IT｜研发效率破局，ChatGPT能行吗？发表时间：2023-11-17 14:56 
AIGC如何提升研发效率研发效率破局的三个核心 #人力 #流程 #工具 #如何验证AIGC效率 #ChatGPT落地场景
AI 人工智能 研发效率是核心竞争力，也是企业在瞬息万变的市场中存活的基础。这是各大软件厂商的共识，虽然大家都投入了大量时间和精力，但如何提高研发效率，仍然是管理层一直面临的巨大挑战。 前阵子Noah有幸受邀拜访国内知名的软件厂商A，与其公司高管进行了一次关于软件公司共同难点问题的激烈讨论，围绕的核心问题就是如何提高公司的研发效率。随后Noah也带着讨论的观点和问题，请教了多位业界技术大牛。本文是Noah根据这些讨论总结出来，有关如何提升软件公司研发效率的观点。
了解到A公司的背景，Noah提出了自己的观点：“既然谈到软件研发效率，先要更清晰定义，公司的产品研发人员会有哪些，包括运维，测试，产品，开发，算法，技术架构师等。个人认为所谓研发效率无非是如何更好的使整个产品研发团队的同学在获得清晰市场/客户需求的情况下，使用合适的工具，以求低成本，快速的完成产品研发和迭代。” 软件研发效率的核心就是其中的人力、流程和工具。 01 人力 - 能力优先 流程 - 自上而下 人员能力需要跟业务变动相匹配；而流程则需要高管制定和执行。 人：具体从事产研体系的人员。 面对人的问题，我们首先要厘清产研体系遇到的痛点是什么。在今天的例子中，不难看出A公司过去的产品代码量级并不是非常高，面对几何倍增长的代码量级，目前的人员在能力上无法适应。 这个能力可以拆解成两部分： 一是主观适应能力，由于以前代码量级不高，那很多产研人员可能已经形成一套自我的时间安排节奏，而如今代码量巨增，必然会出现很多任务无法按照原来的工作节奏完成。 二是对于庞大代码量的接受和学习能力，不可否认，原有的产研体系必然存在很多技术能力无法达到目前高代码量要求的技术人员，部分人员技术能力的不够，必然会导致整个产研体系效率的降低。
作为专注在IT领域多年的招聘专家，Noah对此提出了一些建议，多维度提升团队效率。 能力优先的招聘：招聘有大代码量级团队管理经验的产研负责人，负责人能够清晰有效拆解总代码量的工作，并能够下放到每个人身上。 针对主观适应能力不够的员工，由高管制定策略，进行详细的任务布置，帮助其逐步适应和改善工作节奏。 针对技术能力不够的员工，进行适当的技术培训。并且让其从浅层的事情做起，慢慢熟悉高代码量级的工作核心点。 而说到流程，也离不开公司的技术高管。换而言之，流程的制定和技术高管的执行，任务下放是息息相关的。所以这个流程需要客制化的进行。在这点上，找到一个有搭建过研发体系流程的人，且其理念，能够快速和公司原有技术体系进行一定的融合就显得尤为重要。 02 工具 - AIGC 未来还有多远？ 关于效率提升工具，大家对CICD，devops，敏捷等都不陌生。市场上也有非常多的研发管理，项目管理的工具。今天我想提的是一种新的思路——AIGC。 软件研发过程中积累的大量研发数据，维度可能包含时间，代码量，人数，项目数等。是否可以让ChatGPT来消化这部分工作呢？目前业界大佬给出的答案是肯定的，但是仍需要企业从外部招聘或内部转化能够使用AIGC工具的人，这些人需要有韧性，有创业精神，对新事物新技术好奇并看好。
Q1 如何验证AIGC对效率的提升？ 企业可以利用混沌测试（红蓝测试），对照AIGC对研发效率的提升。例如，将参与测试的研发人员氛围两个团队，分别给出测试场景，例如“如何用Jace实现原来C实现的功能并解决某个bug”，然后去对比两个团队的时间成本和最终结果的效率。测试结束后可以先从边缘业务的实际场景来落地进行，进一步对比可行性，最后再延伸到核心业务。 这个过程中需要有人非常了解大模型，其次需要有人非常了解内部原来的产品技术点，以及原有的流程效率。大模型是不断需要有人去训练的。 Q2 具体落地场景 场景一 当你在工作中写完了一大串代码，但运行时候出现了问题。你可以把代码直接发给ChatGPT，告诉它这串代码运行时候出现了断网问题，问它应该如何解决。ChatGPT就会快速帮助你分析bug可能出现的原因，有以下几种可能。你可以再结合它给的方法和思路，去找到产生bug的源头。这比人工一个个排查代码所需要的时间，会节省一半或更多。 场景二 你是一个架构师，你突然想在一个知名技术架构A上做一些改进。你可以直接和Chatgpt说，我现在有一个想法，想在技术架构A上改变什么，实现什么功能。Chatgpt就会给你呈现这个技术框架（如果以前就需要这个架构师自己打出来。）同时可以给你实现和开拓一些思路。 Q3 AIGC未来的商业化场景 未来大厂或者这个行业的玩家会使用更多的开源框架，例如近期OpenAI推出的GPTs，用户可以根据自己的需求生成专属的GPT，这将会更大限度提升AIGC在细分行业和领域的应用。当然也会存在很多行业，会需要高度保密，比如金融，政府等。对这些行业，未来的Chatgpt会更多是本地部署，卖给某一客户后由其客户本身进行行业知识数据的training。 总的来说，细分大概率会是未来的重心。 Q4 AIGC会取代哪些人？ AIGC提升的是整合和输出信息的效率，它善于通过不断被喂食数据，在一定规则范围内（无论这个规则多复杂，比如围棋。）完成单一任务。然而，它生成的每个任务都是独立，割裂的。不仅需要工程师不断训练，它所给出的答案也需要人为修正。如果把这个过程比喻成造车， ChatGPT给出一般车辆所需要的的所有组件，但我们仍需要高级的技术架构师把这些组件串联起来。未来只有对于技术覆盖面，复杂的解决方案产品足够了解的人，才会有更多价值。单一负责某一类技术或者模块的人会容易被取代。 本文作者：
编辑 | Partner One 市场部 图片源自网络，侵权请联系 |
