Google Cloud DORA2024研究报告出来，文章最后附下载地址。相比2023年的报告，今年的报告更关注人工智能（AI），并侧重调研在软件交付效能、AI及其下游影响探索、平台工程、开发者体验等方面所取得的进步，具体分析如下。
1. 软件交付效能（Software Delivery Performance）
2023年报告：
重点关注高效能团队在四个关键软件交付指标上的表现：变更前置时间、部署频率、变更失败百分比和失败部署恢复时间。
通过DORA（DevOps Research and Assessment）的指标体系，评估不同团队在软件交付过程中的绩效。
强调从各行业垂直领域收集的数据，展现不同绩效集群中的团队表现。
2024年报告：
继续沿用DORA的四个关键指标，但增加了对软件交付稳定性的关注。
强调技术驱动团队需要通过这些指标评估当前表现，优先考虑改进，并验证进展。
引入了AI对软件交付过程的影响，指出在AI采纳增加的情况下，表现最好的团队在所有四个指标上依然表现优异，但部分团队由于AI的引入，软件交付稳定性出现下降（具体下降10%）。
更加详细地分析了AI对软件交付效能的双重影响，一方面提升了文档质量、代码质量和代码审查速度，另一方面也带来了软件交付过程中的新挑战。
2. 人工智能（AI）
2023年报告：
人工智能仅作为影响绩效的众多技术能力之一被讨论，未深入探讨其具体影响。
主要作为背景技术，未有详细的数据支持或深入分析。
2024年报告：
人工智能成为报告中的一个重点主题，探索其广泛的影响。
报告指出，AI采纳率增加了25%，并详细分析了其具体影响：
文档质量提高：7.5%
代码质量提高：3.4%
代码审查速度提高：3.1%
批准速度提升：1.3%
代码复杂度降低：1.8%
尽管AI在多个方面带来积极影响，但也观察到AI采纳导致软件交付稳定性下降10%，表明AI并非万能，需平衡其带来的利与弊。
深入探讨了AI在软件开发中的下游影响，包括对团队工作方式、个人工作价值感以及整体组织绩效的影响。
3. 探索AI的下游影响
2023年报告：
并未详细探讨AI的下游影响，主要集中在AI作为提高绩效的工具之一。
2024年报告：
详细分析了AI采纳对组织和个人的下游影响，包括：
组织绩效：尽管AI提高了多个关键指标，但也带来了软件交付稳定性的下降。
个人工作时间分配：AI采纳使个人在有价值工作上的时间减少，这一现象引发了对工作满意度和生产力的进一步研究。
团队协作：AI工具的引入改变了团队的工作流程，需要团队适应新的协作方式和工具使用。
4. 平台工程（Platform Engineering）
2023年报告：
平台工程相关内容较少，未有详细的探讨和数据支持。
2024年报告：
强调平台工程在支持高效能软件交付中的重要性，具体内容虽然在您提供的上下文中未详述，但可以推测报告中增加了对平台工程最佳实践、工具链整合以及自动化平台建设的讨论。
通过AI的引入，平台工程可能涉及更多的智能化工具，以提升平台的自动化和智能化水平，确保支持快速变化的开发需求。
5. 开发者体验（Developer Experience）
2023年报告：
开发者体验被视为提升软件交付效能的重要因素，但具体的改善措施和数据支持较少。
2024年报告：
深入探讨了AI对开发者体验的影响，指出AI工具在提升开发效率和代码质量方面的作用，但也带来了新的挑战，如增加的工具复杂性和对新技能的需求。
通过AI的辅助，开发者能够更快地进行代码审查、提高文档编写效率，但同时也需面对AI工具带来的学习曲线和潜在的工作流程变化。
报告可能还涵盖了如何通过平台工程和工具链优化来提升开发者体验，确保开发者能够充分利用AI工具带来的优势，同时减轻其负面影响。
6. 其他进步和发现
组织效能和员工福祉：2024年报告不仅关注技术指标，还探讨了AI采纳对组织效能和员工福祉（如倦怠、生产力、工作满意度）的影响，体现了更加全面的人本视角。
方法论的改进：报告采用更严格的统计学评估方法，确保数据的准确性和可靠性，并引入了更多的行业垂直领域数据，增强报告的普适性和参考价值。
长期趋势分析：展望未来，报告强调了持续研究AI及其他新兴技术对DevOps实践和软件交付效能的影响，推动组织在技术变革中的适应和优化。
总结
相比2023年，《2024年加速DevOps状态报告》在多个方面实现了显著进步，尤其是在人工智能的深入分析和其对软件交付效能及开发者体验的双向影响方面。报告不仅展示了AI带来的多项积极提升，还揭示了其潜在的负面影响，呼吁团队在采纳AI技术时需平衡其利弊，确保整体软件交付过程的稳定性和高效性。此外，平台工程和开发者体验的提升也反映出报告在支持技术基础设施和人本因素上的全面考虑，为组织在快速变化的技术环境中提供了更具参考价值的洞见。
