# 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

网页: https://flyvolo.ai/zh/changes/ev-20251022-devops-engineer-1
日期: 2025-09-23 · 阶段: 使用者采用
这条记录能改变任务判断吗? 要和另一条独立记录一起才能
职业: https://flyvolo.ai/zh/careers/devops-engineer

## 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;而处于松耦合架构的团队获益,紧耦合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。

## 来源

- Google Cloud, announcing the 2025 DORA report (the DORA research programme's own publication) — https://cloud.google.com/blog/products/ai-machine-learning/announcing-the-2025-dora-report (一手来源)

## 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。

## 它还不能说明什么

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。

## 怎么自己核实

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。


更多: https://flyvolo.ai/llms.txt