编辑 | 言征
出品 | 51CTO技术栈（微信号：blog51cto）
近日，总部位于纽约的管理咨询公司 Zinnov 和数据工程和生命周期公司Ness Digital engineering 联合发起了一项题为“利用生成式人工智能（GenAI）的力量转变软件工程生产力”的研究调查。
虽然“GenAI 可以提高生产力”不是什么新鲜事，但该项研究不同的是，衡量了在工程层面部署 GenAI 所带来的实际生产力提升。它的框架独特，可以帮助首席技术官、首席信息官和首席产品官了解工程生产力的技术和心理驱动因素以及对业务和组织设计的长期影响。
该研究利用 Ness 的专有平台 Matrix 收集数据，吸引了 100 多名软件工程师参与，涉及用例和开发设置，并对工程师在现场工程环境中的实际经验进行了深入分析。这是在14个冲刺周期中进行的，团队评估了在部署生成式AI之前和之后的冲刺周期。
1、关键发现
“我们从中发现了多个收获。我们看到，生产力的提升与任务的复杂性和工程师的经验相符。将生成式AI集成到工程工作流任务中，使得完成任务所需的时间显著减少了38%，而在高级工程师中，任务完成时间的减少更是高达48%，”Zinnov的总经理Sidhant Rastogi在接受采访时表示，随着工程师对生成式AI的熟悉程度增加，效率会进一步提高。
研究表明，生成式人工智能的实施不仅可以提高生产力，还可以提供深度辅助环境，使公司能够顺利地实现全球化工作。这不仅意味着更好的业务成果，而且意味着彻底转变的组织设计。其他出现的重要观察结果包括：
● 现有代码更新的任务完成时间减少 70%：工程师在利用现有代码库功能时得到了立竿见影的效果，从而缩短了开发周期时间。
● 高级工程师的任务完成时间减少了 48%：高级工程师见证了任务完成时间的缩短，并发现自己可以利用时间来更好地规划和协助初级工程师。
● 高代码复杂性任务减少约 10%：生成式 AI 使工程师能够以更高的效率导航复杂的编码场景，从而有助于更快、更准确地解决问题。
● 敬业度提高 70%：通过简化任务并营造更具协作性和动态的工作环境，生成式 AI 在创造积极且充实的专业体验方面发挥着关键作用。
这种转变对传统的组织结构提出了挑战，因为它更多地关注专业知识和效率，这些知识和效率将由技术协助，但由人控制和决定。这将意味着一种新型的劳动力——领域专业知识和解决问题的能力将主导技术技能。
“生成式AI对软件开发中的常规维护任务产生了重大影响，包括旧代码的维护和更新，以及自动化任务，如从现有代码中生成测试用例，确保与不断发展的软件架构保持一致，减少回归错误并确保质量保证。它还促进了全球协作，打破了知识壁垒，并创建了一个协调一致的产品开发环境，从而提高了决策和员工参与度，”Ness Digital Engineering的IE实践全球负责人Vikas Basra采访时表示。
2、GenAI对于开发，不止是代码生成工具
Ness Digital Engineering 首席执行官 Ranjit Tinaikar 认为：“GenAI 已准备好通过大幅提高生产力和加快创新周期来改变软件开发格局，最终加快产品上市时间。
然而，如果狭隘地将其视为纯粹的代码生成工具，那么它的潜力可能会受到阻碍，这是软件开发领域普遍存在的误解。为了充分利用 GenAI 的力量，我们与 Zinnov 合作，了解 GenAI 对软件开发的影响及其细微差别。
该研究可作为 GenAI 对产品开发流程、组织结构、员工敬业度、学习和发展影响的指南。”
Zinnov 首席执行官 Pari Natarajan 在谈到这项研究时表示：“生成式 AI 现在已集成到许多组织的软件工程工作流程中，有助于完成生成测试用例、重构代码和识别创新机会等任务。
这项研究证实了这样的观点：生成式人工智能补充而不是规定工作流程，促进无摩擦的知识共享并释放全球化的真正价值。这使得首席技术官和首席信息官对在全球范围内布局开发团队的信心大增。
此外，生成式人工智能的广泛使用提高了员工士气，超过了生产力的提高。然而值得注意的是，生成式人工智能的潜力巨大，但其局限性主要源于硬件成本、能源消耗和监管限制。”
