DORA：AI 辅助软件开发的团队画像与能力模型，帮助团队将研究成果落地

在 QCon London 的演讲 Scale High Performance, Not Dysfunction "（规模化复制高绩效，而不是低效） 中，DORA 研究负责人 Nathen Harvey 表示，AI 更像是一种“放大器”；将战略重点放在组织体系上才能带来最大的回报。他同时介绍了 DORA 于 2025 年发布的软件开发报告提出了一套团队画像和能力模型，帮助企业将研究成果应用到实际工作中。 Harvey 表示，DORA 一直关注的是团队如何持续提升技术实践能力。研究内容不仅涵盖软件交付本身，也包括团队协作、组织运作方式，以及企业如何通过技术更好地服务客户。DORA 将问卷调查与定性研究结合分析，并于 2025 年发布了 State of AI-Assisted Software Development at DORA（DORA AI 辅助软件开发 现状报告 "）。谈到 AI 在软件开发中的作用时，Harvey 表示： AI 的本质是一种放大器。企业从 AI 投资中获得最大回报的前提，是先把组织系统建设好。如果缺少这一基础，AI 往往只会带来局部的生产力提升，而这些收益最终会被下游流程中的混乱所抵消。 在研究中，DORA 希望了解不同团队在多个维度上的表现，包括团队绩效、产品表现、工作效率、协作阻力、职业倦怠等。基于调研数据，研究人员将团队划分为七种典型画像： 基础能力不足遗留系统瓶颈流程约束型高影响、低交付频率稳健有序型务实执行型高绩效协同型 Harvey 以“流程约束型”团队为例进行了说明。 该类型团队的特点是：成员职业倦怠程度较高、协作阻力较大、个人工作效率偏低，真正投入高价值工作的时间也较少。不过，这类团队的软件交付稳定性反而不错，甚至优于大多数团队，只是整体交付吞吐量较低。Harvey 认为，这并不是一个理想的团队状态，因为虽然系统相对稳定，但真正创造出的业务价值并不高。研究人员随后进一步分析了：为什么有些团队能够比其他团队更有效地利用 AI？最终，他们总结出了七项关键能力。当这些能力与 AI 应用结合时，团队通常能够获得更好的结果： 明确且统一传达组织的 AI 使用策略健康的数据生态AI 可访问的内部数据良好的版本控制实践小批量开发以用户为中心高质量的内部平台 Harvey 强调，软件开发的最终目标始终是服务于人。 我们的工作是解决问题。我们需要真正理解用户是谁，并构建他们真正需要、能够改善他们生活的产品。 他认为，AI 最大的价值在于显著提高了团队的试错能力。过去只能完成一个原型的时间，现在可以同时做五个。由于团队往往并不能准确知道用户真正需要什么，因此更好的做法是快速构建多个方案，交给用户验证，并在团队内部持续讨论和改进。 去年 12 月，DORA 还发布了 AI Capabilities Model（AI 能力模型）报告。谈到如何将研究成果真正落地时，Harvey 建议团队首先评估当前现状，然后确定优先事项，并持续建设持续改进的文化。他指出，每一家企业都有自己的业务背景和客户群体，因此不能照搬 DORA 报告中的建议，而应结合自身实际情况理解这些研究成果。将 DORA 的研究结论视为你的假设，然后结合自己的组织不断验证和调整。 在演讲结束后，InfoQ 对 Nathen Harvey " 进行了采访。 InfoQ：DORA 报告对于 AI 如何影响个人生产力和代码质量，得出了哪些主要结论？ Nathen Harvey：随着 AI 应用程度不断提高，人们对于个人工作效率和代码质量的评价都在持续提升。其中，自我评价的个人工作效率提升幅度，是所有指标中最大的。与此同时，开发者对代码质量的评价也有所改善。不过，一个值得关注的现象是：虽然个人工作效率和代码质量都有提升，软件交付的不稳定性同样在提高。这意味着，生产环境中出现回滚和紧急修复的情况变得更加频繁。代码质量提高，而交付稳定性却下降，看似矛盾。Harvey 认为，这可能意味着团队激励机制存在偏差，或者开发人员缺乏对生产环境影响的整体可见性。例如，软件工程师可能只关注如何更快开发新功能，而没有充分关注这些功能上线后是否真正稳定运行。 InfoQ：这些 AI 能力模型如何帮助团队更好地发挥 AI 的价值？ Harvey：它们能够帮助团队理解，应如何最大化 AI 投资的回报。例如，DORA 多年来一直发现，小批量开发能够带来更好的软件交付表现。然而，AI 模型往往倾向于一次生成较大的代码修改或 Pull Request，这与这一实践形成了冲突。大型变更不仅更难审查，也更难判断是否真正符合需求，同时还会带来更高的风险。团队可以利用这些研究结论，与 AI 助手协作，将一次大的代码修改拆分为多个规模较小、能够独立部署的变更单元。 InfoQ：平台在 AI 落地和价值实现过程中扮演什么角色？ Harvey: 高质量的内部平台，对于帮助企业真正发挥 AI 的价值至关重要。首先，平台能够将模型、工作流以及其他能力，以统一方式提供给整个组织使用，从而推动 AI 的普及和价值实现。但平台的意义并不仅限于提供能力。更重要的是，它能够将复杂性下沉到平台内部，对使用者进行抽象。例如，如果企业必须遵循某项安全策略，那么平台可以在所有新系统中自动执行这些策略。这样既提高了策略的执行一致性，也让开发团队无需反复理解和处理复杂的安全规则，从而专注于业务本身。 查看英文原文： AI-Assisted Software Development: Team Profiles and Capabilities for Putting Research into Action - InfoQ "