AI 正迅速重塑软件的构建方式，但带来的影响远比许多组织预想的更为微妙。2025 年 DevOps 研究与评估（DORA）报告《AI 辅助软件开发现状》指出，AI 并不能自动提升软件交付效能。相反，AI 更像是现有工程能力的放大器，它在强化高绩效团队的同时也暴露出流程碎片化、开发体系架构不合理等组织短板。
该报告基于近 5000 名技术专业人士的调研反馈与超过 100 小时的定性访谈。其核心结论十分明确：AI 在软件工程中的成功较少取决于工具本身的复杂程度，而更多取决于组织体系是否完善。工程文化、平台能力、开发流程与内部知识体系最终决定了 AI 是提升效率与交付质量，还是仅仅加剧了问题与复杂度。
报告中最引人注目的发现之一是 AI 工具已快速融入开发人员的日常工作流程。约 90% 的开发人员表示，自己在工作中使用了某种形式的 AI 辅助；约三分之二的人在编写代码、生成文档、调试问题或学习陌生框架等任务中对这类工具高度依赖。许多开发人员还反馈了可量化的效率提升，相当一部分人认为，AI 帮助他们更快解决问题、更高效地编写代码。
报告强调，尽管带来了这些收益，生产力与信任之间的矛盾依然存在。开发人员虽频繁借助 AI 加速开发任务，但仍有不少人对 AI 生成代码的准确性与可靠性持谨慎态度。这种顾虑背后是对代码可维护性、正确性及系统长期稳定性的普遍担忧。在实际应用中，AI 往往能提升代码产出的数量与速度，但若缺乏规范的工程纪律，这些优势未必能转化为更优的软件交付效能。
这种态势也引出了报告中最重要的结论之一：AI 会放大其所处工程系统本身的质量问题。拥有成熟 DevOps 实践、清晰的开发流程与强大平台能力的组织更有可能将 AI 带来的生产力提升转化为可量化的交付性能改进。反之，工具碎片化、流程不明确、开发实践不统一的组织则可能出现相反效果。在这类环境中，AI 反而会加速技术债的累积、提高代码审查复杂度，并给本就脆弱的系统带来更多不稳定性。
为帮助组织顺利将 AI 集成到开发环境中，报告提出了 DORA AI 能力模型。该框架并不聚焦于特定工具或技术，而是提炼出一系列能让 AI 真正创造价值的组织能力。
第一项能力是为 AI 应用建立清晰的组织战略。在 AI 应用上取得成功的组织往往会制定明确的政策与指南，规范 AI 工具的使用、治理方式以及与工程流程的集成。这种清晰的定位有助于团队一致地采用 AI，同时降低无序试验带来的相关风险。
另一项关键能力是拥有健全的数据生态系统。AI 工具高度依赖获取可靠、结构清晰的信息，尤其是内部文档、架构知识和历史开发数据。若这些信息分散或维护不佳，AI 工具便难以提供有价值的辅助。
与此密切相关的是内部知识的可获取性。那些维护着高质量文档、可检索知识库与结构化内部数据的组织能让 AI 系统成为开发人员更高效的助手。在这类环境中，AI 工具可提供符合组织架构、编码规范与运维实践的上下文建议。
报告同时强调，基础工程实践依然至关重要。成熟的版本控制流程、规范的代码审查机制与统一的开发标准是 AI 有效辅助工程的基石。AI 依赖这些实践，而非取代它们。缺少这些支撑，开发速度的提升很可能会带来运营风险。
以用户为中心的开发是与 AI 成功应用高度相关的另一项要素。始终聚焦用户价值（而非单纯技术产出）的团队往往能更高效地将 AI 融入工作流程。这种导向能确保 AI 加速交付有价值的功能，而不只是提升代码产量。
平台工程也成为关键推动因素。具备标准化开发环境、部署管道与基础设施服务的内部平台能让 AI 工具在统一、可预期的生态系统中运行。这种一致性让开发人员更易将 AI 建议融入工作流程，同时避免引入额外复杂度与运营风险。
最后，报告也强调了小批量工作的重要性。更小、增量式的变更能够提升代码审查质量、降低部署风险，也更易于维护系统稳定性。当 AI 工具生成大型或复杂的代码变更时，这些实践对于把控开发过程就显得尤为重要。
报告还强调，在 AI 辅助开发时代，平台团队的重要性日益凸显。那些在平台工程能力上进行投入的组织——包括共享工具、标准化环境以及清晰定义的研发流程——在引入 AI 工具时通常能取得明显更好的效果。平台为 AI 在团队间规模化落地提供了结构化基础，同时保障了一致性与可靠性。
若没有这种基础，AI 的应用反而会带来新的复杂性。开发人员可能会生成更大的拉取请求、引入不统一的编码风格，或采用与现有架构规范不符的 AI 建议。长此以往，这些问题会拖慢交付效率，提升运营风险。
报告还探讨了 AI 对系统稳定性的潜在影响。尽管 AI 显著提升了开发效率，但也可能助长快速实验与更大规模的代码变更。若管理不当，这种模式会增加缺陷、部署失败与运行不稳定的风险。因此，引入 AI 的组织更应强化而非放松工程纪律。
除 AI 落地的技术层面外，报告还高度重视工程体系中的人文与文化维度。成功落地 AI 的团队往往会在开发人员、平台团队与安全专家之间建立高效协作。他们通过培训帮助开发者掌握 AI 的有效用法，并搭建实践社区，让工程师能够分享经验与最佳实践。
相比之下，任由 AI 仅通过基层自发实验来落地的组织往往难以规模化放大收益。个别团队或许能实现生产力提升，但这些改进会始终处于孤立状态，无法转化为更广泛的组织绩效。
报告指出，高绩效工程组织的未来不仅取决于 DevOps 成熟度，更取决于 AI 辅助流程、平台工程与优质开发者体验实践的深度融合。这些要素共同构成了新一代工程体系的基础，用以支撑人与机器的协同工作。
对技术管理者而言，这份报告传递的信息既鼓舞人心，又颇具警示意义。AI 有望显著加速软件开发、提升开发者体验，但这些效益并非自动实现。组织必须先筑牢工程基础，投入平台能力建设，并培育支持有序试验的工程文化。
报告的核心观点简洁而有力：AI 无法修复存在缺陷的工程系统，但对于已夯实基础的组织而言，它有望成为工程效能最强大的加速器之一。
【声明：本文由 InfoQ 翻译，未经许可禁止转载。】
