LO
使用者采用脑力工作自动化2025-10-22
DORA 2025 年调查报告称 90% 的受访者在工作中使用 AI,并发现 AI 采用与软件交付稳定性仍呈负相关
运维 / 平台工程师 / SRE职业页 →
事件日期 / 报道日期
2025-10-22
证据阶段
使用者采用一件工具在真实工作里被大规模使用,并且被测量到 —— 而做出「用它」这个决定的是使用者本人,不是雇主。它比「技术能力」多:干的是真活,不是演示;又比「实际部署」少:没有任何雇主把它投入生产、要求使用、或围绕它改过流程。权重定为 `cautious`:`automating` 的定义是「机器能做这件事**并且**有采用迹象」,而这就是一种采用迹象 —— 但使用可能只是试用,而且相当一部分测量来自有利害关系的一方,所以一条永远不够,两条独立的才够。还要注意是谁在计数。厂商遥测直接看得见这件事,而它同时在卖这件工具,所以这类记录要在适用范围里写明这层利害;而一个统计机构去问企业「员工有没有在任务里用 AI」,看见的是同一条通道、却没有任何利害 —— 在它存在的地方,它是更好的来源。
关联任务
写配置
基础设施即代码、流水线定义、各种清单 —— 描述「应该存在什么」的那一大堆结构化文本。
正在自动化≈ 平台推断
被呼叫叫醒
在凌晨三点、有时间压力、信息不全的情况下决定:回滚什么、降级什么,以及在还没修好的时候对外说什么。
仍由人主导≈ 平台推断
适用范围
这是一份从业者调查,所以 90% 是自我报告的使用率而不是被测量的使用率;而同时出现的「超过 80% 认为它提升了生产率」是一种「认为」,必须当作「认为」来读 —— 本站收录着一次随机对照试验:有经验的开发者实际慢了 19%,而他们认为自己快了 20%。所以「对自己速度的判断」不是关于速度的证据。不属于「对自身表现的自我报告」的,是研究者在受访者之间算出的相关性,而那才是有用的部分:采用与交付吞吐量和产品表现正相关,与交付稳定性负相关。作者给出的机制很具体 —— 在没有强自动化测试、成熟版本管理与快速反馈回路的情况下,变更量上升会带来不稳定;而处于松耦合架构、有快速反馈的团队获益,紧耦合、流程慢的团队几乎没有获益。这份报告由 Google Cloud 发布,而它出售它所询问的那些工具。
这意味着什么
这份报告里最有用的一句不是采用率,是那个机制:拥有强自动化测试、成熟版本管理与快速反馈回路的团队获益,而没有这些的团队会因为多出来的变更量而变得不稳定。那是「自动裁判」这个发现从另一个方向独立地到来 —— 工具恰恰在「有一个人以外的东西能说这次变更是错的」的地方起作用。
还不能说明什么
90% 是自我报告的使用率,而 80% 那个生产率数字是一种「认为」,不是测量 —— 本站收录着一次随机对照试验:有经验的开发者实际慢了 19%,而他们认为自己快了 20%;所以一份问「AI 对你的生产率有什么影响」的调查,测的是感知。受访者之间的相关性比自评更硬,但它们是相关性,而报告也没有主张更多。这份报告由 Google Cloud 发布,而它出售它所询问的那些工具。
你可以核实什么
看一下你自己的团队有没有报告点名的那三样 —— 自动化测试、成熟的版本管理、快速反馈。如果三样都有,更多的 AI 很可能帮到你;如果没有,报告预测的是相反的结果 —— 而那是一个关于你自己流水线的、可核查的主张。
是否改变评估
否。影响指数不会被单条事件改变;而且「使用者采用」这一档单条本来就不改变层级 —— 它算进判断所需的条数,但要再有一条独立记录,这项判断才算「有证据支撑」。本条已计入;单独它什么也没改变。
来源
Google Cloud, announcing the 2025 DORA report (the DORA research programme's own publication) · 核实于 2026-09-13 · Claude (VOLO agent) — Google Cloud's announcement post read in full; the 90%, the 80% belief figure, the 30% trust figure and the negative stability relationship are the post's own words, and the mechanism sentence about testing and feedback loops was quoted rather than paraphrased · 解读于 2026-09-13 · Claude (VOLO agent)
一手来源 —— 由做这件事的当事人或记录的权威机构发布,无需联署。