编译丨诺亚
出品 | 技术栈（微信号：blog51cto）
日前，Gartner预测，到2028年，将有75%的企业软件工程师使用AI代码助手。值得一提的是，这一比例在2023年初尚不足10%。
根据对598位大型企业软件工程领导者的调查，截至2023年第三季度，已有63%的组织正在试用、部署或已部署了AI代码助手。
然而，Gartner高级首席分析师Philip Walsh警告称，在生产力提升方面，IT领导层的期望与软件团队的实际体验之间可能存在不匹配。
Walsh表示，销售AI辅助编程工具的供应商声称，这些工具可以将程序员的生产力提高多达50%，而三分之一（34%）的CIO和技术领导者认为，AI代码生成可能对其软件开发工作产生“颠覆性”影响。
“这表明人们对AI代码助手在生产力提升方面的期待非常高。”他说。
虽然AI编码工具在很大程度上提升了开发人员的工作效率，实现了诸如快速代码生成、智能重构、自动化测试等任务的处理，显著减少了重复劳动和人为错误，但目前其实际应用领域和深度仍存在明显局限性。这些限制主要体现在以下几个方面：
首先，AI编程工具对于特定类型的问题和任务表现尤为出色，如处理常见编程模式、遵循既定规范的代码编写、基于模板的代码片段生成等。然而，对于高度复杂、创新性强或者特定行业背景下的定制化需求，现有的AI模型可能难以准确理解和应对，仍需人工介入进行精细调整和优化。
其次，尽管AI在编程过程中能够提供有效的辅助，但在软件开发生命周期（SDLC）的其他重要环节，如需求分析、架构设计、项目管理、用户体验设计、测试策略制定以及后期的维护与升级等方面，AI的参与程度和贡献度相对较弱。
正如Walsh指出的，编码本身并不构成整个软件开发生命周期中的大部分工作。那些非编码任务往往占据了开发人员大量时间和精力，对于整体项目效率的影响不容忽视。
“软件开发涉及各种各样的任务……即使你在编码任务上能实现50%的更快完成率，但放眼整个周期，编码可能只占其中20%的工时，也就是说整体周期时间只提高了10%。”
再者，AI编程依赖于大规模的高质量训练数据和先进的算法模型，但针对某些新兴技术、罕见编程语言或特定领域的专业知识，现有的数据资源可能不足，导致AI的智能化水平和适应性受限。
此外，AI生成的代码虽然在语法层面通常正确，但其逻辑复杂度、可读性、可维护性及性能优化等方面可能尚无法完全媲美经验丰富的开发者手写的代码。
因此，尽管AI编码工具的受欢迎程度会与日俱增，但开发团队可能需要管理其高层管理人员的期望。
“他们不会从供应商那里听到这些，”Walsh说。“希望他们的开发者和工程负责人会告诉他们，并且他们会倾听。我们不建议——任何形式的自上而下的生产力强制要求。这行不通。”
他表示，开发团队需要有一定的自由度去探索最佳应用场景。他们需要在一个鼓励试错、允许失败的学习型文化中工作，以便最大限度地利用这些新工具。
“CTO们需要营造这样的文化，倾听员工的声音，同时也要为实验和失败创造空间，”他如是说。
再进一步思考，对于AI编程技术的接纳和有效利用，不仅取决于技术本身的成熟度，还受到企业组织结构、开发流程、团队技能水平、工具集成能力以及行业监管环境等多种因素的影响。许多企业可能尚未建立起适应AI辅助开发的最佳实践和配套基础设施，使得AI编程的优势未能得到充分释放。
综上所述，尽管AI编程已经在提升开发人员效率方面展现出了显著潜力，但要实现软件开发生产力的全方位、深层次变革，仍有赖于技术的进一步发展、应用场景的拓展、数据资源的丰富、开发流程的优化以及企业适应性的增强等多个层面的持续进步。
简言之，距离AI真正推动软件开发生产力实现质的飞跃，我们还有一定的路程要走，需要耐心等待并积极投入研发与实践。
参考链接：
本文转载自 技术栈 ，作者：