理应资讯
软件研发智能化

DORA 负责人 Nathen Harvey:AI 是放大器,研发组织要先补齐七项能力

理应编辑室 ·

InfoQ 发布 Google Cloud DORA 团队负责人 Nathen Harvey 的 QCon London 演讲:2025 年调研中约九成受访者在工作中使用 AI,但交付不稳定性随之上升,组织能力决定 AI 收益。

InfoQ 10 月 21 日发布了 Google Cloud DORA 团队负责人 Nathen Harvey 在 QCon London 上的演讲《AI is an Amplifier: Scale High Performance, Not Dysfunction》。DORA 是一个持续十余年的软件交付研究项目,演讲主要引用其 2025 年调研:问卷于 2025 年 6 月 13 日至 7 月 21 日进行,受访者接近 5000 人,并辅以定性访谈。

调研中约 90% 的受访者表示在工作中使用 AI,一个工作日内与 AI 交互时间的中位数为 2 小时。多数人认为 AI 提升了个人效率和代码质量,但约 30% 的受访者对 AI 生成内容“只有一点信任或完全不信任”。在 DORA 的模型模拟中,提高 AI 采用度后,个人效能、团队表现、交付吞吐等多项指标改善,但“软件交付不稳定性”也随之上升,倦怠和摩擦几乎没有变化。

Harvey 的核心结论是:AI 在软件研发中扮演“放大器”,最大的回报来自对底层组织系统的投入;缺少这个基础,AI 带来的局部提效往往被下游的混乱抵消。DORA 据此提出 AI 能力模型,列出与 AI 采用结合后能改善结果的七项能力:

flowchart LR
  A[AI 采用] --> O[组织与团队成果]
  C1[清晰且传达到位的 AI 使用立场] --> O
  C2[健康的数据生态] --> O
  C3[AI 可访问的内部数据] --> O
  C4[扎实的版本控制实践] --> O
  C5[小批量交付] --> O
  C6[以用户为中心] --> O
  C7[高质量内部平台] --> O

他特别提到,用 AI 生成代码的行数衡量成效没有意义;版本控制和小批量交付这类“与 AI 无关”的老实践,恰恰决定了 AI 改动能否被安全回滚。他还提出一个有争议的观点:代码评审正在成为新瓶颈,与其把大量工程精力投入异步评审,不如投入更好的护栏、测试和对需求意图的理解。

需要注意,演讲引用的是 2025 年年中的调研数据,Harvey 本人也提醒,各组织应把 DORA 的结论当作假设,在自己的团队里验证。

# DORA# AI 辅助开发# 软件交付# 研发效能# QCon