Aleksey Didik, Sr. Director, Technology Consulting at EPAM Systems, Inc. 是一位拥有超过15年软件开发和架构经验的软件架构师。他具有扎实的技术解决方案设计、实施、基础设施和运营知识——为客户的架构创建和执行战略愿景。他还热衷于通过指南和培训分享他的知识。
启用GenAI的软件开发将提高生产力和工作效率——问题是，提高多少？大多数关于这个话题的市场研究显示，生产力有了显著的提高。哈佛大学的研究发现，根据任务和资深程度，专家看到生产力提高了43%。同样，高盛的一份报告表明，随着GenAI在十年内被广泛采用，生产力可能会提高1.5个百分点，这几乎是美国生产力增长速度的两倍。虽然这些发现很有见地，但大多数这些发现来自受控环境，这些环境不一定反映现实使用案例的细微差别。为了更好地回答GenAI可以在多大程度上提高软件开发的生产力，一个领先的数字化转型服务和产品工程公司决定记录其在最近的一个大规模GenAI实施项目中与客户的实践经验和见解。该客户希望将GenAI融入三个工作流程中的10个开发团队的工作流程，涉及100多名专家。这些现实生活中的发现揭示了企业在GenAI实施过程中将遇到的各种挑战；此外，它们强调了公司范围内的路线图对于扩大GenAI采用的必要性。解决专家的负面态度和期望许多挑战可能会延迟GenAI项目的成功，例如法律和监管问题、缺乏处理能力、安全性和隐私等。然而，在这次大规模实施中遇到的最大的障碍是专家对技术的态度和期望。实施期间，工程公司观察到客户的专家对GenAI和其对工作的增强有某些期望。当这些初始期望与质量或执行时间的结果不符时，他们会对技术产生负面态度。特别是，当GenAI没有按照他们的说法“为我做工作”时，他们会做出这样的评论：“我期待更好，不想再浪费时间。”企业必须改变看法，转变为一种新的工作文化，以防止这些负面态度的出现和阻碍采用和准确测量。调查和评估是有效地映射和分类专家态度和感知参与度的方法。从那里，公司可以根据专家对GenAI的感受对他们进行分组。然后，企业可以为每个组创建定制的变革管理方法，以促进成功的AI集成；例如，最怀疑的专家将比中立的专家受到更多的关注和照顾。考虑现实项目的复杂性第二个最具阻碍性的挑战是准确测量GenAI对生产力的影响，同时考虑到现实项目的复杂性。在受控环境中，很容易衡量GenAI的影响——然而，如前所述，这样的测试并不考虑某些变量和不一致性。项目不是静态的。它们不断演变。一个组织可能会出现这样一种情况：由于休假和病假的轮换，以及优先事项的突然变化，专家不断变化。专家也不总是从事可以最大限度地发挥GenAI影响的特定项目活动，因为他们有会议要参加，电子邮件要回复和其他任务在范围之外，这些任务经常被忽略在生产力测量之外。这些不一致性和变量必须在客观测量GenAI对软件开发的影响时加以考虑。其他最佳实践包括将任务管理工具集成到工作流程中，以查看任务在每个状态下停留的时间，以确定非技术专家的生产力和效率。此外，业务智能解决方案可以自动收集数据点，减少错误并节省时间。另外，组织可以通过采用彻底的数据清理实践来减轻现实项目条件的复杂性，并确保对GenAI对生产力的影响进行更准确的评估。公司范围内的路线图：准确测量这次大规模的GenAI实施也强调了公司范围内的路线图的价值，该路线图标志着集成的开始和结束。企业应该注意，路线图的关键元素是定义他们将用于基准和最终报告阶段的指标。有几十个不同的指标可以帮助评估GenAI对生产力的影响，包括但不限于时间内的速度、吞吐量、平均返工和代码审查时间、代码审查失败和接受率、修复错误所花费的时间等。在定义这些指标之后，公司应该将它们分类为客观和主观类别。企业可以使用Jira等任务跟踪工具的数据来获取客观指标。同样，他们必须保持和遵循质量流程、及时更新任务和彻底完成阶段。回想一下，主观指标（如专家和飞行员调查）将帮助企业了解采用水平和与客观测量的相关性。从频率角度来看，测量应该是例行和按计划进行的，而不是稀疏和随机的。此外，项目的发现强调了平均每日影响、感知专业知识、性能变化、工作覆盖、AI工具使用和无中断工作流等指标的有用性，以衡量采用进度。公司范围内的路线图（续）：在规模上学习和文化发展除了有效地衡量GenAI的影响外，路线图的另一个重要组成部分是它通过不同的培训和指导策略推动持续的学习和AI流利度。这些计划最终将促进公司范围内的学习文化，使AI在整个企业中大规模采用。各种策略包括创建专注于公司可以利用GenAI的哪里和如何的工作组，以及鼓励个人分享什么有效和什么无效。此外，建立个人和团队层面的成长和发展优先事项以及学习路径是有帮助的。公司可以通过强调快速获胜的使用案例来建立一种能够轻松采用新GenAI技术的文化。这些将向更大的组织和犹豫的怀疑者展示GenAI的力量。企业还应该建立安全指南和AI的参与规则，以赋予团队在不将公司置于风险之下的情况下尝试和探索新方法的权力。同样，组织必须强制遵守行业标准和其他最佳实践，同时在任务和工具级别解决个人和团队的变革管理。以人为中心这次现实世界实施的两个最重要的收获是：首先，GenAI可以在适当的策略和路线图的范围内带来实质性的生产力增益；其次，这样的集成具有不可否认的人性因素，公司必须相应地解决它。GenAI将永远改变这些专家执行日常任务的方式。它也可能使一些专家感到受到技术的威胁，这可能会导致对采用产生抵制。最终，成功的GenAI实施的关键仍然是鲜明的人性。对于企业来说，理解这一点至关重要，因为正是人类在运用技术，解锁其实际价值。
