生成式人工智能（AIGC）對(duì)于軟件開發(fā)人員的生產(chǎn)力有重要的潛力。但要成功利用它，需要將其視為不僅僅是代碼生成工具而已。

生成式人工智能（AIGC）可以徹底改變軟件開發(fā)。它具有驅(qū)動(dòng)軟件開發(fā)人員顯著提高生產(chǎn)力的能力，可以加快創(chuàng)新周期和上市時(shí)間。然而，如果將其狹窄地視為僅僅是代碼生成工具，其潛在影響可能會(huì)受到嚴(yán)重削弱。不幸的是，這種觀點(diǎn)并不少見；它建立在對(duì)AIGC和軟件開發(fā)實(shí)踐的誤解之上。

這意味著，對(duì)于愿意與軟件開發(fā)過程和技術(shù)團(tuán)隊(duì)的工作密切合作的業(yè)務(wù)和技術(shù)領(lǐng)導(dǎo)者來(lái)說(shuō)，這里存在真正的機(jī)會(huì)。通過承認(rèn)AIGC可以支持軟件開發(fā)人員以及不能支持的領(lǐng)域，他們可以成為第一個(gè)有效利用AIGC獲得真正競(jìng)爭(zhēng)優(yōu)勢(shì)的人，使軟件開發(fā)人員不僅工作更快，而且更智能。

AIGC可以在哪些方面增加價(jià)值？

毫無(wú)疑問，AIGC可以在整個(gè)軟件開發(fā)生命周期中增加顯著的價(jià)值。然而，要量化這個(gè)價(jià)值是異常困難的。事實(shí)上，量化AIGC的增值可能窄化AIGC的潛在影響。在Thoughtworks，我們認(rèn)為僅關(guān)注代碼生產(chǎn)力帶來(lái)的好處是逆向思維的；根據(jù)我們的經(jīng)驗(yàn)，我們主張將AIGC視為工具的一部分，與工作方式和正確的團(tuán)隊(duì)拓?fù)浣Y(jié)構(gòu)一起，可以推動(dòng)縮短上市時(shí)間、提高質(zhì)量，并持續(xù)維持團(tuán)隊(duì)士氣。這與最近的研究和媒體報(bào)道所采用的方法有所不同，它們將重點(diǎn)放在有限且相對(duì)簡(jiǎn)單的問題背景下測(cè)量編碼速度上，而幾乎忽略了AIGC在軟件開發(fā)過程其他部分的價(jià)值。

這些通常是軟件開發(fā)工作中復(fù)雜的部分，通常涉及摩擦或浪費(fèi)的點(diǎn)。雖然它們可能不容易被量化，但我們相信，這些部分可能正是使用AIGC最有影響力的地方。在過去幾個(gè)月中，Thoughtworks的一小組人一直在進(jìn)行一系列實(shí)驗(yàn)，探索AIGC工具（如ChatGPT和GitHub Copilot）在軟件開發(fā)生命周期中的潛力。我們看到的結(jié)果是令人鼓舞的，結(jié)果表明生產(chǎn)力可能增加10%-30%。不過需要注意的是，這種生產(chǎn)力的提升取決于三個(gè)因素：

開發(fā)體驗(yàn)：工程師需要知道要詢問什么，并且具備判斷AIGC輸出的能力，而不會(huì)影響質(zhì)量。

對(duì)AIGC的使用經(jīng)驗(yàn)：這些工具需要人類的輸入，這意味著用戶需要掌握知識(shí)和技能，不僅要編寫有效的提示，還要了解如何使用這些工具，并在它們只是分散注意力的情況下繼續(xù)前進(jìn)。

所處理問題的性質(zhì)：對(duì)于定義明確的問題，AIGC是有效的，但隨著問題的擴(kuò)大或復(fù)雜化，它很可能無(wú)法帶來(lái)生產(chǎn)力的提升。

在考慮了這些重要的注意事項(xiàng)之后，現(xiàn)在讓我們來(lái)看看AIGC如何為開發(fā)人員的工作增加價(jià)值。

降低重復(fù)性工作，為高價(jià)值任務(wù)創(chuàng)造更多時(shí)間

AIGC在模式匹配和模式合成方面表現(xiàn)出色，比如將一種語(yǔ)言翻譯成另一種語(yǔ)言。這種優(yōu)勢(shì)在軟件交付中最明顯的應(yīng)用是一種新型的代碼生成，其中AI將自然語(yǔ)言翻譯成代碼，或?qū)⒁环N類型的代碼轉(zhuǎn)換成另一種類型的代碼。但這也可以在其他領(lǐng)域中利用，比如將變更日志翻譯成發(fā)布描述，將代碼和團(tuán)隊(duì)聊天轉(zhuǎn)化為更連貫的文檔，或?qū)⒎墙Y(jié)構(gòu)化信息映射到更結(jié)構(gòu)化的格式和模板中。它甚至可以幫助團(tuán)隊(duì)生成測(cè)試和示例數(shù)據(jù)。

換句話說(shuō)，它可以消除一些耗時(shí)的任務(wù)，使開發(fā)人員有更多時(shí)間從事復(fù)雜的、增加價(jià)值的工作。它可以為我們進(jìn)行模式匹配；然后我們完善結(jié)果并完成“最后一英里”的工作。

更早更完整的思考

大語(yǔ)言模型（LLMs）有能力讓我們感到驚訝。這就是為什么人們常說(shuō)它們會(huì)“產(chǎn)生幻覺” - 也就是說(shuō)，產(chǎn)生一個(gè)具有誤導(dǎo)性或虛假性的輸出，似乎與其訓(xùn)練數(shù)據(jù)不符。雖然在某些使用情況下，這顯然會(huì)帶來(lái)風(fēng)險(xiǎn)，但它們能夠提供意想不到的東西，使它們成為極好的頭腦風(fēng)暴合作伙伴和創(chuàng)意工具。它們可以指出我們思考中的空白之處。

我們已經(jīng)看到在產(chǎn)品和策略創(chuàng)意方面取得了很好的結(jié)果，例如啟動(dòng)一個(gè)LLM來(lái)生成可以引發(fā)不同思維的場(chǎng)景。我們還使用LLMs作為辯論伙伴，以增強(qiáng)用戶故事和測(cè)試場(chǎng)景。例如，如果我們嘗試構(gòu)想給定應(yīng)用程序可能被使用的不同方式，LLMs可以幫助擴(kuò)展我們的思維，填補(bǔ)我們沒有考慮到的場(chǎng)景的空白。這樣做的好處是，通過更有效地捕捉需求，我們減少了以后的重復(fù)工作的需要 - 大大提高了開發(fā)過程的速度。

及時(shí)獲取信息

對(duì)于軟件開發(fā)人員來(lái)說(shuō)，最大的低效之一是尋找正確的信息。從在線搜索到內(nèi)部文檔，知道應(yīng)該去哪里找到所需的信息可能會(huì)增加很大的負(fù)擔(dān)。

AIGC提供了在大量非結(jié)構(gòu)化信息源上提供新類型的搜索功能的機(jī)會(huì)。這已經(jīng)在發(fā)生了：GitHub的Copilot CHAT（本文撰寫時(shí)為測(cè)試版）建立在Copilot現(xiàn)有的編碼輔助功能基礎(chǔ)上，為開發(fā)人員提供自然語(yǔ)言和上下文特定的支持。類似地，Atlassian Intelligence為用戶提供了一種瀏覽和搜索密集及非結(jié)構(gòu)化機(jī)構(gòu)信息的方式。當(dāng)然，AIGC系統(tǒng)必須得到適當(dāng)?shù)募桑⒃诒匾臄?shù)據(jù)上進(jìn)行訓(xùn)練，但是有效使用時(shí)，它們可以使軟件交付團(tuán)隊(duì)輕松獲取與當(dāng)前任務(wù)相關(guān)的信息。這也為組織提供了展示特別關(guān)鍵信息的新方式，比如提供工具來(lái)提醒用戶需要檢查的合規(guī)性或安全問題。

雖然不應(yīng)將AIGC聊天機(jī)器人視為深入和有來(lái)源研究的完全替代品 - 并且始終應(yīng)監(jiān)控其準(zhǔn)確性和“幻覺” - 但如果它們經(jīng)過訓(xùn)練以考慮用戶的上下文，它們?cè)跍p少摩擦和提高生產(chǎn)力方面會(huì)變得非常有效。

風(fēng)險(xiǎn)

AIGC的風(fēng)險(xiǎn)并不是秘密。在最近幾個(gè)月中，“幻覺”、偏見和隱私問題已經(jīng)被廣泛討論和辯論。在軟件開發(fā)生命周期的背景下，這些風(fēng)險(xiǎn)將因工程團(tuán)隊(duì)的能力、文化和目標(biāo)而表現(xiàn)出不同的形式。

例如，將AIGC工具引入一個(gè)經(jīng)驗(yàn)不足的開發(fā)團(tuán)隊(duì)有可能削弱而不是增強(qiáng)他們的效率和交付的軟件質(zhì)量。例如，當(dāng)面對(duì)AIGC生成的代碼不工作時(shí)，經(jīng)驗(yàn)不足的開發(fā)人員可能會(huì)不必要地致力于解決方案，結(jié)果花費(fèi)更多時(shí)間讓AI生成的代碼工作，而他們最好是閱讀相關(guān)文檔。

簡(jiǎn)而言之，考慮到出錯(cuò)和出現(xiàn)幻覺的可能性，必須始終謹(jǐn)慎對(duì)待產(chǎn)生的輸出。這在重復(fù)性至關(guān)重要時(shí)尤其如此：如果不付出足夠的關(guān)注，將AIGC應(yīng)用于不成熟的實(shí)踐可能會(huì)加劇和固化現(xiàn)有問題，而非解決這些問題。

展望未來(lái)：成熟的工程實(shí)踐的重要性

為了充分利用AIGC并發(fā)揮其潛力，組織應(yīng)該在軟件工程方面采用良好的實(shí)踐方法，包括持續(xù)集成/持續(xù)部署（CI/CD）和DevOps等。在AIGC時(shí)代，這些實(shí)踐比以往更重要，因?yàn)樗鼈兪箿y(cè)量和管理過程變得更容易。例如，如果你的工作流中包含交付指標(biāo)，確定AIGC的影響以及可能出現(xiàn)的挑戰(zhàn)，可以迅速予以解決。

這些實(shí)踐可以通過有效的AI操作模型進(jìn)一步支持。這是一個(gè)戰(zhàn)略計(jì)劃，闡明了人工智能在組織中的使用方式，并在必要時(shí)提供指導(dǎo)和治理。好處是，它可以確保組織在快速變化的步伐中始終忠于其戰(zhàn)略目標(biāo)、文化和現(xiàn)有流程。無(wú)論是指導(dǎo)工具決策還是賦予團(tuán)隊(duì)?wèi)?yīng)對(duì)不斷變化的監(jiān)管要求的能力，一個(gè)健全的操作模型可以幫助更好地跟上這些發(fā)展并相應(yīng)地進(jìn)行調(diào)整。

這并不意味著組織在AIGC方面需要采取自上而下的方法。更重要的是建立反饋循環(huán)，確保基層工作和戰(zhàn)略決策之間的認(rèn)識(shí)和協(xié)調(diào)。在技術(shù)快速變化的時(shí)期，這些反饋循環(huán)對(duì)組織的成功至關(guān)重要；市場(chǎng)上正在發(fā)生的事情可能很誘人，但這些反饋循環(huán)可以幫助領(lǐng)導(dǎo)團(tuán)隊(duì)，確保他們的決策始終受到組織內(nèi)部發(fā)生的事情的啟發(fā)和緊密聯(lián)系。

這并不意味著要避免在市場(chǎng)方面保持警惕，而是要認(rèn)識(shí)到真正重要的是組織的能力和意愿——充分授權(quán)開發(fā)團(tuán)隊(duì)。作為領(lǐng)導(dǎo)者，我們需要支持他們通過好奇心和現(xiàn)有專業(yè)知識(shí)來(lái)推動(dòng)他們自己的生產(chǎn)力。