衡量AI辅助编程带来的收益
本文主要介绍了如何度量研发效能，以及AI辅助编程是如何影响效能的，进而阐述如何衡量AI辅助编程带来的收益。
理解度量：有效区分度量指标
为了帮助研发团队更好地理解和度量研发效能，可以将指标分为三类：能力和行为指标、交付效能指标和业务结果指标。该分类有助于从不同维度评估和改进研发工作。
能力和行为指标：反映团队的实际工作方式和能力，影响交付效率，可以被改进。例如，单元测试覆盖率、代码扫描问题数、持续集成频次、圈复杂度、解耦度（Decoupling Level）等因素。
交付效能指标：反映技术团队的效率，与业务结果有一定相关性，但不直接影响业务结果。例如，速度、吞吐量和质量等因素。
业务结果指标：反映真实的经营情况，直接与公司的收入、规模和成本等相关，可以直接用于绩效考核。例如，营收GAAP、毛利、净利、成本及月活跃用户等数据均可作为业务结果指标。
什么是研发效能，如何度量？
研发效能是指软件研发团队持续、快速、高质量交付有效价值的能力。具体来说，包括以下几个方面：
做正确事情的能力：即交付有效价值。
正确地做事的能力：即持续性、速度和质量三个方面，其中质量是对速度的约束条件，持续性是对速度和质量的一贯性要求。
研发效率的度量
有效的度量能够引导正确的改进行为，决定后续的改进行动。团队的职责范围决定了采用什么样的指标。通常对于技术团队会从以下几个方面进行衡量：
效率：速度（流动效率，单个工作项的流速）和吞吐量（资源效率，单位时间内完成的工作项数量）。
质量：交付质量，即交付物离开团队之后的质量。
员工幸福感：员工幸福感是一个主观性调研指标，与持续性有正相关。
AI辅助编程是如何影响研发效能的？
AI辅助编程以AI为技术手段，提升编程效率，反映的编码的能力和行为。具体可以从以下几个方面衡量：
编码效率：开发者的编码时间占比 × AI生成代码占比 = 节省的开发时间比例。例如，员工有30%的时间花在编码上，AI生成了40%的代码，则可以理解为节省了12%的开发时间。
代码的缺陷密度：代码的缺陷密度是一个滞后指标，反映代码质量，如千行代码缺陷量。
员工编程体验的满意度：员工编程体验的满意度是一个主观指标，反映工具对于员工编程工作的帮助，如工具的易用性和实际工具的使用效果。
编码效率提升
在软件研发过程中，编码效率是影响研发效率的重要因素。除编码效率外，还有许多其他因素对整体研发效率产生影响，主要包括需求质量、协作流程、测试自动化及持续集成/持续交付（CI/CD）的工程能力等。这些因素可归纳为两个方面：个体效率（单点改进）和协作效率（流程改进）。从问题改进的角度来看，可以总结为四个方面：阻塞、返工、负债和失能。
编码时间占比与AI生成代码占比
开发者的编码时间占比 × AI生成代码占比 = 节省的开发时间比例。例如，员工有30%的时间花在编码上，AI生成了40%的代码，则节省了12%的开发时间。
数据来源显示，受访者花费不到三分之一的时间编写新代码或改进现有代码（32%），35% 的时间用于管理代码（包括代码维护 19%、测试 12% 和响应安全问题 4%），另有 23% 的时间用于会议和管理运营任务
综合开发行为的提升
程序员在开发阶段不仅写代码，还包括调试、测试、信息检索等工作。因此，在每项工作中是否有提升点，以及提升了多少，可以形成如下的计算公式：
这里设定一个假设基线，即在没有 AI 工具的情况下，单位工作量的成本是多少。该基线一般在企业内有相关统计数据，如果没有，则可以参考行业统计数据。此外，还需考虑在每个开发行为中，AI提升效率的同时是否会产生额外成本，例如接受代码后仍需进行修改，这可能会影响手工基线的准确性。
无论选择选项一还是选项二，其背后的方法均为：行为 × 效果 = 效率。一般而言，不必过于追求数据的精确性，因为过于精确的统计可能会引导错误的行为或增加额外的管理成本。统计意义上的准确性就够了，其关键在于能够有效回答一个本质问题，并指导相应的改进。
开发效率提升对整体研发效能的影响
根据利特尔法则（Little's Law），速度 = 在制品数量（WIP） / 吞吐量，换算过来就是吞吐量 = 在制品数量（WIP） / 速度。通过AI方式，可以改变以下几点：
交付的速度：单个工作项的速度提升了，吞吐量会增加，在途任务（任务的WIP）也会显著下降。对于待排期需求会是一个很好的消耗，从而减少待排期需求的数量。待排期需求的数量下降，对于整个产品研发的在途需求数（需求WIP）也会下降，进而提升了整体研发速度。
交付的确定性：速度提升，对于软件研发在时间上的确定性会有着与之相应的提升。
员工的编码体验的满意度
为了评估智能编码助手对员工编码体验的满意度，可以通过用户调研的方式获取反馈，并发现可以改进的地方。问卷设计需要考虑三个因素：用户画像、用户满意度、用户使用效率。以下是具体的问卷设计示例：
用户画像
你有多少年的编程经验？
不足 1 年。
1-3 年。
3-5 年。
5-10 年。
10 年以上。
你在工作中的主要角色？
初级开发者。
中级开发者。
高级开发者。
架构师。
技术经理。
其他（请说明）。
你常用的编程语言有哪些？（多选）
Java。
Python。
C++。
JavaScript。
Go。
Ruby。
PHP。
SQL。
XML。
其他（请说明）。
你使用智能编码助手的频率如何？
每天多次。
每天一次。
每周几次。
每月几次。
很少使用。
用户满意度
你对智能编码助手的总体满意度如何？（打分 1-5 分，5 分最高）
关于使用智能编码助手的一些描述，你的看法是？
视觉舒适、操作符合习惯。
没有被打扰的感觉。
上手成本低、操作流畅。
愿意采纳生成的建议代码。
编码问题能够得到有效回答。
代码和问答生成速度快。
较少遇到报错。
用户使用效率
通过使用智能编码助手，你觉得对你的编码工作效率有多大的提升？（单选）
显著提升。
有所提升。
没有变化。
有所下降。
显著下降。
回想一下，你使用智能编码助手的场景，下方的描述，你的观点是什么？
工作更加有成就感。
编码时更加自信。
使用熟悉的语言时，效率更高。
使用不熟悉的语言时，进度更快。
减少编写重复性代码。
可以保持编码心流。
减少搜索引擎使用。
最后，您可能会得到如下方所示的结论：
AI辅助编程的效果如何衡量？
针对“到底使用采纳率合适，还是AI代码生成占比合适”的问题，首先需要明确两者的定义及其计算逻辑：
采纳率 | AI代码生成占比 | |
定义 | 在单位时间周期内，代码补全的采纳次数与推荐次数的比率。具体计算公式为： 采纳率=采纳次数/推荐次数 | 在单位时间周期内，开发者采纳的AI生成的代码行数与变更代码行数的比率。具体计算公式为：代码生成占比=采纳的AI成生的代码行数/变更代码行数 |
优点 |
|
|
缺点 |
|
|
同时，可能还会有这样的疑问，为什么不使用AI代码生成的入库占比来计算呢？主要原因如下：
版本管理工具无法识别：版本管理工具无法区分代码是由AI生成的还是人工编写的。代码提交的作者是提交人本身，而非AI。
引入复杂度：追求入库率会导致度量变得异常复杂。追求构建并发到生产环境的数量，引入了更多变量。
因此，建议采用最直观的 AI 生成占比来统计编码行为的效果是一个比较推荐的方式。如果无法获得 AI 生成占比，采用采纳率也是一种可取的方式，但过分追求统计精确性的意义不大。
衡量AI编码工具收益的具体方式
为了更好地衡量AI编码工具对效率的影响，可以从以下几个方面进行观测和分析：
工具使用量：
开发者数量：统计使用AI编码工具的开发者数量。
活跃度：统计活跃用户的数量和活跃频率。
行为：某些能力使用的频次，统计特定功能（如代码补全、单元测试生成、代码注释生成等）的使用频次。
效果：采纳或有效生成占比，统计采纳的AI生成代码行数占总变更代码行数的比例。
开发效率提升：通过观测开发者在使用 AI 编码工具前后的编码效率变化，建立相关性。同时，通过“工具使用的行为 x 效果 ≈ 效率”这个简单公式，来获得对于个人开发效率提升的统计。
研发效率的贡献：研发效率涉及多个方面，包括需求质量、协作流程、测试自动化、CI/CD工程能力等，但开发阶段的效率提升对整体研发效率有显著贡献。
从系统思考的方式建立因果关系：从整体系统的角度出发，分析各个行为、效率和结果之间的因果关系。找到关键的杠杆点，即能够带来最大效益的改进点。
度量原则：度量指标需要回答一个本质的问题，即AI编码工具是否真正提升了开发效率。度量指标应引导正确的改进行动，而非误导。