AI可提高代码生成速度，但不等同于提高生产力，请先“铺路”

生成式AI技术的进步推动软件行业集体沉浸在一种熟悉的幻想之中。2000年代的离岸外包、2010年代的微服务都曾给我们带来过类似的幻想：一个能提高开发人员生产力的银弹，一个管理者可以拉动以实现更快速、更经济、更优质交付的杠杆。如今，这个杠杆就是生成式AI，其卖点诱人简单：如果交付被编写代码的速度所限制，大型语言模型能够瞬间写出代码，那么使用LLM意味着速度应该会大幅提升。

但软件开发很少受到打字速度的限制。瓶颈几乎总是除了打字之外的一切：决定要构建什么、就方法达成一致、将其集成到已有的生态系统中、通过安全性和合规性检查，然后操作你所发布的成果。

AI可以帮助解决语法、框架搭建以及样板代码的枯燥问题。但它也可能让另一个问题变得更糟：它很容易使得问题变得复杂。那么我们如何解决这个问题呢？答案是平台。或者称为铺好的道路；或优选路径。无论术语是什么，影响都是相同的：通过给开发者提供护栏，我们可以显著提高整个企业的生产力。

生产和生产力之间的差异

迄今为止的证据之所以有用，恰恰是因为它拒绝讲述一个单一的安慰故事。例如，METR的一项随机对照试验发现，在复杂的仓库中工作的有经验开源开发者，他们已经熟悉这些仓库，在使用AI工具时完成任务所需的时间平均增加了19%，即使他们认为自己会更快。在非常不同的设置中，GitHub报告称，在控制实验中使用GitHub Copilot的开发者完成特定独立编程任务的速度明显加快，并且对体验感觉更好。

所以到底哪个是对的？AI是一个涡轮增压器还是一块绊脚石？答案是两者皆有可能，而这种模糊正是关键所在。将AI放入健康的系统中，它可以加速发展；将AI放入碎片化的系统中，它可以加剧混乱。结果更多取决于允许该模型运行的环境，而不是你选择哪种模型。“AI使开发者更高效”并不是一个工具声明——至少不应该如此。这是一个关于系统的声明。

那个环境问题并不新鲜。早在提示工程成为职业头衔之前，无节制的开发者自由就已经在与企业现实发生冲突。自由给人的感觉就像是敏捷，直到它变成蔓延、碎片化以及没有人预算的集成税。生成式AI并没有逆转这种动态，而是因为它去除了过去减缓错误决策的摩擦力而加速了这一过程。

这里领导团队不断犯下同样的基本错误：他们混淆了生产和生产力。如果你把生产力定义为“发布更多的代码”，那么AI是我们一生中最伟大的发明。但在生产中，代码并非孤立存在的资产。代码是你必须保护、观察、维护并集成的一种负债。每个新服务、依赖项、框架以及聪明的抽象都会增加表面区域，而表面区域则将速度转化为脆弱性。

AI几乎将创建该表面区域的成本降到了零。过去，糟糕的架构决策受限于其实现所需的时间长度。现在，初级工程师可以生成一系列服务，并用看似合理但实际上并不完全理解的代码将它们粘合在一起，因为AI助手处理了实现细节。团队会因他们的速度感到自豪，直到系统第一次需要审核、补丁、扩展或交给另一个团队为止。

在那时，所谓的生产力优势就会表现为运营成本。

如果你想讨论AI时代的开发人员生产力，你就必须谈论交付性能。

DORA指标依然是一个顽固的现实检验标准，因为它们衡量的是吞吐量和稳定性而非数量：变更前置时间、部署频率、变更失败率以及恢复时间。SPACE框架也很有用，因为它提醒我们生产力是多维度的，“感觉更快”并不等同于“实际更快”。

AI往往早期就能提升满意度，因为它消除了枯燥的工作。这一点很重要。但如果团队花费时间验证、调试和重新工作于那些冗长、微妙错误或与内部标准不一致的AI生成代码，满意度可以与更差的表现共存。如果你想找到一个让管理层满意的度量标准，那就跟踪符合规定的部署时间：从工作被认为是“准备好了”到实际软件在生产环境中运行，并具备所需的安全控制、可观测性和策略检查所经过的时间。

这就是行业仍然试图回避的部分：AI使自由问题更加严重。随着AI编写越来越多的代码，工程师们将在抽象阶梯上攀升。工作重心从编写转向审查、集成和进行架构选择。听起来像是一种晋升，对吧？也许。实际上，这可能成为一个负担，因为它假设了一个在团队中分布不均的系统理解水平。

当代码生成变得廉价时，协调成本随之增加，从而加剧了问题。如果你让每个团队都使用AI来生成定制解决方案，最终你会得到一堆堆栈、框架和操作假设的大杂烩。在拉取请求和单元测试中这一切看起来都很正常，但当有人必须进行集成、安全保障和操作时会发生什么呢？这时组织的速度会放缓，不是因为开发者不能打字，而是因为系统无法整合。

请为AI助手铺好路、建好平台

Forrester最近的研究准确指出了这个问题。他们认为架构社区是“企业灵活性的隐藏引擎”。这不仅仅关乎重建服务导向架构时代那些无人问津的象牙塔建筑师。它是关于防止巨大的集成变通措施税。Forrester建议，如果没有协调，架构师可能会花费多达60%的时间仅仅试图将不同的系统拼凑在一起，而不是进行创新。如果不加以控制，AI可能会将这一比例推高至90%。

解决方案不是禁止AI，也不是任其野蛮生长。解决方案是铺设道路。我广泛撰写了关于需要优选路径的内容。优选路径，或Netflix所说的“铺好的路”，是一条通往生产的有意见支持的路线。它是由可组合的服务、模板和护栏组成的集合，使得正确构建软件的方式也成为最容易的方式。

在AI时代，优选路径是不容商量的。开发者的认知负荷已经过高；要求他们选择库、模型、提示策略和RAG架构只会导致倦怠。你的平台团队必须标准化那些无聊的部分。

想象两种场景。第一种场景中，开发者让AI构建一个微服务。AI扫描互联网，挑选一个随机框架，并写出不符合公司任何安全政策的代码。开发者在10分钟内感觉自己很快，然后花了一周时间对抗安全审查。

第二种场景中，开发者处于一条优选路径上。AI被约束使用内部模板。它生成的服务预装了公司的身份验证、日志记录边车和部署清单。它编写的代码是常规的、合规的，并且可以在10分钟内部署。在这个模式中，生产力的优势并不是来自AI编写代码的能力，而是来自平台将AI限制在有用的边界内的能力。下一个十年中最有生产力的开发者不会是最自由的那些人。他们将是拥有最佳约束的人，这样他们就可以停止担心管道问题，专注于解决问题。如果你是一名开发负责人，你的工作就是帮助创造能够促进而非抑制生产力的约束。