編譯丨諾亞
出品 | 51CTO技術棧（微信號：blog51cto）
日前，Gartner預測，到2028年，將有75%的企業軟件工程師使用AI代碼助手。值得一提的是，這一比例在2023年初尚不足10%。
根據對598位大型企業軟件工程領導者的調查，截至2023年第三季度，已有63%的組織正在試用、部署或已部署了AI代碼助手。
然而，Gartner高級首席分析師Philip Walsh警告稱，在生產力提升方面，IT領導層的期望與軟件團隊的實際體驗之間可能存在不匹配。
Walsh表示，銷售AI輔助編程工具的供應商聲稱，這些工具可以將程序員的生產力提高多達50%，而三分之一（34%）的CIO和技術領導者認為，AI代碼生成可能對其軟件開發工作產生“顛覆性”影響。
“這表明人們對AI代碼助手在生產力提升方面的期待非常高。”他說。
雖然AI編碼工具在很大程度上提升了開發人員的工作效率，實現了諸如快速代碼生成、智能重構、自動化測試等任務的處理，顯著減少了重復勞動和人為錯誤，但目前其實際應用領域和深度仍存在明顯局限性。這些限制主要體現在以下幾個方面：
首先，AI編程工具對于特定類型的問題和任務表現尤為出色，如處理常見編程模式、遵循既定規范的代碼編寫、基于模板的代碼片段生成等。然而，對于高度復雜、創新性強或者特定行業背景下的定制化需求，現有的AI模型可能難以準確理解和應對，仍需人工介入進行精細調整和優化。
其次，盡管AI在編程過程中能夠提供有效的輔助，但在軟件開發生命周期（SDLC）的其他重要環節，如需求分析、架構設計、項目管理、用戶體驗設計、測試策略制定以及后期的維護與升級等方面，AI的參與程度和貢獻度相對較弱。
正如Walsh指出的，編碼本身并不構成整個軟件開發生命周期中的大部分工作。那些非編碼任務往往占據了開發人員大量時間和精力，對于整體項目效率的影響不容忽視。
“軟件開發涉及各種各樣的任務……即使你在編碼任務上能實現50%的更快完成率，但放眼整個周期，編碼可能只占其中20%的工時，也就是說整體周期時間只提高了10%。”
再者，AI編程依賴于大規模的高質量訓練數據和先進的算法模型，但針對某些新興技術、罕見編程語言或特定領域的專業知識，現有的數據資源可能不足，導致AI的智能化水平和適應性受限。
此外，AI生成的代碼雖然在語法層面通常正確，但其邏輯復雜度、可讀性、可維護性及性能優化等方面可能尚無法完全媲美經驗豐富的開發者手寫的代碼。
因此，盡管AI編碼工具的受歡迎程度會與日俱增，但開發團隊可能需要管理其高層管理人員的期望。
“他們不會從供應商那里聽到這些，”Walsh說。“希望他們的開發者和工程負責人會告訴他們，并且他們會傾聽。我們不建議——任何形式的自上而下的生產力強制要求。這行不通。”
他表示，開發團隊需要有一定的自由度去探索最佳應用場景。他們需要在一個鼓勵試錯、允許失敗的學習型文化中工作，以便最大限度地利用這些新工具。
“CTO們需要營造這樣的文化，傾聽員工的聲音，同時也要為實驗和失敗創造空間，”他如是說。
再進一步思考，對于AI編程技術的接納和有效利用，不僅取決于技術本身的成熟度，還受到企業組織結構、開發流程、團隊技能水平、工具集成能力以及行業監管環境等多種因素的影響。許多企業可能尚未建立起適應AI輔助開發的最佳實踐和配套基礎設施，使得AI編程的優勢未能得到充分釋放。
綜上所述，盡管AI編程已經在提升開發人員效率方面展現出了顯著潛力，但要實現軟件開發生產力的全方位、深層次變革，仍有賴于技術的進一步發展、應用場景的拓展、數據資源的豐富、開發流程的優化以及企業適應性的增強等多個層面的持續進步。
簡言之，距離AI真正推動軟件開發生產力實現質的飛躍，我們還有一定的路程要走，需要耐心等待并積極投入研發與實踐。
參考鏈接：https://www.theregister.com/2024/04/13/gartner_ai_enterprise_code/
