AI 的矛盾:促进软件开发,也在阻碍软件开发

新闻

作者：微信文章

导读：生成式人工智能可以编写大量代码，但它对开发者生产力的整体影响越来越复杂。

生成式人工智能可以编写大量代码，但它对开发者生产力的整体影响越来越复杂。

根据Atlassian DX、Google、LaunchDarkly 等多家公司的数据研究表明，不同企业之间的差异越来越大，而那些在人工智能工具出现之前就已存在的、众所周知的实现高性能的因素，在现今依然适用。

今年早些时候，谷歌的Google DORA（DevOps 研究与评估）的、一份报告发现，采用 GenAI 后代码质量略有提高，平均提高了 2.6%，但变更失败率仅提高了 0.11%，变更失败率是指由于某个功能破坏了某些东西而必须回滚的频率。

Atlassian DX（一家被 Atlassian 收购的开发者智能平台，目标在帮助评估开发者的生产力）的副首席执行官贾斯汀·雷奥克（Justin Reock）在上周的 AWS re:Invent 大会上展示了从今年 10 月中旬以来，来自 400 家Atlassian DX 客户的超过 135,000 名开发者的匿名汇总数据。



根据 Atlassian DX 的汇总数据来看，人工智能对于代码变更信心的影响，在不同公司之间亦存在着巨大差异。

雷奥克认为，这项研究具有一定误导性，因为它计算出的平均值掩盖了不同公司之间巨大的差异。换句话说，有些公司的表现远胜于其他公司，变革信心提升了20%甚至更多，而另一些公司的表现则比较差，遭受了严重的负面影响。

人工智能成功的关键在于“在软件开发生命周期（SDLC）方面投入大量精力，并确保代码规范到位”——而这些因素与人工智能编程出现之前就已存在的因素相同。他说道，人工智能“或许最终能让企业团结起来，共同关注那些我们本应在多年前就为开发者做的事情”。

类似的波动也适用于代码的可维护性，平均 2% 的增益掩盖了这样一个事实：一些团队使用 AI 实现了更好的可维护性，而另一些团队则实现了更差的可维护性。

根据Atlassian DX 的指标，仅使用 AI 代码补全功能就能为开发者每周节省约 3.8 小时：这比表面看起来更显著，因为大多数开发者编写代码的时间只占其工作时间的一小部分。

不过雷奥克指出，与“与代码生成无关”的痛点相比，AI 节省的时间仍然微不足道，例如会议密集、频繁被打断、构建时间、代码审查等待时间以及其他因素。



DX的研究数据显示，技术堆栈跟踪分析（Stack trace analysis）是 AI 辅助的首要应用场景。

雷奥克在其人工智能辅助工程指南的研究结果，提出了人工智能辅助代码的十大用例，其中排名第一的用例是技术堆栈跟踪分析。

根据 DX 的数据，AI 用户提交的拉取请求（代码更改）比普通用户多 60%，但这一统计数据可能是积极的，也可能是消极的，这取决于这些代码更改是否有价值，还是浪费时间的 AI 垃圾代码。

LaunchDarkly最近也发布一份报告，这是一份基于对767名工程师和DevOps负责人的调查，发现94%的受访者表示人工智能加速了编码速度，但91%的受访者对将人工智能生成的代码部署到生产环境缺乏信任。

81%的团队在发布代码时存在未解决的风险，他们表示这是由于按时交付新功能的压力所致，并最终导致了生产型事故。

DX 发现的另一个趋势是，初级开发人员使用 AI 的频率最高，日使用率为 41.3%，而高级工程师的日使用率为 32.7%；然而，资深开发人员节省的时间更多，雷奥克将此归于他们更高的效率和判断代码编写质量的能力。



根据DX的图表数据显示，COBOL开发人员从人工智能中获得的收益低于使用现代语言的开发人员。

是的，开发者所使用的编程语言会产生不同影响。

Go 语言开发者每周使用 AI 可以节省 4 小时，而 COBOL 程序员只能节省 2 小时。
雷奥克表示道，这是因为 AI 在“现代语言”上的表现更好。
他还表示说，当企业首次采用人工智能进行软件开发时，会经历一个J型曲线，即初期生产力和质量会下降，但随着采用率的提高，后期会有所改善。

评估人工智能的影响变得复杂，因为越来越多的非开发人员或偶尔从事开发工作的人员，例如设计师和工程经理，也因为人工智能而提交代码——这些代码不一定是生产代码，而是诸如工作原型之类的东西。

“我们必须重新思考谁才是开发人员，”雷奥克认为这是一件好事，因为能够为项目贡献代码的人会更能理解核心团队的需求。

另一个问题是，人工智能是否会阻碍开发者的学习。因为程序员们只是简单地接受人工智能生成的代码而不去理解它。雷奥克表示，这是一种选择。那些想要成为更优秀开发者的人会花时间研究代码，了解它的功能；而那些不想成为更优秀开发者的人则会跳过这一步，就像过去直接从 Stack Overflow 复制粘贴代码一样。

营造一个鼓励心流状态，并最大限度减少上下文切换的开发环境，对提高生产力有着巨大的影响，甚至超过了人工智能的影响。“人工智能在很多方面都很出色，但它并非万能灵药，”雷奥克这样说道。

那么影响生产力的最重要因素是什么？雷奥克认为，这个因素与人工智能编程出现之前一样，都是团队内部的心理安全感。

看来，"安全感"比以往任何时候都更加重要。

作者：场长

微软最大亚洲投资计划：向印豪掷175亿美元，兴建AI数据中心

AI 正在重新定义软件开发

袁征：人工智能将缩短我们的工作周