2025 年 DORA 報告：AI 正在放大軟件工程效能

作者 | Craig Risi

譯者 | 明知山

AI 正迅速重塑軟件的構建方式，但帶來的影響遠比許多組織預想的更為微妙。2025 年 DevOps 研究與評估（DORA）報告 《AI 輔助軟件開發現狀》 指出，AI 并不能自動提升軟件交付效能。相反，AI 更像是現有工程能力的放大器，它在強化高績效團隊的同時也暴露出流程碎片化、開發體系架構不合理等組織短板。

該報告基于近 5000 名技術專業人士的調研反饋與超過 100 小時的定性訪談。其核心結論十分明確：AI 在軟件工程中的成功較少取決于工具本身的復雜程度，而更多取決于組織體系是否完善。工程文化、平臺能力、開發流程與內部知識體系最終決定了 AI 是提升效率與交付質量，還是僅僅加劇了問題與復雜度。

報告中最引人注目的發現之一是 AI 工具已快速融入開發人員的日常工作流程。約 90% 的開發人員表示，自己在工作中使用了某種形式的 AI 輔助；約三分之二的人在編寫代碼、生成文檔、調試問題或學習陌生框架等任務中對這類工具高度依賴。許多開發人員還反饋了可量化的效率提升，相當一部分人認為，AI 幫助他們更快解決問題、更高效地編寫代碼。

報告強調，盡管帶來了這些收益，生產力與信任之間的矛盾依然存在。開發人員雖頻繁借助 AI 加速開發任務，但仍有不少人對 AI 生成代碼的準確性與可靠性持謹慎態度。這種顧慮背后是對代碼可維護性、正確性及系統長期穩定性的普遍擔憂。在實際應用中，AI 往往能提升代碼產出的數量與速度，但若缺乏規范的工程紀律，這些優勢未必能轉化為更優的軟件交付效能。

這種態勢也引出了報告中最重要的結論之一：AI 會放大其所處工程系統本身的質量問題。擁有成熟 DevOps 實踐、清晰的開發流程與強大平臺能力的組織更有可能將 AI 帶來的生產力提升轉化為可量化的交付性能改進。反之，工具碎片化、流程不明確、開發實踐不統一的組織則可能出現相反效果。在這類環境中，AI 反而會加速技術債的累積、提高代碼審查復雜度，并給本就脆弱的系統帶來更多不穩定性。

為幫助組織順利將 AI 集成到開發環境中，報告提出了 DORA AI 能力模型。該框架并不聚焦于特定工具或技術，而是提煉出一系列能讓 AI 真正創造價值的組織能力。

第一項能力是為 AI 應用建立清晰的組織戰略。在 AI 應用上取得成功的組織往往會制定明確的政策與指南，規范 AI 工具的使用、治理方式以及與工程流程的集成。這種清晰的定位有助于團隊一致地采用 AI，同時降低無序試驗帶來的相關風險。

另一項關鍵能力是擁有健全的數據生態系統。AI 工具高度依賴獲取可靠、結構清晰的信息，尤其是內部文檔、架構知識和歷史開發數據。若這些信息分散或維護不佳，AI 工具便難以提供有價值的輔助。

與此密切相關的是內部知識的可獲取性。那些維護著高質量文檔、可檢索知識庫與結構化內部數據的組織能讓 AI 系統成為開發人員更高效的助手。在這類環境中，AI 工具可提供符合組織架構、編碼規范與運維實踐的上下文建議。

報告同時強調，基礎工程實踐依然至關重要。成熟的版本控制流程、規范的代碼審查機制與統一的開發標準是 AI 有效輔助工程的基石。AI 依賴這些實踐，而非取代它們。缺少這些支撐，開發速度的提升很可能會帶來運營風險。

以用戶為中心的開發是與 AI 成功應用高度相關的另一項要素。始終聚焦用戶價值（而非單純技術產出）的團隊往往能更高效地將 AI 融入工作流程。這種導向能確保 AI 加速交付有價值的功能，而不只是提升代碼產量。

平臺工程也成為關鍵推動因素。具備標準化開發環境、部署管道與基礎設施服務的內部平臺能讓 AI 工具在統一、可預期的生態系統中運行。這種一致性讓開發人員更易將 AI 建議融入工作流程，同時避免引入額外復雜度與運營風險。

最后，報告也強調了小批量工作的重要性。更小、增量式的變更能夠提升代碼審查質量、降低部署風險，也更易于維護系統穩定性。當 AI 工具生成大型或復雜的代碼變更時，這些實踐對于把控開發過程就顯得尤為重要。

報告還強調，在 AI 輔助開發時代，平臺團隊的重要性日益凸顯。那些在平臺工程能力上進行投入的組織——包括共享工具、標準化環境以及清晰定義的研發流程——在引入 AI 工具時通常能取得明顯更好的效果。平臺為 AI 在團隊間規模化落地提供了結構化基礎，同時保障了一致性與可靠性。

若沒有這種基礎，AI 的應用反而會帶來新的復雜性。開發人員可能會生成更大的拉取請求、引入不統一的編碼風格，或采用與現有架構規范不符的 AI 建議。長此以往，這些問題會拖慢交付效率，提升運營風險。

報告還探討了 AI 對系統穩定性的潛在影響。盡管 AI 顯著提升了開發效率，但也可能助長快速實驗與更大規模的代碼變更。若管理不當，這種模式會增加缺陷、部署失敗與運行不穩定的風險。因此，引入 AI 的組織更應強化而非放松工程紀律。

除 AI 落地的技術層面外，報告還高度重視工程體系中的人文與文化維度。成功落地 AI 的團隊往往會在開發人員、平臺團隊與安全專家之間建立高效協作。他們通過培訓幫助開發者掌握 AI 的有效用法，并搭建實踐社區，讓工程師能夠分享經驗與最佳實踐。

相比之下，任由 AI 僅通過基層自發實驗來落地的組織往往難以規模化放大收益。個別團隊或許能實現生產力提升，但這些改進會始終處于孤立狀態，無法轉化為更廣泛的組織績效。

報告指出，高績效工程組織的未來不僅取決于 DevOps 成熟度，更取決于 AI 輔助流程、平臺工程與優質開發者體驗實踐的深度融合。這些要素共同構成了新一代工程體系的基礎，用以支撐人與機器的協同工作。

對技術管理者而言，這份報告傳遞的信息既鼓舞人心，又頗具警示意義。AI 有望顯著加速軟件開發、提升開發者體驗，但這些效益并非自動實現。組織必須先筑牢工程基礎，投入平臺能力建設，并培育支持有序試驗的工程文化。

報告的核心觀點簡潔而有力：AI 無法修復存在缺陷的工程系統，但對于已夯實基礎的組織而言，它有望成為工程效能最強大的加速器之一。

查看英文原文：

https://www.infoq.com/news/2026/03/ai-dora-report/

聲明：本文為 InfoQ 翻譯，未經許可禁止轉載。