超越代码生成：AI如何改变技术团队的协作模式

虽然AI编程助手正在帮助开发者提高生产力，但AI的真正价值在于其自动化历史上一直是瓶颈的非编码任务的能力，使领导者能够创建更敏捷的团队并专注于更高层次的战略问题。

AI已经从根本上改变了人员和企业的工作方式。从简单的预测文本开始，技术迅速发展。自从Google在《Attention Is All You Need》中引入Transformer架构以来，大型语言模型变得比以往任何时候都更加复杂。AI不再仅仅是一个聊天机器人，它已成为技术领域的一个显著特征，深深嵌入到我们工作、与技术及彼此互动的方式中。

对于技术团队而言，AI已经改变了整个软件开发生命周期，并实现了团队组织和领导的新模式。AI加速了编码过程，使开发人员能够将更多时间投入到复杂和创造性的任务中。同时，它通过自动化帮助团队清除重复性任务的瓶颈，使领导者能够创建更敏捷的团队并专注于更高层次的战略问题。

Google产品高级总监Ryan J. Salva在Leaders of Code播客第11集中分享道：“这不仅关乎我们是否写代码更快？更重要的是，我们能否更快地交付软件？而事实是[编写代码]从来都不是交付软件的真正瓶颈。瓶颈是围绕它的所有其他事情。是软件在生产环境中的运营。因此，AI真正做的是给我们一个实际在每个冲刺或每月交付承诺的战斗机会。”

本文深入探讨了领导者如何：

• 利用AI自动化清除团队瓶颈
• 在小型团队内促进协作并实现敏捷性
• 创建强大的学习文化
• 保持文档和组织知识的质量

通过自动化清除瓶颈

通过像Copilot这样直接集成到工作流和IDE中的编码助手，AI减少了开发人员在标签切换上的需求，使他们花更少时间手动编码，更多时间专注于更高优先级的任务。技术团队的真正好处不仅来自生成式编码助手，还来自AI自动化经常导致程序员瓶颈的重复性任务的能力。

开发人员现在有一个口袋助手，帮助处理常规但重要的任务，包括编写文档、保持组织和管理行政工作。根据麦肯锡的一份研究报告，开发人员使用AI有助于加快手动任务的速度。AI现在可以在开发人员编码时记录代码功能，并为他们自动填充标准函数。在更新现有代码方面，开发人员速度提高了，因为AI助手可以通过自动化和代码生成来促进更改。

根据卡内基梅隆大学计算机科学学院的说法，AI在错误检测、质量保证和测试方面也为开发人员提供了增强的功能和效率。Stack Overflow平台工程高级总监Peter O’Connor在谈到AI自动化重复性工作的能力时分享道：“它确实帮助我们更快地前进，并减少了在开销领域的认知负担。我不需要回到我的Jira任务并将其标记为完成。有什么东西可以为我做这件事吗？那就太好了。”

减少认知负担使团队能够专注于更大的图景，而不是整天忙于检查重复性任务。对Google而言，这已经转化为各级工程师都在思考战略和架构。Ryan J. Silva解释道：“许多过去只在我们最资深的首席工程师和超级技术负责人之间进行的架构对话，现在已成为我们二级工程师的日常领域，因为我们都需要在架构层面思考。”

借助AI，开发人员不再需要每次都处理机械性任务，解放了他们的工作负荷和思维，使他们能够专注于高层次思考，让创新和创造力在组织中流动。对Salva和Google来说，"[AI自动化]清除了我的工程师们的大量工作，让他们可以去解决问题，而不是做文书工作、官僚主义和项目管理。"

通过团队重组实现更高敏捷性

AI自动化通过提高敏捷性和协作来帮助组织。随着认知负担和常规任务的减少，团队现在能够专注于解决问题，而不仅仅是完成待办事项清单。在Google，这表现为将团队重组为更小、更具协作性的部分。Ryan J. Salva分享了他的团队如何被重塑时说：“我今年开始真正看到的是，过去围绕30到60人组织起来交付单一能力或单一服务的团队开始分解成更小的组成部分。”

这种重组减少了团队的协作税，使小型团队在应对挑战时更加敏捷和富有创造力。沟通变得更容易，导致更快的迭代和对新信息的更快响应，同时减少了在大型团队中经常发生的来回沟通。Salva解释说：“你往一个问题上堆的人越多，你就需要让每个人都达成共识…试图让15、20个人达成共识与你和你旁边的人达成共识是非常不同的。”

但这并没有导致Google开发人员的减少。相反，小型开发团队能够更清晰地专注于出现的问题，以更有组织和协作的方式工作，产生更好的结果。在小型团队中，上下文已预先构建到对话中，因为开发人员与队友紧密合作，并对他们的工作流程有更大的可见性。这为团队开辟了更多协作机会，减少了经常阻碍员工创新和创造性工作能力的协作税。Salva指出，在Google，“当你能够与你和几个合作者进行更高带宽的对话时，这使你能够更快地前进。它使你在交付这些能力时对新信息的反应更加敏捷和灵活。”

使团队获得富有成效的AI成果

AI正在改变技术团队的运作方式，这使得领导层必须专注于真正的业务成果。领导者不应仅仅依赖代码行数或拉取请求等生产力指标，而应创造一个鼓励实践和共享学习的环境。为此，领导者需要将学习和创造力不仅视为对员工有益，而且视为整体业务战略的基本要素。没有这一点，AI采用将停滞不前，领导层将在让团队成功使用AI工具方面面临障碍。

根据麦肯锡关于工作场所AI的报告，近一半员工将AI培训列为AI采用的最重要因素。研讨会、配对的AI编程会议以及团队成员可以分享技巧和经验的论坛，都是领导者可以帮助建立学习文化的方式，促进AI工具的广泛采用和参与。

为了创造一个不仅鼓励学习而且深深扎根于学习的环境，摩根士丹利高级学习专家Christina Dacauaziliqua建议将业务成功与员工的学习和反思联系起来。“我认为有时成功被孤立地看待，好像它是凭空而来的。我们真的需要创造这样的对话：是的，它的确发生了，因为有很多对经验教训和胜利的反思，而且是以非常有意的方式进行的。”

通过创造与业务成功直接相关的学习和沟通环境，员工可以建立信心和技能，知道他们的工作正在产生重大的业务影响。领导者需要积极鼓励学习作为团队日常工作的一部分。这种方法有助于将学习的好处传播到团队和部门之间，使组织能够广泛采用和理解工具，同时获得更多创造和创新的机会。

组织知识帮助推动团队创造力

AI在帮助团队变得更敏捷、更高效和更具战略性方面的有效性取决于其训练数据的质量。为此，领导层必须优先考虑准确、高质量的文档和知识库的整理。随着团队开始使用AI自动化工作流程，低质量数据将导致错误的操作和幻觉。虽然AI能够生成文档，但人类仍然对其质量和准确性负责，以避免技术债务。

Google产品高级总监Ryan J. Salva在Leaders of Code第11集中分享道：“文档至关重要。而该文档的质量…它将随着时间的推移而复合，因为大型语言模型是出色的模仿者。因此，如果文档不完全符合你的要求并且不是真正完美的…它将找到代码中的那个漏洞，那个软点，并一次又一次地放大它。”

领导者不仅需要考虑产品交付或项目启动的速度，还需要考虑他们如何记录这些过程。良好的数据和记录完善的组织知识是成功AI战略的核心——一个不会为员工积累更多技术债务或认知负担，而是促进创新和生产力的战略。

面向技术团队的AI：超越代码生成，迈向创新

虽然代码生成通常是领导者和员工在将AI加入技术工作流程时首先想到的事情，但真正对组织具有变革性的是AI自动化"围绕工作的工作"的能力。通过消除由重复性行政任务和测试引起的瓶颈，AI使开发人员能够专注于更高层次的战略思考，培养更具创新性和协作性的员工队伍。

随着AI在成功公司的工作流程中变得越来越根深蒂固，团队和部门的结构及流程将发生变化。对于像Google这样的组织，这已经导致了向更小、更敏捷的能够快速解决问题的单位的基本转变。但与AI的工作不同，这种成功不是自动的。它取决于领导层的支持。

领导者必须优先考虑强调创造性思维的强大学习文化，允许团队尝试新想法和工具。高质量的文档也必须成为优先事项，因为AI的有效性仅取决于其训练所依据的组织知识。当技术团队超越单纯的代码生成并得到领导层的强力支持时，AI自动化的真正胜利就会发生，组织转型才能实现。