新智元报道
新智元报道
十年来，Google Cloud的DORA报告一直被视为观察全球软件团队的风向标。而2025年这份新报告，把焦点放在了一个前所未有的主题上——AI已经全面渗透开发流程。近五千名技术从业者的调研结果表明，AI不再是尝鲜，而是主流。开发者用它写代码、改 bug、补文档，甚至参与产品决策。它既像「镜子」，折射出团队的真实状态，也像「放大器」，让优势和短板同时被放大。可最诡异的是：当90%的人都在用AI时，真正信任它的人却寥寥无几。
AI成为标配，却没人真信？根据报告显示，高达90%的开发者已经在日常工作中使用AI，这一比例比去年上涨了14%他们也不再是偶尔使用AI，而是达到每天中位数两小时，约占工作日的四分之一。这种「深度绑定」几乎覆盖了开发流程的各个环节。写新代码（71%）、修改已有代码（66%）、写文档（64%）、创建测试用例（62%）等都已成为AI的主战场。开发者在不同任务中使用AI的比例。写新代码、改bug和写文档是最常见的应用场景而且，绝大多数人都感受到了回报：80%的人认为生产力显著提升，59%的人表示代码质量更好。一位受访开发者甚至说：
AI不是解药，而是放大镜如果说「信任悖论」示了开发者的心理矛盾，那么另一个发现更耐人寻味：AI并不是单向的效率药丸，而是一面镜子，照出了团队真实的底色。在那些文化健康、协作顺畅的团队里，AI的加入就像加速器，让他们的迭代更快、质量更高。但一旦环境本身存在裂缝，比如遗留系统拖累、流程僵化、沟通混乱，AI并不会救场，反而会把这些问题放大，让交付变得更加不稳定。数据已经印证了这一点：个体效率、代码质量和组织绩效显著提升的同时，交付的不确定性和团队内的摩擦也在上升。AI对个人、团队和组织的综合影响。整体表现正向，但也可能带来交付不稳定和额外摩擦从数据上看，个体效率、代码质量和组织绩效显著提升，但与此同时，「软件交付不稳定性」也随之上升。部分团队的burnout和friction水平被推高。AI不会自动解决问题，只会让现状更加极端。报告还特别指出了一点：AI的使用与交付吞吐量呈正相关，这意味着高效团队正在更快发布软件，这也是对去年的研究结论的一次反转。2024年的DORA报告曾发现，AI的引入和交付速度没有显著关系，而2025年的数据首次证实了它确实能让强者更强。更有意思的是，研究者在团队访谈中发现了一种「镜像效应」。在「高效能团队」里，AI帮助他们更快完成代码审查、测试和部署，成员普遍觉得：
七种团队人设AI让好团队飞升，烂团队更烂在今年的DORA报告里，研究者把近五千个团队的画像汇总成了七种「典型人设」。七类典型研发团队的综合表现。不同人设在效率、质量、交付稳定性等维度上的差异一目了然。「和谐高绩效团队」是人人向往的理想型。他们像一支默契的乐队，AI的介入让节奏更快、旋律更稳。报告显示，这类团队在几乎所有指标上都是正向加分，从效率到幸福感都位居前列。与之相对的，是「遗留瓶颈团队」。他们背着庞大的旧系统和僵化流程，就像一辆发动机老旧的车，即使装上最新的AI涡轮，跑起来依旧卡顿。这类团队的「交付不稳定性」指数显著飙升，AI反而成了放大镜，让缺陷更难忽视。还有一些处于中间地带的，比如「低频高效团队」。他们谨慎、慢热，但关键时刻能打出高质量的成果。AI对他们而言，更像是一种「精修工具」，帮他们保持高水准，却无法解决节奏缓慢的问题。在这七种人设中，有的代表了未来，也有的预示了风险。不同团队人设在样本中的分布。说明大多数团队仍处在「中间状态」，既有优势也存在隐患这就像一次「团队体检」：AI不会改变你的本质，只会让优点更亮、缺点更痛。至于你的团队属于哪一类，答案可能比你想象的更直白。
AI生存蓝图决定团队命运的七项能力如果说「团队人设」像是一份诊断报告，告诉你你是谁，那么DORA提出的AI能力模型，就是一份行动指南，告诉你该怎么做。研究者发现，AI能否真正发挥作用，不取决于有没有用，而取决于组织是否准备好承接它。于是，他们在今年的报告中首次提出了DORA AI Capabilities Model：七项关键能力，决定了一个团队能否从「遗留瓶颈」进化为「和谐高效」。这些能力既包括技术建设，也涉及文化与制度：用户导向（User-Centric Focus）：AI能否真正服务业务与用户，而不是为了炫技。版本控制（Strong Version Control Practice）：是否有规范的迭代管理，避免AI引入混乱。数据可用性（AI-Accessible Internal Data）：内部数据是否结构化、可被模型利用。小批量工作（Working in Small Batches）：敢不敢拆解任务，让AI参与更高效的微循环。清晰AI立场（Clear and Communicated AI Stance）：组织是否明确了对AI的态度与准则。内部平台（Quality Internal Platform）：有没有配套的开发平台，把AI嵌入日常流程。健康数据生态（Healthy Data Ecosystem）：数据治理是否到位，隐私与合规有没有保障。这些要素和最终绩效直接挂钩：版本控制与代码质量强相关，用户导向能显著提升团队表现，健康的数据生态决定组织能否长期跑下去。换句话说，AI 成功的关键不在「买了什么工具」，而在「是否具备这七项能力」。这也解释了为什么同样是90%的使用率，有的团队飞升，有的却陷入困境。DORA报告的结论很直白：
文章原文
