GenAI提升工程生产力的研究有何新发现？

AI

GenAI能够提升生产力并非新鲜话题，但此项研究的独特之处在于，它衡量了在工程层面部署GenAI时实际生产力的提升情况。其框架别具一格，有助于首席技术官、首席信息官和首席产品官理解工程生产力在技术与心理方面的驱动因素，以及这对业务和组织设计的长远影响。该研究借助Ness的专有平台Matrix收集数据，吸引了100多位软件工程师参与其中，涵盖多种用例与开发设置，还深入剖析了工程师在实际工程现场环境中的经验。这一研究是在14个冲刺周期内开展的，团队对部署生成式AI之前和之后的冲刺周期都进行了评估。我们有诸多收获。我们发现生产力的提升与任务的复杂性以及工程师的经验相匹配。将生成式AI融入工程工作流任务后，完成任务所需的时间大幅减少了38%，在高级工程师中，任务完成时间的减少幅度更是高达48%。Zinnov的总经理Sidhant Rastogi在接受采访时称，随着工程师对生成式AI的熟悉程度不断加深，效率还会进一步提升。研究显示，实施生成式人工智能不但能够提高生产力，还能营造深度辅助的环境，让公司能够顺利开展全球化工作。这不仅代表着更好的业务成果，更意味着组织设计的彻底变革。其他一些重要的观察结果如下：一是现有代码更新任务的完成时间减少了70%：工程师在利用现有代码库功能时能够迅速取得成效，从而缩短了开发周期。二是高级工程师的任务完成时间减少了48%：高级工程师的任务完成时间得以缩短，并且能够利用节省下来的时间更好地规划工作并协助初级工程师。三是高代码复杂性任务减少了约10%：生成式AI使工程师能够更高效地应对复杂的编码场景，有助于更快更精准地解决问题。四是敬业度提高了70%：通过简化任务并营造更具协作性和动态性的工作环境，生成式AI在创造积极且充实的专业体验方面起到了关键作用。这种转变对传统的组织结构构成了挑战，因为它更注重专业知识和效率，这些由技术辅助，但由人来掌控和决定。这将催生一种新型的劳动力，领域专业知识和解决问题的能力将在其中主导技术技能。在当今科技迅速发展的时代，GenAI在工程领域的应用正逐渐改变着生产力的格局。以往，虽然人们知道GenAI对生产力有积极影响，但多是理论层面的认知，缺乏在工程实际部署中的量化研究。而此次研究恰恰填补了这一空白。从数据收集的角度看，Ness的Matrix平台发挥了重要作用。它能够汇聚众多软件工程师的数据，这些工程师来自不同的项目，有着各种各样的用例和开发设置。这就如同一个巨大的信息宝库，为深入研究提供了丰富的素材。14个冲刺周期的评估是一个长期且全面的过程。在部署GenAI之前的冲刺周期，是一个基准的设定，让研究人员能够清楚地知道初始状态。而部署之后的冲刺周期则是观察变化的关键阶段。通过对比前后的差异，才能准确地衡量出GenAI对工程生产力各个方面的影响。Sidhant Rastogi提到的生产力提升与任务复杂性和工程师经验相符这一观点很有意义。任务的复杂性不同，GenAI发挥的作用也会有所差异。对于简单任务，GenAI可能只是起到辅助优化的作用；而对于复杂任务，GenAI或许能够提供全新的思路和解决方案。工程师的经验同样是一个重要因素。经验丰富的高级工程师能够更好地利用GenAI的优势，他们在长期的工作中积累了对各种问题的深刻理解，能够更精准地引导GenAI为自己的工作服务。而随着对GenAI熟悉程度的增加，无论是高级工程师还是其他工程师，效率都会进一步提升。这就像是一个良性循环，使用得越多，越能发现GenAI的价值，从而更加高效地工作。在业务成果和组织设计方面，GenAI的影响是深远的。从业务成果来看，生产力的提高直接意味着项目能够更快更好地完成，成本可能会降低，产品的竞争力会增强。而组织设计方面的彻底转变则是一种深层次的变革。传统的组织设计往往是基于既定的工作流程和人员技能结构。但GenAI的出现打乱了这种传统格局。以现有代码更新任务完成时间减少70%为例，这不仅仅是一个数字的变化。在传统的开发模式中，更新现有代码可能需要耗费大量的时间在查找功能、调试等环节。而GenAI能够快速定位问题并提供解决方案，这就大大缩短了开发周期。这对于企业来说，可以更快地响应市场需求，推出新的功能或者修复漏洞。高级工程师任务完成时间的减少也是一个重要的变化。他们在软件开发中往往承担着更多的规划和指导工作。任务完成时间减少后，他们就有更多的精力去关注初级工程师的成长，将自己的经验传授给他们，从而提升整个团队的技术水平。高代码复杂性任务的减少反映了GenAI在处理复杂问题上的能力。在软件开发中，复杂的代码往往是最难攻克的部分。GenAI能够帮助工程师更高效地在复杂的编码场景中导航，这就如同在迷宫中给工程师提供了一张地图，让他们能够更快更准确地找到出口。敬业度提高70%更是一个不可忽视的现象。在传统的工作环境中，工程师可能会面临繁琐的任务、紧张的工期等压力。GenAI简化了任务，并且营造了更具协作性和动态性的工作环境。工程师不再是独自面对复杂的任务，而是可以借助GenAI以及更加协作的团队氛围，获得更好的工作体验。这种由GenAI带来的转变对传统组织结构的挑战是全方位的。传统组织结构注重的是人员的技术技能，按照技术能力来分配工作和构建层级。但现在，随着GenAI的应用，领域专业知识和解决问题的能力变得更加重要。这意味着企业在选拔人才、构建团队和规划职业发展路径时，都需要重新思考。未来的劳动力将不再仅仅依靠技术技能，而是要将领域专业知识、解决问题的能力与技术技能相结合，形成一种全新的能力体系。