais (ar net jūsų naudojamu AI). Kalbama apie tvirtų organizacinių sistemų kūrimą. Be tų sistemų AI turi mažai pranašumų. Ir trečia, AI yra veidrodis. Tai atspindi ir padidina, kaip gerai (ar blogai) jūs jau veikiate.

Ką tu galvoji? Ar jūsų organizacija naudojo AI įrankius programinės įrangos kūrimo srityje? Ar manote, kad AI yra tikras produktyvumo padidėjimas, ar tai, kas prideda daugiau nestabilumo? Kuri iš septynių komandos archetipų jaučiasi arčiausiai jūsų pačių patirties? Ar manote, kad tokios praktikos kaip platformos inžinerija ar VSM tikrai daro skirtumą? Pasidalinkite savo mintimis žemiau esančiuose komentaruose.

Galite sekti mano kasdienius projekto atnaujinimus socialinėje žiniasklaidoje. Būtinai užsiprenumeruokite Mano savaitinis atnaujinimo informacinis biuletenisir sekite mane „Twitter/X“ adresu @Davidgewirtz„Facebook“ adresu Facebook.com/davidgewirtz„Instagram“ ties „Instagram.com/davidgewirtz“„Bluesky“ @Davidgewirtz.comir „YouTube“ adresu Youtube.com/davidgewirtztv.