导读：Atlassian 的 CTO 描述了团队可以使用AI清除混乱，并重新发现构建酷炫东西的乐趣的三种方法。
有无数个因素会阻碍工程组织成为世界级软件团队。一些更明显的罪魁祸首是使用过时的工具、僵化的做法和过于规避风险的企业文化。
但是，还有一个经常被忽视的人为因素：开发人员的经验。
当每天都是苦差事时，就没有精力进行创造性思考，也没有动力将项目提升到一个新的水平。随着软件工程团队发挥越来越大的作用时，整个公司的绩效都会下降。
套用一句老话说，如果开发人员不开心，那么可能没有人会开心。
与此同时，生成式人工智现在能够可以做任何事情，从帮助你开始一个项目到为你的晚宴创建完美的音乐播放列表。我在会议前使用人工智能来了解最重要的 Confluence 页面还有对话主题。它也能提高员工满意度吗？我相信可以。
我亲眼目睹了这统统地一切。
自从加入 Atlassian 并担任首席技术官以来，我和我的领导团队一直致力于打造一个世界一流的软件工程组织，包括世界一流的开发人员体验。两年来，我们看到了惊人的成果。我们将拉取请求周期缩短了 50%，开发人员运行的实验数量增加了 10 倍，最重要的是，开发人员的满意度提高了 50%以上。
尽管理想可能过于简单，我们通过找到并消除摩擦点来实现这一目标，这样开发人员就可以保持流畅——这就是人工智能的真正前景。正如一篇热门帖子所说，人工智能应该处理洗衣服和洗碗，这样我们就有更多的时间享受乐趣。我严重同意！
根据 Atlassian 最近的《开发者体验状况》报告指出，技术债务、文档不足以及缺乏深入工作的时间是这种背景下隐藏的问题。那么，人工智能可以做些什么来为埋头苦干的编码创造更多的空间呢？
人工智能解决技术债务
让我们从技术债务（它也称为“团队存在的祸根”）开始。
虽然我们没有魔杖来清除所有债务，但人工智能可以扫描代码库的黑暗、尘土飞扬的角落，以发现垃圾，例如陈旧的功能标志或糟糕的测试覆盖率。
解决这项任务后，团队就可以解决以上的问题。
当您的团队偿还技术债时，须使用 Jira 问题或类似工具来保持工作井然有序。这个时候，副驾驶或 AI 代理可以发挥出重要的作用了。自推出 Atlassian Rovo 平台以来，我们的团队已在内部创建了 500 多个自定义代理，以帮助改进特定流程。
比如，我们的一个团队构建了一个 Backlog Buddy 代理，旨在通过清理和确定任务的优先级来简化和组织 Jira 项目，确保我们的项目积压工作保持整洁和最新，并且能够节省数小时的繁琐工作。
当然，人工智能还可以为开发人员提供除积压工作之外的助力。
Atlassian 的人工智能代理 Autodev 可以通过分析 Jira 问题并生成技术计划来加快速度，开发人员可以在继续之前对其进行调整。一旦他们满意，我们的工程师就可以让 Autodev 继续执行计划 - 甚至生成代码 - 并最终提交拉取请求。
下一步便是代码审查。
我们的 Autoreview 代理可以检查代码更改、提供建议，并帮助开发人员修复任何剩余问题，然后再提交以供最终批准和合并。
人工智能文档
接下来是文档。它分布在多个应用程序中，通常它们缺乏命名约定，在搜索起来很不直观。
可以想象一下，你正在构建一个从未使用过的服务。你在公司的 wiki 上却找不到 API 文档。也许它们藏在某个网络驱动器且尘土飞扬的角落里？很有可能，只能等到了解他的人上线，你才可以问到他。
现在，想象一下自己正在与一个 AI 搜索机器人聊天，它会为你提供最新的文档、所有相关的 Slack 线程以及在你遇到困难时可以帮助的团队成员的建议。AI 已经改进了搜索功能，你只需一个查询就可以在所有应用程序和文件格式中找到文件。
开始编码吧！
展望未来，像 Atlassian 和我们同行这样的公司正在致力于 AI 搜索增强功能，这些功能将更深入地分析文件，以提供个性化的搜索结果，从而进一步减少认知负荷。
英国主要能源供应商和 Atlassian 客户 OVO Energy 的工程团队指出，以前需要数天才能找到的信息，现在可以通过更智能的搜索系统立即获得。得益于可以跨应用程序搜索的 AI 驱动搜索，Atlassian Rovo 等工具正在改善开发人员的工作流程，使他们更高效、更专注于手头的任务。毕竟，开发人员不需要图书馆学学位就能快速找到信息。
深度工作人工智能
最后，我们来谈谈专注力。开发团队遇到的最嘈杂、最分散注意力的情况是什么？一些突发事件。它们还伴随着大量的“杂务”。
一旦警报响起，技术团队就会放下手头的一切，全力以赴修复这个严重程度的错误。他们要整理数百（甚至数千）条警报，试图找出发生了什么，这非常耗时，而且容易出错。
如果 AI 能够对类似警报进行分组、检测模式并追溯到根本原因，结果会怎样？好消息：它可以。
随着 AIOps 的出现，“急救”人员现在可以依靠 AI 在事件发生期间显示运行手册和相关文章。在 Atlassian，我们已经在 Jira 中提供了警报分组等 AIOps 功能，这样 AI 就可以通过识别传入警报之间的模式并根据相似性进行关联来帮助在噪音中创建信号。
这将使得识别最高优先级事件变得更加容易。
当 AI 处理繁忙的工作时，你的团队可以专注于实施修复并协调部署。但这还不止于此。通过分析日志和警报，开发人员可以利用 AI 自动启动事后审查，并建议您的团队可以采取的步骤，以确保事件不会再次发生。
让我们把欢乐带回来！
我在这里讨论的一切都真实存在。没有炒作，也没有幻觉。从在问题发生之前识别问题，到实施和记录修复，再到在事故发生时保持团队的工作流畅，AI 消除了软件开发的繁琐环节，让开发人员更加快乐，更有能力为客户创造创新解决方案。
由于近三分之二的开发人员表示，他们因为糟糕的开发体验而辞职，因此将创造的乐趣带回工作中是一种明智的领导策略。
从团队最烦人的任务开始——“洗衣服和洗碗”——并在其中应用人工智能。这听起来任务可能不多，但随着时间的推移，效率会像复利一样成倍增加。
你可以将更多的琐事交给人工智能，你就越有空间发挥创造力。是不是这样呢？
作者：聆听音乐的鱼
相关阅读：
