阻碍人工智能发展的三个软件开发挑战

阻碍人工智能发展的三个软件开发挑战

在AI实施的早期阶段解决文化和流程方面的问题，从而避免潜在的障碍，并更快地提高生产力。

译自 Three Software Development Challenges Slowing AI Progress，作者 Sabrina Farmer。

AI正成为软件开发中越来越重要的组成部分。然而，与实施任何新工具一样，潜在的成长烦恼可能会使向AI驱动的软件开发过渡变得更具挑战性。

AI有可能成为软件开发中一种极具变革性的工具，其优势包括更快的迭代周期、更少的漏洞以及更少的时间花在管理任务上——所有这些都允许组织以市场速度交付软件。为了实现这些生产力提升，组织必须考虑在添加AI驱动工具的同时进行流程和文化方面的特定更改。

最近的一项GitLab研究发现，25%的个人贡献者表示他们的组织没有提供足够的AI使用培训和资源。相比之下，只有15%的C级高管持相同看法——这突显了高管和团队对AI培训投资看法之间的差距。

这可能是因为一些组织仍然将AI视为开发人员的潜在替代品，而不是一种能够促进更有创意和更具战略意义的人本工作的工具。为了实现AI的承诺，组织必须在其对AI的投资中补充对培训和能够让团队随着时间推移建立动力和积极性的开发资源的投资。

组织应该给团队一个缓冲期来确定AI如何最好地适应其流程。最初，随着团队适应新的工作流程，生产力可能会下降，但通过测试AI如何最好地融入他们的日常工作流程，团队将建立对其新工具的信任并看到更好的结果。

一个容易被忽视的因素可能会降低开发人员体验并损害整体生产力，那就是工具链膨胀，或者在软件开发工作流程中拥有多个点解决方案。GitLab的研究发现，三分之二的DevSecOps专业人员希望整合他们的工具链，许多人提到在工具之间切换上下文对开发人员体验造成的负面影响。

工具链膨胀还有其他缺点，例如增加成本和复杂性，产生孤岛，并使跨团队标准化流程更具挑战性。它还会由于扩展攻击面和不必要的交接点而产生安全问题。AI驱动的点解决方案加剧了这些问题。

领导者可以在AI采用的这个关键时期采用一致的、战略性的最佳实践，而不是试图将AI集成到笨重且复杂的工具链中。在整合新的AI工具之前，组织应该评估其现有的工具链，以确定可以简化或消除不同工具的领域，以避免将过多的工具与AI解决方案集成的压力。

开发人员的生产力是高管最关心的问题。几乎所有（99%）接受调查的领导者都表示，衡量开发人员的生产力可以帮助业务增长，但45%的人并没有根据业务成果来衡量生产力。虽然衡量开发人员的生产力一直很困难，但AI加剧了这一挑战。

许多组织难以量化AI驱动工具对其开发人员生产力的影响，或准确衡量其结果如何反映现实世界的业务成果。传统的指标，如代码行数、代码提交或任务完成情况，在评估开发对企业底线的影响时是不够的。

使测量实践现代化的最佳方法是从整个软件开发生命周期中整合定量数据开始，并结合开发人员对AI如何支持或阻碍其日常工作的见解。

为了确定AI在软件开发中的有效性，组织应该根据用户采用率、上市时间、收入和客户满意度指标来评估投资回报率。需要监控的最相关的业务成果可能因公司、部门和项目而异。

人工智能有潜力加速和发展DevSecOps实践。组织可以通过解决AI实施早期阶段可能出现的文化和流程方面的问题，从而避免潜在的障碍，并获得更快的生产力提升。那些积极主动地减轻这些挑战的组织将最有可能利用AI的变革性优势。