AI 辅助编程的效果如何衡量？

作者：阿里巴巴云原生

2024-10-31
浙江
本文字数：3461 字
阅读完需：约 11 分钟

作者：耘越

本文主要介绍了如何度量研发效能，以及 AI 辅助编程是如何影响效能的，进而阐述如何衡量 AI 辅助编程带来的收益。

理解度量：有效区分度量指标

为了帮助研发团队更好地理解和度量研发效能，可以将指标分为三类：能力和行为指标、交付效能指标和业务结果指标。该分类有助于从不同维度评估和改进研发工作。

能力和行为指标： 反映团队的实际工作方式和能力，影响交付效率，可以被改进。例如，单元测试覆盖率、代码扫描问题数、持续集成频次、圈复杂度、解耦度（Decoupling Level）等因素。
交付效能指标： 反映技术团队的效率，与业务结果有一定相关性，但不直接影响业务结果。例如，速度、吞吐量和质量等因素。
业务结果指标： 反映真实的经营情况，直接与公司的收入、规模和成本等相关，可以直接用于绩效考核。例如，营收 GAAP、毛利、净利、成本及月活跃用户等数据均可作为业务结果指标。

什么是研发效能，如何度量？

研发效能是指软件研发团队持续、快速、高质量交付有效价值的能力。具体来说，包括以下几个方面：

做正确事情的能力： 即交付有效价值。
正确地做事的能力： 即持续性、速度和质量三个方面，其中质量是对速度的约束条件，持续性是对速度和质量的一贯性要求。

研发效率的度量

有效的度量能够引导正确的改进行为，决定后续的改进行动。团队的职责范围决定了采用什么样的指标。通常对于技术团队会从以下几个方面进行衡量：

效率： 速度（流动效率，单个工作项的流速）和吞吐量（资源效率，单位时间内完成的工作项数量）。
质量： 交付质量，即交付物离开团队之后的质量。
员工幸福感： 员工幸福感是一个主观性调研指标，与持续性有正相关。

AI 辅助编程是如何影响研发效能的？

AI 辅助编程以 AI 为技术手段，提升编程效率，反映的编码的能力和行为。具体可以从以下几个方面衡量：

编码效率： 开发者的编码时间占比 × AI 生成代码占比 = 节省的开发时间比例。例如，员工有 30% 的时间花在编码上，AI 生成了 40% 的代码，则可以理解为节省了 12% 的开发时间。
代码的缺陷密度： 代码的缺陷密度是一个滞后指标，反映代码质量，如千行代码缺陷量。
员工编程体验的满意度： 员工编程体验的满意度是一个主观指标，反映工具对于员工编程工作的帮助，如工具的易用性和实际工具的使用效果。

编码效率提升

在软件研发过程中，编码效率是影响研发效率的重要因素。除编码效率外，还有许多其他因素对整体研发效率产生影响，主要包括需求质量、协作流程、测试自动化及持续集成/持续交付（CI/CD）的工程能力等。这些因素可归纳为两个方面：个体效率（单点改进）和协作效率（流程改进）。从问题改进的角度来看，可以总结为四个方面：阻塞、返工、负债和失能。

编码时间占比与 AI 生成代码占比

开发者的编码时间占比 × AI 生成代码占比 = 节省的开发时间比例。例如，员工有 30% 的时间花在编码上，AI 生成了 40% 的代码，则节省了 12% 的开发时间。

数据来源显示，受访者花费不到三分之一的时间编写新代码或改进现有代码（32%），35% 的时间用于管理代码（包括代码维护 19%、测试 12% 和响应安全问题 4%），另有 23% 的时间用于会议和管理运营任务。

综合开发行为的提升

程序员在开发阶段不仅写代码，还包括调试、测试、信息检索等工作。因此，在每项工作中是否有提升点，以及提升了多少，可以形成如下的计算公式：

这里设定一个假设基线，即在没有 AI 工具的情况下，单位工作量的成本是多少。该基线一般在企业内有相关统计数据，如果没有，则可以参考行业统计数据。此外，还需考虑在每个开发行为中，AI 提升效率的同时是否会产生额外成本，例如接受代码后仍需进行修改，这可能会影响手工基线的准确性。

无论选择选项一还是选项二，其背后的方法均为：行为 × 效果 = 效率。一般而言，不必过于追求数据的精确性，因为过于精确的统计可能会引导错误的行为或增加额外的管理成本。统计意义上的准确性就够了，其关键在于能够有效回答一个本质问题，并指导相应的改进。

开发效率提升对整体研发效能的影响

根据利特尔法则（Little's Law），速度 = 在制品数量（WIP）/ 吞吐量，换算过来就是吞吐量 = 在制品数量（WIP）/ 速度。通过 AI 方式，可以改变以下几点：

交付的速度： 单个工作项的速度提升了，吞吐量会增加，在途任务（任务的 WIP）也会显著下降。对于待排期需求会是一个很好的消耗，从而减少待排期需求的数量。待排期需求的数量下降，对于整个产品研发的在途需求数（需求 WIP）也会下降，进而提升了整体研发速度。
交付的确定性： 速度提升，对于软件研发在时间上的确定性会有着与之相应的提升。

员工的编码体验的满意度

为了评估智能编码助手对员工编码体验的满意度，可以通过用户调研的方式获取反馈，并发现可以改进的地方。问卷设计需要考虑三个因素：用户画像、用户满意度、用户使用效率。以下是具体的问卷设计示例：

用户画像

你有多少年的编程经验？

不足 1 年。
1-3 年。
3-5 年。
5-10 年。
10 年以上。

你在工作中的主要角色？

初级开发者。
中级开发者。
高级开发者。
架构师。
技术经理。
其他（请说明）。

你常用的编程语言有哪些？（多选）

Java。
Python。
C++。
JavaScript。
Go。
Ruby。
PHP。
SQL。
XML。
其他（请说明）。

你使用智能编码助手的频率如何？

每天多次。
每天一次。
每周几次。
每月几次。
很少使用。

用户满意度

你对智能编码助手的总体满意度如何？（打分 1-5 分，5 分最高）

关于使用智能编码助手的一些描述，你的看法是？

视觉舒适、操作符合习惯。
没有被打扰的感觉。
上手成本低、操作流畅。
愿意采纳生成的建议代码。
编码问题能够得到有效回答。
代码和问答生成速度快。
较少遇到报错。

用户使用效率

通过使用智能编码助手，你觉得对你的编码工作效率有多大的提升？（单选）

显著提升。
有所提升。
没有变化。
有所下降。
显著下降。

回想一下，你使用智能编码助手的场景，下方的描述，你的观点是什么？

工作更加有成就感。
编码时更加自信。
使用熟悉的语言时，效率更高。
使用不熟悉的语言时，进度更快。
减少编写重复性代码。
可以保持编码心流。
减少搜索引擎使用。

最后，您可能会得到如下方所示的结论：