2025年DORA：人工智能辅助软件开发现状调查报告.docxVIP

2025年DORAAI辅助软件开发状态报告

DORA

StateofAl-assisted

SoftwareDevelopment

2025

目录

1.执行摘要

2.前言

3.理解您的软件交付绩效

4.AI的采纳与使用

5.探索Al与关键成果的关系

6.DORAAI能力模型(CapabilitiesModel)

7.平台工程(Platformengineering)

8.价值流管理(Valuestreammanagement)

9.AI之镜：AI如何反映并放大您的组织真实能力

10.度量框架(Metricsframeworks)

11.最终思考：从洞察到行动

第一章：执行摘要

关键启示：AI是一个放大器

2025年，技术领导者面临的核心问题不再是“是否”应该采纳人工智能(AlI),而是“如何”实现其价值。DORA的研究涵盖了超过100小时的定性数据，以及来自全球近5,000名技术专业人士的问卷回复。这项研究揭示了一个关键真相：AI在软件开发中的主要作用是一个放大器。它能放大高绩效组织的优势，也能放大表现不佳组织的弊病。

AI投资的最大回报并非来自工具本身，而是源于对底层组织系统的战略关注：内部平台的质量、工作流程的清晰度以及团队的协作一致性。缺乏这个基础，AI只能创造局部的生产力提升，而这些提升往往会因下游的混乱而白费。

主要发现

本报告基于2025年6月13日至7月21日期间进行的定性数据分析和全球调查，揭示了AI辅助软件开发现状的几项主要发现，包括：

·人工智能(Al)的采用已接近普及。大多数受访者(95%)现在依赖Al,并且超过80%的受访者认为AI提高了他们的生产力。然而，有相当一部分受访者(30%)目前表示对AI生成的代码几乎不信任，这表明亟需关键的验证技能。详情请阅读《AI采用与使用》章节。

·AI的采用现在能提高软件交付吞吐量，这与去年相比是一个关键转变。然而，它仍然会增加交付的不稳定性。这表明，尽管团队正在适应追求速度，但其底层系统尚未演进到能够安全地管理Al加速的开发。详情请阅读《探索Al与关键成果的关系》章节。

●成功的AI采用不仅仅需要工具。我们新的DORAAI能力模型(DORAAICapabilitiesModel)确定了七项基础实践——包括清晰的AI政策、健康的数据生态系统和以用户为中心的关注点——这些实践已被证明能够扩大AI对组织绩效的积极影响。详情请阅读《DORAAI能力模

型》章节。

·今年的研究确定了七种不同的团队画像，从“和谐高效的团队(harmonioushighachievers)”到“陷入遗留瓶颈的团队(legacybottleneck)”,为有针对性的改进提供了一个新框架。详情请阅读《了解你的软件交付绩效》章节。

●价值流管理(ValueStreamManagement,VSM)是一种可视化、分析和改进从构想到客户的工作流动的实践，它能作为AI的倍增器(forcemultiplier),确保局部生产力提升转化为团队和产品绩效的可衡量改进。详情请阅读《价值流管理》章节。

·90%的组织已采用平台工程(PlatformEngineering),使得高质量的内部平台成为AI成功的必要基础。详情请阅读《平台工程》章节。

AI影响的图景

AI采用对关键成果的估计影响，具有89%的可信区间

Note:An

Note:Anincreasehereisnotadesirableoutcome

Burnout

Friction

0.000.050.100.15

Estimatedeffect(standardized)

IndividualeffectivenessSoftwaredeliveryinstabilityOrganizationalperformanceValuablework

Codequality

ProductperformanceSoftwaredeliverythroughputTeamperformance

-0.05

0.20

图1:AI的影响图景

对于橙色标注的成果，例如倦怠(Burnout),负面影响是可取的。

对技术领导者的分析和建议

成功的AI采用是一个系统问题，而非工具问题

DORA新的AI能力模型揭示，AI的价值并非由工具本身决定，而是由其周围的技术和文化环境所释放。我们确定了七项基础能力——包括清晰的AI政