任晶磊：AI落地研发的“最后一公里”暨《DevData24研发效能基准报告》数据解读.pdf

《DevData24研发效能基准报告》

核心数据解读

任晶磊

思码逸创始人兼CEO

任晶磊

思码逸创始人兼CEO

公司职位

•清华大学计算机系博士；前微软亚洲研究院研究员，

斯坦福大学、卡内基梅隆大学访问学者

•《软件研发效能度量规范》标准核心起草专家

•多篇论文发表在FSE、OSDI等顶级国际会议上

•曾参与微软下一代服务器系统架构设计，获4项美国发明专利

•ApacheDevLake开源项目发起人

GOPS全球运维大会暨XOps技术创新峰会2024·北京站

企业研发应用AI，效能提升了吗？

（采纳率）

应用AI工具对企业研发效能的影响

效率方面：18%质量方面：23%

应用AI工具比未应用的企业应用AI工具比未应用的企业

需求交付周期更快单元测试覆盖度更高

数据来源：《DevData2024研发效能基准调研报告》

GOPS全球运维大会暨XOps技术创新峰会2024·北京站

AI落地企业研发的路径与终点

•AI落地企业研发需要“以终为始”，做填空题：

•使用DevChat后，规范提交比例从____%提高到了____%，从而看清楚了需求、缺陷和重构工

作的占比，优化了资源分配

据此保证了____%研发带宽用于支持业务需求，将需求吞吐率从每月交付____个提升到____

•使用DevChat后，单元测试覆盖度从____%提高到了____%，改进了质量薄弱环节，降低了质

量保障成本

据此将缺陷密度从____‰降低到____‰，发版事故数从____个减少到____

GOPS全球运维大会暨XOps技术创新峰会2024·北京站

DevData24研发效能基准报告

170份有效样本

首次采用客观数据结合主观问卷

方式。客观数据来自受访企业私

有部署的思码逸DevInsight，采

三大认知域集Git、Jira等数据。

指标涵盖了《软件研

发效能度量规范》的15个指标基准线

三个主要认知域：

交付速率、交付质量统计分析代码生产率、代码贡献

和交付能力。均衡度、需求吞吐量、需求交付

周期、重点问题密度、缺陷修复

工作量等指标基准线