Orchestrating human–AI software delivery: a retrospective longitudinal field study of three software modernization programs
这项针对三个软件现代化项目的回顾性纵向实地研究表明，虽然早期的 AI-人类协作配置以牺牲质量为代价提升了速度，但通过整合验收标准验证、代码仓库原生评审以及混合执行的成熟配置，在显著缩短交付周期的同时，也显著减少了验证问题并提高了首次发布覆盖率。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在软件构建的世界里，这项工作长期以来一直被理解为一种人类的工艺。工程师团队聚集在一起，理解问题、勾勒计划、编写使程序运行的代码，然后花费大量时间检查这些代码中的错误，最后才将其发布给公众。几十年来，这个领域的成功标准是人类完成这些步骤的速度有多快。最近，一种新型的助手进入了工作坊：人工智能。这些系统可以阅读海量的代码，并在几秒钟内建议新的文本行。早期的报告表明，仅仅将这些工具交给个人程序员就会让他们变得更快，就像给木匠一把电锯而不是手锯一样。但构建一个大型软件系统不仅仅是关于更快地切割木材；它还关乎确保每一块都严丝合缝、结构稳固，以及最终产品能按预期工作。对于整个行业而言，关键问题变成了：这些智能助手能否真正改善构建整个系统的过程，还是仅仅加速了初始步骤，却在后期制造了新的问题。
一组研究人员通过观察一家真实的公司的实际使用情况，试图回答这个问题。他们并没有在一个可以隔离单一变量的实验室中进行受控实验。相反，他们回顾了该公司已经完成的三项重大软件项目。这些都是重大的工程：一项涉及将银行系统从一种被称为 COBOL 的旧语言迁移到现代语言；另一项是对大型会计平台的大规模更新；第三项则是抵押贷款申请程序的现代化改造。研究人员检查了这些项目在五种不同设置下的交付情况。他们从传统的、由人类完成所有工作的模式开始，随后经历了到一个结合了人类工程师与人工智能代理的新平台的四个连续版本。
这个新平台的第一个版本本质上是一组工具的集合。在这种设置下，人工智能代理充当个人工程师的助手。它们可以分析旧代码、编写文档，甚至可以独立执行特定任务。这里的结果褒贬不一。团队发现，项目的早期阶段（例如理解旧代码和规划新代码）变得快得多。然而，这种速度是以代价换取的。由于工作流缺乏一个随进度检查工作的中央系统，最终输出的质量受到了影响。更多的错误渗透到了后期的测试阶段，导致团队不得不花费更多时间去修复它们。这就像建筑工人们学会了以两倍的速度砌砖，但他们把砖砌错了位置，需要花费大量时间拆除并重新开始。
随着研究人员转向该平台的后续版本，故事发生了变化。关键区别不仅在于人工智能变得更聪明了，而在于人类与机器协作的方式被完全重构了。在最先进的设置中，人工智能不再仅仅是个人的工具；它成为了一个协调团队的一部分。该系统创建了一个共享的工作空间，使计划、代码和评审过程都相互连接。人工智能代理现在可以在将代码提交给人类之前，根据特定规则检查自己的工作，并且可以像人类一样提交代码进行评审。这个版本还引入了一种混合方法，即人类和机器在同一任务上并肩作战，共同承担责任。
当研究人员将最终的最先进设置与传统的纯人工方法进行比较时，结果令人震惊。完成这三个项目的总时长从三十六周下降到了仅九周多一点。这不仅仅是工作速度变快的问题；工作的质量也得到了提升。在最终测试阶段发现的错误数量大幅下降，从每百个任务中有八个以上的问题，降至两个。此外，在首次发布时正确满足需求的百分比从百分之七十七上升到了百分之九十以上。研究还模拟了所需的投入，估计与旧的工作方式相比，包含人工智能代理的新团队在高级人类专家方面的投入减少了百分之八十七。
研究人员谨慎地指出，这些发现描述的是这家特定公司在这些特定项目中的情况。他们并未声称人工智能本身导致了这些结果。相反，他们认为奇妙之处在于“编排”。早期的版本仅仅是将工具交给个人，虽然提高了速度但损害了质量。而后的版本将人工智能整合进一个具有共享上下文和严格检查机制的结构化工作流中，从而同时提升了速度和质量。这项研究暗示，软件交付的未来不在于用机器取代人类，也不在于仅仅把机器交给人类随意使用。相反，最大的收益来自于当人类与机器被交织成一个单一且协调的系统时——在这个系统中，一方的优势可以补偿另一方的弱点。
这项研究为人工智能在现实世界中的成熟过程提供了一个清晰的图景。它超越了简单的“快速打字助手”的概念，展示了人类与机器组成的团队如何作为一个统一的整体进行运作。数据表明，当人工智能被嵌入到一个包含规划、验证和评审的工作流中时，它可以帮助团队更快、更少错误地交付复杂的系统。尽管该研究仅限于一家组织，无法证明这会在所有地方发生，但它为“将技术视为合作伙伴而非单纯工具，并将其纳入精心设计的流程中”所能达到的效果，提供了一份强有力的、描述性的记录。证据表明，未来的路径不在于机器写代码的速度有多快，而在于团队如何组织工作，从而让机器与人类能够更好地共同创造出更优秀的成果。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。