Google Cloud在十月下旬公布了2024年度的DORA研究報告,除了持續公布全球DevOps能力指標的最新結果,卓越團隊(Elite)達到19%,比去年略高了1%。但是高階團隊的比例,從去年的31%,今年下滑到只有22%。還公布了AI對開發生產力的調查數據,高達75.9%開發者開始用AI寫程式碼,但只有3成開發者認為很有幫助。

今年是Google旗下DevOps研究與評估組織(簡稱DORA組織)連續第十年,進行全球DevOps能力的大調查,累計近3萬9千人參加,其中,今年全球共有近3千人參與調查,來自104國,包括臺灣開發者。

在今年DORA調查中,除了DevOps軟體交付績效指標的調查之外,今年更增加了不少AI對開發者生產力影響的調查題目。DORA調查去年就開始增加了開發者對AI影響力的態度研究,主要調查開發者預期,GAI對哪些技術工作最有幫助。到了今年,DORA調查更直接詢問,開發者在日常工作中如何採用AI技術,以及對開發生產力有多大的成效。

DORA四大軟體交付指標最新結果,全球19%企業達到卓越團隊水準

先來看DORA四大軟體交付指標的最新調查結果,這四大指標包括了平均部署頻率、更新準備時間、平均復原時間和變更失敗率。DORA組織利用分群演算法,將參與作答的開發者,針對這四項指標的表現,分為四種DevOps能力等級的團隊,分為卓越、高階、中階到低階團隊共四級,並歸納出每一級能力水準的團隊,在DORA四項指標上的要求程度。這也成了各界用來衡量全球企業DevOps能力的分級指標。

今年同樣也分為四個等級,達到卓越等級的作答者達到19%,比去年的18%,些微增加了一些。達到卓越等級的團隊,在四項指標上,可以做到按需部署的部署頻率,變更準備時間不能超過一天,變更失敗率則要低於5%,部署作業失敗後的復原時間則是能短於1小時。這個能力水準和去年的要求一樣。

但是,今年達到高階團隊等級的比例大幅下滑,從去年的31%,今年下滑到只有22%,幾乎少了快一成。今年的中階團隊比例則些微增加,從去年的33%,今年增加到35%,而今年低階團隊水準的作答者更提高到25%,遠高於去年的17%。

去年高階團隊的四項指標要求是,部署頻率介於每天一次到每周一次,更新準備時間同樣是一天到一周內,部署失敗的平均復原時間則要在一天內,變更失敗率得低於10%。但是,今年DORA報告對於高階團隊的變更失敗率要求,放寬到20%。

DORA組織在報告中解釋,他們認為,速度快但品質穩定性稍差的團隊,和速度慢卻品質穩定的團隊相比,前者可以視為績效更好的團隊,他們更看重「團隊速度」的價值。所以,今年的高階團隊,雖然變更失敗率達到20%,遠比中階團隊的10%還要來得差。但其他準備時間,部署頻率,復原時間,高階團隊都比中階團隊的表現更快。

揭露AI對開發生產力的影響數據,7成5開發者的日常工作開始用AI

今年DORA調查和過去最大的不同是,今年DORA報告花了很大的篇幅,介紹和探討AI對開發生產力的數據和影響。從今年調查中,高達81%企業開始把AI帶進自家應用和服務中,其中49.2%企業更大大提高了AI應用的優先程度。

不只如此,在開發者的日常工作中,高達75.9%的填答者至少有一件工作開始用AI。最常用AI的開發日常工作排名中,程式碼撰寫是第一名,高達74.9%開發者已經用AI來輔助開發,排名第二的靠AI摘要資訊的比例也高達71.2%,這是開發者最常見的兩種GAI用法。

用AI來解釋陌生程式碼、優化程式碼和轉寫程式碼文件這三項的比例也高達6成左右。另外還有三項比例超過5成,但略低於6成的則是用AI來撰寫測試、除錯和資料分析。上述8項是過半數開發者日常慣用AI來輔助的項目,每兩位開發者,至少有一位會用AI來輔助。

這些工作所用的AI也大多是各種生成式AI工具和服務。開發者最常用GAI互動介面是Chatbot(78.2%),其次是透過外部網頁介面(73.9%),另外也有72.9%開發者是使用IDE工具中的內建GAI工具。另外,也有半數開發者是在自動化CI/CD流程中使用到AI。

對開發生產力提升效果不如預期,僅1成開發者認為明顯提升,也有5%開發者認為有負面影響

雖然,大多數開發者在日常工作中開始運用AI,但在今年初舉辦的這項DORA調查結果顯示,實際帶來的開發生產力提升,卻不如預期得高。只有1成開發者認為,明顯可以提升生產力,25%則認為效果中等,另外也有2成開發者認為沒有效果。甚至有,不到5%的開發者認為,AI不但沒有幫助,還帶來負面影響,削弱了原本的生產力。

從職務角色來看,資料科學家和ML工程師比其他角色更愛用AI,而硬體工程師則是最不愛用的技術職。AI對開發生產力提升效果顯著的職務,包括了資安類工程師、系統管理和全端工程師(Full-Stack)。自認對開發生產力提升效果較差的職務,則包括了行動開發者、SRE工程師和專案管理。

對於AI生成的程式碼品質可用程度上,開發者多數認為只有部分可用,3成開發者覺得多數程式碼的品質夠好,27.3%則認為品質偏低,更有11.9%開發者認為完全不可相信GAI產生的程式碼。對於程式碼品質的看法,取決於不同的用途而會有很大的落差。

DORA組織也透過訪談開發者,來了解對AI生成程式碼品質落差很大的情況。多數受訪者預期自己還需要對AI生成的程式碼進行調整,也願意做這些調整。也有受訪者形容,目前AI生成的程式碼大約相當於早期的StackOverflow,還需要修改。

若全面導入AI,文件品質提升3成,程式碼品質提高1成,但也增加技術債和複雜度

除了開發者AI採用調查,DORA組織還進行了AI採用成效的推估分析,DORA預估,若開發者將四分之一的工作量開始導入AI後,對文件品質、程式碼品質、程式碼審查(Review)速度會有比較明顯的提升,例如,DORA組織預估,開發者每將AI導入到25%的工作量,預估可以提高文件品質7.5%,程式碼品質改善3.4%,審查速度加快1.3%,換句話說,若開發者100%的工作量都採用AI,效果以翻四倍來計算,可以提高30%文件品質,提高13.4%程式碼品質,加快5.2%的審查速度。

但是也伴隨著會帶來一些程式碼複雜度提高和技術債增加的負面影響。另外,導入AI對於軟體交付品質和速度也會造成一些負面影響,DORA預估,每25%工作量導入AI,會延緩交付速度1.5%,讓交付穩定性下滑7.2%,換句話說,若100%導入AI,交互速度會延緩6%,而穩定性則會下滑約3成。這是DORA依據今年調查數據推算的預估影響。

DORA更從整體成效角度,來看導入AI後,對企業整體、開發團隊和軟體產品的整體效果,在報告中推估,對企業和團隊成效比較有明顯的幫助(100%導入開發工作上,可帶來5~10%的提升效果),但是,DORA結合了使用性、可用性、功能性、價值和效能和資安角度來整體衡量下,導入AI對於軟體產品的成效提升成效還不明顯。

整體來說,根據這次調查,能夠信任或非常信任AI生成的程式碼的工程師只有2成多,這也反映出多數開發者仍然抱持的謹慎甚至是懷疑的態度來看待生成的程式碼。 DORA研究指出,使用GenAI工具,讓開發者感覺工作可以更有效率,而越信賴GenAI的開發者也會用得越多。對開者者個人感受而言,自己的工作量每25%採用AI,在自己的工作流程,職務滿意度和生產力都會增加2~2.6%,也就是全面用AI來輔助工作的話,可提高約8~10%的正面影響。

但是,對於投入更高價值的工作這一點,卻是帶來負面影響,若開發者全面採用現有的AI技術和工具,反而會減少約1成可用來投入高價值工作的時間,這一點與目前許多人對GAI工具的期待,有較大的落差。

DORA報告強調,採用AI明顯成為熱潮,但也明確會帶來一些潛在課題,成長代價甚至是負面影響,也不容易大規模導入,因此,企業主管反而必須更明確訂出AI導入優先順序,找出最適合自家員工的場景。

因此,DORA組織提出了三項企業現在導入AI的建議,第一是要定義出清楚的AI任務和政策,才能強化組織和團隊。第二則要建立持續學習AI和實驗精神的文化,例如先在沙盒環境中動手嘗試AI。最後一項則是提醒企業,必須得找出AI對自家競爭優勢的影響,不見得都是加分的正面影響,要意識到也可能帶來削弱,例如從調查中可以看到,採用GAI之後,反而會減少員工投入高價值工作的時間,或者對軟體交付穩定性帶來負面影響。

 

熱門新聞

Advertisement