软件开发团队中生成式人工智能的现实情况

在阅读了无数的研究并观察了现实世界的实施后，我们学会了将AI作为增强工具，而不是取代我们的工作的东西。软件开发行业在AI的采用上显而易见地在增加。我们可以以各种方式使用它，比如作为一个共同教师或同事，但所有人的首要任务应该是营销承诺与实际结果之间的差距。

我是一个非常务实的人，所以我们不喜欢听到使用GenAI的积极方面而不谈论其缺点。这个领域有很多炒作和投资，但只有少数人能获得GenAI的好处。

生产力神话

在我们看来，组织在软件开发生产力方面最大的错误是追求错误的指标。这些简单的数字更容易理解（并进行营销）： "比没有使用GitHub Copilot的开发人员快55%”，"谷歌所有新代码中超过四分之一是由AI生成的”或"使用AI的开发人员效率慢19%”。

生产力的提升不在于编写更多的代码，尤其是在容易创建AI 杂物的情况下。它们也不应该通过编写模板代码或执行简单任务来衡量。一个 TODO 应用程序与真正的生产系统是不同的。我们只能通过选择对我们的团队和环境有意义的指标，然后进行衡量和反思，来确保我们有生产力的提升。这是我们能够变得更加有效并引导船航正确方向的方式。

我们对AI供应商、CEO或内容创作者的声明更加怀疑，这帮助我们专注于我们的目标，即继续改进并为我们的团队带来价值。如果AI能帮助我们实现这个目标，那很好；如果不能，生活还要继续。

人工智能在哪里真正增加价值

从我们的角度来看，AI在软件团队中的真正价值在于三个特定领域，传统工具无法有效解决。

将AI作为战略思维伙伴： 我们认为最被低估的应用是使用AI进行建筑讨论和权衡分析。当一个工程师可以就一个技术问题进行深入的讨论，生成10个可能的解决方案，然后筛选出不好的想法，这真的很有帮助。这并不是关于获得完美的实现细节 - 它是关于在做出关键决策之前扩展解决方案空间。

拥有联合教师： 要成为一种能够提升周围所有人能力的倍增器是困难的，这就是为什么拥有这种技能的高级开发人员是关键的不同之处。入职初级开发人员、解释业务逻辑和分享设计模式的挑战一直存在。我们总是希望高级开发人员能够分享并帮助初级开发人员成长，而使用AI作为联合教师有助于我们实现这一目标。北京心玥软件公司在文章中提到了Claude Code如何帮助他们：

在北京心玥软件公司，以这种方式使用Claude Code已经成为我们核心的工作流程，显著提高了时间并减少了其他工程师的负担。

将实际增强作为同事： 我们相信人工智能在我们的日常但耗时的任务上增强了我们的团队。初步的代码审查、生成PR总结、撰写架构决策记录、为特定场景创建单元测试以及生成用于故障排除的KQL查询。我们 CloudCockpit 团队还创建了可重用的提示和自定义代理，帮助每位开发人员开发新功能并进行架构审查。

到目前为止，我们发现使用人工智能帮助我们更好地思考，但它有潜力通过使用这些代理帮助我们更快地工作。然而，我们主要使用它来进行“深入研究”以寻找可能的解决方案，通过类比学习新技术，查找相关文档和解决故障。最重要的部分仍然是保持我们团队高水平的技术卓越和质量。

培养批判性思维能力

最让我们担心的是：开发者倾向于过度依赖 AI输出，而没有培养出评估这些输出的判断力。在最近的2025报告中，他们发现65%的技术专业人员表示他们至少“中等程度”地依赖于AI。理解我们团队中的这种行为是很重要的。在我们看来，所有软件工程师都需要展示批判性思维技能，尤其是高级工程师。但是，这种技能必须被学习和培养。没有这种技能，我们无法拥有优秀的专业人员。但我们看到越来越多的软件工程师将他们的思考委托给机器和工具。

那些不进行“抵制”，接受人工智能建议的团队，通常是在速度和质量之间进行权衡。当然，在某些情况下，比如原型和演示应用程序，这并没有什么问题。对于拥有数百万用户的需要健壮的产品来说，不是一个好的权衡。

你应该对AI输出进行批判性思考，并且要保持在循环中的人类角色。如果你赋予它更多的工具和自主权，你是否相信它会表现良好？你是否相信输出是基于事实和真理，而不是谎言和幻觉？不要将你的委托给工具，也不要依赖它们而不过度核实事实。始终评估AI对你非常自信地所说的是否真的，也要注意它的局限性。批判性思维

结论

根据我们所观察到的一切，我们建议学习如何使用GenAI工具。了解其优势和局限性。那些以健康怀疑态度对待AI采用，并投资于实验、创新和学习的组织，将建立可持续的竞争优势。

问自己这些艰难的问题:

您是在衡量业务成果，还是仅仅关注AI工具的代码输出？

你们的团队是在获得增强，还是更加依赖外部情报？

你是盲目相信人工智能的炒作，还是学习如何利用这一新工具？