如果不能衡量它，就无法管理它，也无法证明继续投资的必要性。

首先以您现有的 DORA（DevOps 研究与评估）指标作为基准：

部署频率：你们是否正在增加部署频率？

变更的提前期：从提交到生产的时间是否更短？

变更失败率：是否更多版本发布无需回滚即可成功？

平均恢复时间 (MTTR)：您是否能更快地从事故中恢复？

工程团队每天多次部署，并能在不到一小时内从故障中恢复。人工智能辅助的工作流程应该帮助你的团队朝着这个目标迈进，而不是背离它。

除了 DORA 之外，还有以下曲目：

使用人工智能代码审查工具前后，每个 PR 的代码审查时间对比

测试覆盖率随时间变化的趋势

每个功能从规范制定到首次 PR 所需的时间

工程师满意度和感知生产力（季度调查）

你不应该做的是：统计生成的代码行数或合并的 PR 数量。

这两种指标都会助长错误的行为。团队如果以更快的速度生成质量更低的代码，那实际上是在退步，而不是进步。

以业务术语向领导层汇报人工智能应用带来的影响：更快的功能交付、更低的缺陷率、更高的团队留存率。

将工程指标与你的首席财务官能够认可的指标联系起来。

为了更全面地了解除了 DORA 之外还值得跟踪的开发者生产力指标，我们的分析涵盖了整个情况。