大多数软件开发公司已经在使用人工智能工具。但只有少数公司从中获得了显著提升的效果。对近300家公司的研究发现，高绩效公司与其他公司之间存在五项显著差异。 

转变一：人工智能的应用贯穿整个开发生命周期，而不仅仅局限于编码环节。

研究发现，高绩效团队在每个阶段都会使用人工智能，从需求收集、设计、测试、部署到发布后监控。

这种转变之所以重要，原因很简单。如果人工智能只限于编码，那么它带来的收益也只限于编码。但软件开发中的大多数延误并非发生在编码阶段。

它们发生在相关的各个阶段，例如需求不明确、设计评审缓慢、测试覆盖率不完整以及后期才发现缺陷。 

在所有阶段都使用人工智能的团队可以消除每个环节的瓶颈，而不仅仅是某个环节。例如，在一周发现缺失的需求远比在第六周重新构建一个功能要便宜得多。

结果是，更小的团队可以在更短的时间内交付更多的功能。

转变二：角色在改变，而不仅仅是工具在改变。

由于人工智能的出现，产品经理、开发人员、设计师和质量保证工程师之间的界限变得越来越模糊。它使每个角色都能完成以前只有专家才能完成的工作。

例如，产品经理不再需要等待设计师构建原型。他们可以使用像 Uizard 或 Figma AI 这样的 AI 工具，根据文本描述生成可运行的模型，进行用户测试，并在开发交接时带着经过验证的想法，而不是基于假设。

他们还利用人工智能大规模分析用户反馈，确定哪些功能能够提高用户留存率，并根据数据而不是意见做出优先级决策。

与此同时，工程师们正利用人工智能节省下来的编码时间，进行代码之外的思考。例如，如今的后端开发人员可以深入研究他们正在构建的功能如何影响转化率、加载速度或客户流失率。他们会审查人工智能生成的代码，做出架构决策，并直接为产品成果做出贡献。 

该角色正从编写代码转变为对结果负责。

转变三：团队追踪结果，而非工具使用情况

大多数团队会统计有多少开发者激活了某个工具，或者人工智能生成了多少行代码。这些数字在报告中看起来很漂亮，但却无法告诉你软件是否真的更好。

团队会衡量真正重要的指标，例如本季度与上季度相比，有多少缺陷进入了生产环境？发布周期是否缩短了？客户报告的问题是否减少了？

根据研究，在业绩的团队中，79%的团队会追踪人工智能带来的质量提升，57%的团队会追踪人工智能带来的速度提升。而大多数业绩不佳的团队只会追踪工具的打开频率。

区别在于问责制。当团队以结果为衡量标准时，他们会想方设法利用人工智能来推动这些结果的实现。而当团队以工具使用情况为衡量标准时，他们就会专注于工具的使用。衡量什么，就会得到什么。

转变四：培训是持续进行的，并非一次性活动。

就像其他任何软件应用一样，人工智能软件工具也经常更新。三个月前对开发人员来说行之有效的工作流程，如今可能已经有了更快、更好的方法。只进行一次培训就停止的团队很快就会落后。

高绩效团队会将学习融入到工作本身。结果差距显而易见。57%的员工会投资于实践研讨会和一对一辅导，而只有20%的低绩效员工会这样做。

开发人员在迭代周期中审查人工智能生成的代码，并讨论哪些有效，哪些无效。设计师在设计评审期间尝试使用人工智能原型工具，并将发现与团队其他成员分享。质量保证工程师在发现新的人工智能测试技术时会记录下来，并将这些知识传递给团队。

例如，一个开发 SaaS 产品的开发团队可能会每两周举行一次会议，由一名开发人员向团队展示他们在冲刺期间使用的一种新的 AI 技术。

六个月下来，这种习惯能够培养出一支比年初只参加过一天培训的团队能力强得多的团队。

一些公司更进一步，创建了内部人工智能卓越中心，让开发人员、设计师和产品经理在整个组织内不断分享新的用例和技术。

例如，LinkedIn建立了一个内部人工智能卓越中心，专注于信息流、招聘和广告等核心产品领域。他们开发了名为“经济图谱”和“人工智能构建模块”的内部平台，以促进各团队之间的快速创新。

转变五：人工智能目标纳入绩效考核

高绩效团队会为每个岗位制定具体的 AI 相关目标，并将这些目标纳入考核周期结束时的绩效衡量标准。

对于开发人员来说，这可能意味着要根据他们是否使用 AI 来减少进入生产环境的 bug 数量，或者是否使用 AI 辅助来缩短代码审查周转时间来评估他们的能力。

对于产品经理来说，这可能意味着使用人工智能来分析用户反馈，并用数据而不是假设来支持功能决策。

当人工智能的使用与绩效挂钩时，人们会认真对待。他们会想方设法有效地应用人工智能，而不仅仅是偶尔打开一个工具，然后说自己试过了。 

本文网址：http://www.rhjmzc.cn/newsdetail_3400188.html