6月 28-29 日，第 23 届 GOPS 全球运维大会暨 XOps 技术创新峰会·北京站圆满举行。思码逸创始人兼 CEO 任晶磊在会上发表了题为“AI 落地研发的‘最后一公里’”的演讲，并解读了《DevData 2024 研发效能基准报告》（以下简称“报告”）。以下是本次主题演讲的精彩回顾。
随着 AI 行业的持续火热，越来越多企业参与到大模型的开发和应用当中，针对研发场景的 AI 工具也受到了大量关注。评估 AI 工具对研发效能的实际影响时，仅依赖采纳率这种过程指标可能不足以全面反映成效，关键在于观察 AI 工具的应用是否切实提高了研发的效率与质量。《报告》显示，AI 工具对效率和质量的改善具有正面影响：- 效率提升：应用 AI 工具的企业，需求交付周期平均缩短了 18%，表明 AI 工具加速了研发流程，提升了开发速度。
- 质量改善：应用 AI 工具的企业，单元测试覆盖度平均提升了 23%，说明 AI工具有助于增强代码质量，减少潜在错误，提升产品质量。
![]()
AI 落地的成功关键在于采取以终为始的策略，要做好类似下方的“填空题”，通过数据来证明研发使用 AI 的价值。比如通过建立提交规范，帮助企业看清各类工作的占比，进而优化资源配置。再比通过提升单测覆盖度，帮助企业改进质量薄弱环节，降低质量保障成本，降低缺陷密度，保障线上质量。
思码逸自主研发的 Devchat 支持大模型对接，提供高度可定制的工作流引擎，同时深入具体场景优化工作流，帮助研发节省工作量，提高开发效能。DevChat 支持以 IDE 插件的方式集成使用，目前已覆盖了单元测试、代码评审、工程规范、代码注释、代码审查、代码生成、代码补全等 16 个场景，可在各个环节辅助研发人员进行提效。DevChat 工具从软件工程视角入手，以提升软件工程质量为目标，在单元测试、代码评审以及功能规范三个环节做了更深度的应用探索。
今年，思码逸发起了 DevData 2024 研发效能基准调研，采用了一种与传统问卷调查不同的客观数据收集方法。思码逸直接向企业环境部署工具，采集了 170 组有效样本，计算出研发效能的 15 个关键指标。这些指标覆盖了交付速率、交付质量和交付能力三大核心领域。![]()
在选择指标时，思码逸引入“代码当量”作为基础指标，使得整个评估更加准确和科学。代码当量通常用来替换代码行数，能够大幅减少代码统计中的水分和噪音，更加准确地评估代码的复杂度和规模。这一创新源于思码逸团队在 2018 年 软件工程领域顶级会议 FSE 上发表的论文，提出的算法旨在更精确地衡量软件的规模与复杂性。代码当量不仅可以作为研发工作量评价的客观指标，还可以与需求、缺陷等指标结合，校准需求颗粒度、千行 bug 率等，让其他常见指标更可信、更有意义。![]()
在报告中，思码逸不仅计算了每个指标的平均值，还分析了它们的 IQR（即四分位间距），以此来理解数据的分布情况。以代码生产率为例，人月平均值约为 3595 当量，而中间 50%的数据集中在 2199 至 5003 当量之间，这揭示了行业内典型的效能范围。![]()
在优化这些指标时，我们不应追求每个指标都达到顶尖水平，因为不同指标之间存在权衡，例如效率与质量的权衡。因此，报告综合考量所有指标，建立了综合效能评估模型，并选取效能最高的前 20%企业作为标杆，从交付速率、交付质量、交付能力三方面呈现出高效能团队的特征。
·敏捷开发模式下的代码生产率更高，相比其他或混合式高 9%·20 人以下团队的代码生产率相比 50 人以上团队高 46%·单元测试覆盖度中位值仅为 15%，“测试左移”仍有较大空间·引入外包的研发团队代码生产率高 12%，但重点问题密度高 25%·应用度量指标管理研效的企业相比未应用企业的代码生产率高 5%《DevData 2024 研发效能基准报告》核心数据发布后，获得了现场参与者的一致认可，欢迎大家扫描下方二维码，立刻领取本次报告核心数据，获得打造高效能团队秘籍！![]()
![]()
点击下方“阅读原文”，立刻下载
