AI 对工程速度的当前影响

来源：https://newsletter.getdx.com/p/the-current-impact-of-ai-on-engineering 现可在**YouTube（https://youtu.be/a2uiXFsvXm4）、Apple（https://podcasts.apple.com/us/podcast/engineering-enablement-by-abi-noda/id1619140476）和Spotify（https://open.spotify.com/show/3NxjyIsuxeDMQtisDqBy7D）**上收听和观看。

在DX Annual的现场录制中，DX联合创始人兼CEO Abi Noda与微软的Brian Houck一同分享DX关于AI对工程速度影响的新研究的初步成果。

他们利用DX客户样本的数据，探讨了随着AI应用逐渐成熟，企业实际看到的情况。研究中的大多数组织观察到拉取请求吞吐量增加了10%到15%——这远比业界头条经常宣传的10倍增长要温和得多。

他们探讨了为何编码仅占开发人员工作的一小部分，AI节省的时间可能流向了何处，以及速度提升带来的意外后果，从瓶颈转移到“虚假速度”。Abi还分享了工程领导者如何在编码之外应用AI，以及DX如何演变其衡量框架，以同时考虑人类和代理的生产力。

• **PR吞吐量提升了约10%到15%。**在DX的样本中，大多数组织都观察到了可衡量的改进，但其收益远小于业界头条常引用的10倍生产力提升。
• **中位改进更接近8%。**尽管一些组织看到了更大的收益，但典型的影响是渐进式的，而非变革性的。
• **即使是微小的收益，在大规模下也可能意义重大。**当应用于数百或数千名工程师时，吞吐量提升10%可以代表显著的改进。

编码只是生产力方程的一部分

• **开发人员只有大约14%的时间用于编写代码。**如果AI主要加速编码，它对整体工程速度的影响自然会受到限制。
• **最大的瓶颈往往在其他地方。**计划、评审、测试、文档和协调仍然消耗工程团队的大部分时间。
• **节省的时间并不直接转化为产出增长。**组织可能会看到编码工作量显著减少，但拉取请求数量却成比例增长。

为何生产力提升低于许多领导者的预期

• **编码并非主要瓶颈。**改进开发过程中的一小部分，对整体系统的推动作用有限。
• **自动化创造了新的瓶颈。**更快的代码生成会增加评审、质量保证和技术监督的压力。
• **社会摩擦减缓了采用速度。**怀疑态度、使用不一致以及不切实际的期望可能会限制AI工具的益处。
• **工具和技能缺口会随时间累积。**工程师既需要合适的工具，也需要有效使用它们的知识。
• **AI工具仍然缺乏上下文。**对业务逻辑和代码库细节的理解有限，会降低产出质量。

警惕虚假速度

• **更多的代码不一定意味着更多的业务价值。**团队可以增加拉取请求数量，但不一定能显著加速路线图交付。
• **质量和成本仍然是关键问题。**组织正在密切监控技术债务、Token消耗和长期可维护性。
• **更快的产出可能会带来延迟的后果。**AI生成代码的全部影响可能要到数月后才会显现。

最大的机遇在于编码之外

• **剩下的86%的工程工作才是下一个前沿。**领导者正在将AI应用于规划、文档、事件响应以及软件开发生命周期的其他部分。
• **自主代理可以增强人类能力。**组织不再仅仅试图加速开发人员，而是探索代理如何并行工作。
• **开发者体验仍然重要。**改善专注时间、文档和工作流摩擦可以放大AI的益处。

衡量框架正在演变

• **某些指标保持不变。**速度、质量和开发者体验仍然是关键信号。
• **加速和增强应分开衡量。**领导者需要区分人类生产力提升和代理自主完成的工作。
• **代理体验是一个新兴概念。**DX正在直接对AI代理进行调研，以了解它们的约束、瓶颈和有效性。

认知债务是一个新的关注点

• **AI可以在增加产出的同时减少理解。**开发人员可能更快地交付代码，但对其维护系统的心理模型却变得更弱。
• **短期效率可能带来长期成本。**理解能力的降低可能使未来的调试和维护更加困难。
• **长期影响仍不确定。**工程领导者才刚刚开始理解AI辅助开发对人类的影响。

(00:00 (https://www.youtube.com/watch?v=a2uiXFsvXm4)) 引言

(00:53 (https://www.youtube.com/watch?v=a2uiXFsvXm4&t=53s)) DX研究AI对工程速度影响的动机

(02:36 (https://www.youtube.com/watch?v=a2uiXFsvXm4&t=156s)) DX如何设计研究并选择公司

(04:54 (https://www.youtube.com/watch?v=a2uiXFsvXm4&t=294s)) DX的数据揭示了AI对工程吞吐量的影响

(06:31 (https://www.youtube.com/watch?v=a2uiXFsvXm4&t=391s)) 为何PR吞吐量是发布的最实用指标

(08:21 (https://www.youtube.com/watch?v=a2uiXFsvXm4&t=501s)) 为何AI生产力提升低于许多领导者的预期

(10:24 (https://www.youtube.com/watch?v=a2uiXFsvXm4&t=624s)) 全员文化如何放大AI生产力提升

(12:35 (https://www.youtube.com/watch?v=a2uiXFsvXm4&t=755s)) 为何难以追踪AI节省的时间去向

(15:04 (https://www.youtube.com/watch?v=a2uiXFsvXm4&t=904s)) AI驱动生产力提升的意外后果

(17:12 (https://www.youtube.com/watch?v=a2uiXFsvXm4&t=1032s)) 为何领导者应关注编码之外的软件开发生命周期

(19:43 (https://www.youtube.com/watch?v=a2uiXFsvXm4&t=1183s)) 认知债务与AI辅助开发的人力成本

(21:33 (https://www.youtube.com/watch?v=a2uiXFsvXm4&t=1293s)) DX的AI衡量框架如何演变

(24:42 (https://www.youtube.com/watch?v=a2uiXFsvXm4&t=1482s)) 如何让代理更有效

找到Brian Houck：

• LinkedIn：https://www.linkedin.com/in/brianhouck/

找到Abi Noda：

• LinkedIn：https://www.linkedin.com/in/abinoda

•DX Core 4 生产力框架 (https://getdx.com/corefour)

•DORA、SPACE和DevEx：应该使用哪个框架？(https://getdx.com/guide/dora-space-devex/)

•时间扭曲：AI驱动时代开发者理想与实际工作周之间的差距 - 微软 (https://www.microsoft.com/en-us/research/publication/time-warp-the-gap-between-developers-ideal-vs-actual-workweeks-in-an-ai-driven-era/)•研究 (https://www.microsoft.com/en-us/research/publication/time-warp-the-gap-between-developers-ideal-vs-actual-workweeks-in-an-ai-driven-era/)

•生成式和代理式AI如何将关注点从技术债务转向认知债务 (https://margaretstorey.com/blog/2026/02/09/cognitive-debt/)

•衡量AI代码助手和代理 (https://getdx.com/research/measuring-ai-code-assistants-and-agents/)