18家公司对于人工智能在工程领域应用的衡量指标

图片出处：https://newsletter.getdx.com/p/how-18-companies-measure-ai-impact-in-engineering

一、指标明细

GitHub

• AI time savings：人工智能节省的时间
• PR throughput：拉取请求吞吐量
• GitHub Copilot CSAT：GitHub Copilot 客户满意度
• Change Failure Rate：变更失败率
• Engaged users：参与用户
• Innovation rate: feature expenses/all engineering expenses：创新率：功能支出/所有工程支出
• Developer experience, e.g. code maintainability, focus time, overall satisfaction：开发者体验，例如代码可维护性、专注时间、整体满意度

Google

• % of code by AI (drafted & submitted) & Acceptance rate：人工智能编写（草拟和提交）的代码占比及接受率
• Weekly active users (WAU)：周活跃用户数
• Usage intensity：使用强度
• Change throughput：变更吞吐量
• Active coding time, investigation time, & review time per change：每次变更的活跃编码时间、调查时间和审查时间
• Change cycle time：变更周期时间
• User sentiment and trust in AI：用户对人工智能的看法和信任度
• Perceived productivity：感知生产力
• Developer friction：开发者摩擦

Dropbox

• Daily active users (DAU) / weekly active users (WAU) for AI tools：人工智能工具的日活跃用户数/周活跃用户数
• AI tool CSAT, PR throughput (comparison by AI usage)：人工智能工具客户满意度、拉取请求吞吐量（按人工智能使用情况比较）
• Time saved per engineer per week：每位工程师每周节省的时间
• Change fail percentage：变更失败百分比
• AI spend total and per developer：人工智能总支出和每位开发者支出

GLASSDOOR

• DAU/WAU of AI tools：人工智能工具的日活跃用户数/周活跃用户数
• DORA metrics：DORA 指标
• % capacity worked per AI tool (actual AI tool usage as percentage of its maximum potential)：每个人工智能工具的工作容量百分比（实际人工智能工具使用量占其最大潜力的百分比）
• % code coverage：代码覆盖率
• Number of bugs：漏洞数量
• Number of A/B tests per month：每月 A/B 测试数量

webflow

• DAU/WA