AI在研发过程中的应用现状

本文内容摘取自2025.1.15日CMMI研究院视频号直播中分享嘉宾胡伟健先生的线上分享。所提到的现状，也是以这个时间点作为基础。文中观点仅代表演讲人本人观点。

目前AI已经在各行各业中都得到了应用，作为一名软件行业从业人员，关注是在研发的管理过程中，它是一个什么样的现状？

软件工程中LLM应用现状

从这张图，借用的是南京大学荣国平老师团队做的一个调研报告，我们可以很明显的看出，代码是最主要的应用环节，其次就是测试，特别是单元测试部分。另外，在需求、运维和代码评审等典型的软件工程的活动环节也会使用到。代码环节是最多的，不知道跟大家的经验是不是一致？

需求阶段，当前大语言模型对于工作的介入程度非常低，大都仅仅处于探索阶段。例如：多用于文字的整理工作。通过大模型或者 LLM 去协助我们做一些探索。目前阶段大模型还不能很好地理解需求。

编码阶段，大语言模型的发展和应用最为成熟，作为辅助工具已经被全面接受。比较多的是自然语言的生成代码，还有知识库，分析判断代码质量等等。相信在这一点上，大家的感受应该是一致的。

测试阶段，大语言模型当前的应用相对单一，基本都集中在单元测试部分，主要是帮助生成单元测试的用例。

运维阶段，大语言模型的应用依然处于探索阶段，应用的相对比较少。比如说原因的分析，异常的检测等。

对应用AI技术的优先级变化

下面我们再来看一个来自Google cloud的刚发布的DORA 2024报告

绝大多数调研对象（81%）表示，他们的组织已将工作重点转向将人工智能，并将它更多地融入其应用和服务中。他们采用AI技术的主要驱动力来自两个方面：

1. 竞争压力（竞争对手在用，我们要是不用就跟不上了）
2. 需要与业界标准保持一致（跟上时代的步伐）

从受访者的调研情况来看，并非所有人都认为带来生产率的提升。75%的受访者认为生产率得到了提升（非常大、一般、轻微）；而其他的25%的人认为没有变化甚至降低。安全相关的专业人员、系统管理员、全栈开发人员等角色都认为是有提高的。而对于移动开发人员、SRE、项目经理认为没有提高。

下面我们看一下AI主要用到了什么地方？看看是否和你的理解是一致或者吻合的？

从图中我们可以看到，AI主要应用在以下任务：代码编写、信息整理和总结、解读不熟悉的代码、代码优化、代码文档化、编写测试、Debug、数据分析。其中最经常的使用场景：代码编写（74.9%）和信息整理与总结（71.2%）

大部分人表示人工智能生成的代码通常不会被直接使用，但它们是“最正确的”，足以在完善后使用，并符合现有的质量保证流程。

受访者表示AI对效率、专注度和工作满意度方面有明显的正面影响。但对于AI是否让员工减少“脏活累活”，有更多时间专注所谓“有价值”的工作，并没有符合预期的结论。大部分的开发人员并不认为协调、沟通、会议是特别有价值的工作，可能还是更感兴趣在编写代码本身上。

AI在代码开发环节确实有很明显的正向影响，但是对于交付环节并没有带来显著的改善。因此，调研得出结论：更高的软件开发效率并不能自动地改善软件交付（这与上线批次大小、质量要求、测试程度）。

可以反映出，人工智能虽然提高了编码效率，但是在全局上，例如在整个项目上并没有达成我们期望的结果。

最后，我们总结一下AI在研发过程中应用现状的结论：个别的、局部的AI工具的导入，在当前情况下，并不等于组织的整体能力的提升。而我们做过程管理（CMMI）关注的整个组织的成熟度、能力的整体提升。

• AI在研发当中的应用是一个明确的趋势，正在飞速发展
• AI的优势领域：知识挖掘和共享、信息整合、分析和决策支持等方面
• 目前AI技术在软件开发过程中的应用特点
  • 不可验证性（黑盒）
  • 不可重复性（同样的需求，不能指望AI工具生成版本管理所期望的完全相同的代码？）
  • 决策和治理要求（并不仅仅是“智力”的问题）
  • 需要人的介入（Human In the Loop AI）
• 目前更多聚焦在个人的、局部的效率和能力，但不能等同与组织甚至团队的能力