大模型和(hé) AIGC 技術催生了軟件研發的(de)新範式，也讓研發管理(lǐ)的(de)複雜度急劇攀升。盡管有(yǒu)研究稱，Copilot X 和(hé) ChatGPT 等生成式 AI 工具有(yǒu)望将開發者完成任務的(de)速度提高(gāo)兩倍，但在引入合适的(de) AI 應用和(hé)工具之前，研發管理(lǐ)者們可(kě)能首先要回答，「如(rú)何判斷 AI 工具确實為(wèi)組織提效産生了助力？」

準「AI 時代」下，「AI + 研發效能」很可(kě)能成為(wèi)企業構建核心競争力的(de)角逐高(gāo)地(dì)。而如(rú)何科(kē)學(xué)、全面且準确地(dì)衡量開發者和(hé)研發團隊的(de)工作效率與生産力正是研發效能治理(lǐ)中的(de)重要命題。

麥肯錫在最近的(de)一(yī)次研究中，對現有(yǒu)的(de)兩組生産力指标模型進行(xíng)拓展和(hé)補充，構建了端到端的(de)開發者工作效率與生産力視(shì)圖。報告稱，該方法很容易通過調查問卷或沉澱在研發管理(lǐ)工具中的(de)過程數據進行(xíng)部署，無需引入大量的(de)技術堆棧或工具設備。

基于 DORA 指标和(hé) SPACE 指标，麥肯錫拓展補充了 4 個以機(jī)會為(wèi)中心的(de)度量指标（Opportunity-focused metrics），并按照系統級、團隊級和(hé)個人級對所有(yǒu)指标進行(xíng)分類和(hé)歸集，最終得到能夠确定如(rú)何改進産品交付方式以及明确改進價值的(de)開發者工作效率與生産力視(shì)圖。

DORA 指标由谷歌的(de) DevOps 研究與評估團隊經多年(nián)的(de)調研與分析總結提出，是技術領域最接近标準的(de)量化管理(lǐ)框架，它們在衡量研發成果方面表現出色。

DORA 指标涉及吞吐量和(hé)穩定性兩個方面，包含部署頻率、變更前置時間、服務恢複時間和(hé)變更失敗率四個關鍵指标。當 DORA 指标返回的(de)結果不理(lǐ)想時，就意味着需要調查問題的(de)原因，而這通常需要花很長(cháng)時間。

SPACE 指标由 GitHub 和(hé) Microsoft Research 提出，用于增強 DORA 指标。SPACE 是滿意度（Satisfaction）、績效（Performance）、活動（Activity）、溝通（Communication）和(hé)效率（Efficiency）的(de)縮寫；其中每個維度都包含若幹個适用于個人、團隊或系統級别的(de)不同指标。

将個人視(shì)角（特别是開發者的(de)幸福感）考慮在內(nèi)，SPACE 指标能很好地(dì)說明組織是否得到優化。

麥肯錫從多個視(shì)角對研發過程進行(xíng)了細緻入微的(de)觀察，并提出四個機(jī)會導向指标：研發內(nèi)/外循環耗時、開發者速率指數、貢獻分析和(hé)人才能力得分。

報告指出，為(wèi)了确定需要改進的(de)具體領域，完整的(de)軟件開發流程可(kě)以視(shì)為(wèi)兩個循環。研發內(nèi)循環包括與創建産品直接相關的(de)活動：編碼、構建和(hé)單元測試；外循環則包括開發人員将代碼推向生産所必須完成的(de)其他任務：集成、集成測試、發布和(hé)部署。

于開發者而言，內(nèi)循環是構建産品，直接産生價值的(de)過程，而外循環雖然必要，但卻充滿了繁雜瑣事。因此從生産力和(hé)個人體驗的(de)角度來看，企業應盡可(kě)能改進外循環的(de)工具和(hé)自(zì)動化，以便讓開發者能在內(nèi)循環活動上投入更多時間。其中，頂級科(kē)技公司的(de)目标是讓開發者将多達 70% 的(de)時間花在內(nèi)循環活動上。

開發者速率指數（Developer Velocity Index，DVI）研究是一(yī)項衡量企業技術、工作實踐和(hé)組織支持程度的(de)調查。

DVI 涉及 3 大方面、13 個能力領域的(de) 46 項驅動因素，并由這 46 項影響因子(zǐ)加權平均而得，可(kě)與同行(xíng)進行(xíng)對标。這種比較有(yǒu)助于發現特定的(de)機(jī)會領域，如(rú)待辦事項管理(lǐ)、測試或者安全性和(hé)合規性等方面。

評估個人對團隊待辦事項的(de)貢獻（從 LigaAI 等研發管理(lǐ)工具中獲取數據，并使用專有(yǒu)算法對數據進行(xíng)标準化）有(yǒu)助于揭示阻礙團隊能力優化的(de)趨勢，并使團隊領導者對産出有(yǒu)清晰的(de)預期，從而提高(gāo)績效表現。

此外，它還有(yǒu)助于管理(lǐ)者辨析個人技能提升或培訓的(de)機(jī)會，重新思考團隊內(nèi)的(de)角色/任務分配。例如(rú)，質量保證測試人員是否有(yǒu)足夠的(de)工作可(kě)做(zuò)。

該得分是基于行(xíng)業标準能力地(dì)圖，對特定組織的(de)個人知識、技能和(hé)能力的(de)總結。理(lǐ)想情況下，組織應追求「鑽石分布」，即大多數開發人員處于中等能力範圍。這樣有(yǒu)助于洞悉輔導和(hé)提高(gāo)技能的(de)機(jī)會，在極端情況下，可(kě)能需要重新思考人才戰略。

# 寫在最後

上周，OpenAI 公布了 GPTs、Assistants API 和(hé) GPT-4 Turbo 模型等一(yī)系列關鍵技術和(hé)産品更新，讓 AI 圈再次沸騰。

幾乎可(kě)以預見的(de)，基于大模型的(de) AIGC 技術和(hé)應用會逐步融入開發者和(hé)研發團隊的(de)日常工作，成為(wèi)團隊基因的(de)一(yī)部分。面對來勢洶洶的(de) AI 浪潮，研發管理(lǐ)者正迫切地(dì)需要建立科(kē)學(xué)的(de)度量指标體系，以更直觀地(dì)洞察開發者和(hé)研發團隊的(de)工作效率與生産力。或許，這樣就能更清晰地(dì)回答：

• 影響程序員發揮出最佳水平的(de)障礙是什麽？

• 文化和(hé)組織在多大程度上影響了開發者創作偉大作品的(de)能力？

• 如(rú)何知道(dào)程序員的(de)時間和(hé)精力是否花在了真正推動價值的(de)活動上？

• 如(rú)何知道(dào)組織是否擁有(yǒu)所需的(de)所有(yǒu)開發人才？