گزارش DORA 2025 گوگل: برای بهره‌گیری بهتر از هوش مصنوعی باید سیستم‌ها و فرایند‌های سازمانی را تقویت کرد

به گزارش پیوست، این گزارش حاصل بررسی نظرات ۵ هزار متخصص توسعه نرم‌افزار در صنایع مختلف و همچنین بیش از ۱۰۰ ساعت مصاحبه عمیق است. به همین دلیل، بسیاری از کارشناسان آن را یکی از جامع‌ترین مطالعات در زمینه تغییرات ناشی از نفوذ هوش مصنوعی در توسعه نرم‌افزار برآورد می‌کنند؛ تغییری که به‌ویژه در سطح سازمان‌های بزرگ و شرکت‌های فناوری جهانی نمود بیشتری دارد.

استفاده گسترده از هوش مصنوعی در کدنویسی

بر اساس داده‌های این مطالعه، امروز بین ۹۰ تا ۹۵ درصد توسعه‌دهندگان نرم‌افزار در کار خود به نوعی از هوش مصنوعی استفاده می‌کنند. این میزان نسبت به سال گذشته روایت‌گر ۱۴ درصد رشد است و می‌توان گفت استفاده از هوش مصنوعی در بخش توسعه نرم‌افزار از مرحله آزمایشی عبور کرده و به ابزار روزمره تبدیل شده است.

مدت زمان تعامل برنامه‌نویسان با ابزارهای هوش مصنوعی به طور متوسط دو ساعت در روز برآورد شده است. البته الگوی استفاده میان افراد متفاوت است. براساس داده‌های گوگل، تنها ۷ درصد از پاسخ‌دهندگان «همیشه» در مواجهه با یک مسئله سراغ هوش مصنوعی می‌روند، در حالی که ۳۹ درصد «گاهی» از آن در چنین شرایطی استفاده می‌کنند. حدود ۶۰ درصد نیز می‌گویند در «نیمی از موارد یا بیشتر» به هوش مصنوعی مراجعه کرده‌اند.

از نظر بهره‌وری، ۸۰ درصد از توسعه‌دهندگان افزایش محسوس در سرعت و حجم کار خود گزارش داده‌اند. با این حال، تنها ۵۹ درصد معتقدند کیفیت کدهایشان با کمک هوش مصنوعی بهتر شده است و در واقع نمود هوش مصنوعی را می‌توان در سرعت انجام کارها جستجو کرد. همچنین، ۷۰ درصد به خروجی‌های هوش مصنوعی اعتماد دارند و ۳۰ درصد دیگر همچنان با تردید و بی‌اعتمادی به آن نگاه می‌کنند.

هوش مصنوعی در نقش یک عامل تقویت ضعف و قوت‌ها

یکی از مهم‌ترین نتایج گزارش گوگل این است که هوش مصنوعی در عمل در نقش یک تقویت کننده قوت و ضعف‌ها عمل می‌کند و حتی این فناوری ممکن است ضعف شما را بیش از پیش تشدید کند. به بیان ساده، این فناوری نقاط قوت تیم‌های حرفه‌ای و منسجم را چند برابر می‌کند و در عین حال، ضعف‌ها و ناکارآمدی تیم‌های مشکل‌دار را برجسته‌تر می‌سازد.

به عنوان مثال، تیمی که رویه‌های کنترل و نظارتی منسجم و قدرتمندی دارد، می‌تواند اشتباهات ناخواسته هوش مصنوعی را به خوبی برطرف کرده و از آنها در امان باشد. اما تیمی که فرایند‌های کنترل آن ضعیف است، در صورت بروز خطا توسط هوش مصنوعی، دچار آسیب‌های جدی می‌شود شاید حتی داده‌های خود را از دست بدهد.

گزارش DORA تاکید می‌کند که: «هوش مصنوعی تصویری واقعی از وضعیت سازمان‌ها ارائه می‌دهد. اگر تیمی منظم و کارآمد باشد، هوش مصنوعی به بهبود سرعت و کیفیت کمک می‌کند؛ اما اگر تیمی پراکنده و پر از اصطکاک باشد، این فناوری مشکلات آنها را تشدید خواهد کرد.»

هفت الگوی تیمی در عصر هوش مصنوعی

گزارش امسال گوگل هشت شاخص کلیدی یعنی عملکرد تیمی، عملکرد محصول، سرعت و پایداری تحویل نرم‌افزار، ناپایداری تحویل نرم‌افزار، اثربخشی فردی، ارزشمندی کار، میزان سایش و فرسودگی شغلی، را برای سنجش عملکرد کلی تیم مشخص کرده و براساس سنجش و ارزیابی این معیار‌ها در میان پاسخ‌ دهندگان، گوگل هفت سبک تیمی را در بخش توسعه نرم‌افزار مشخص کرده که هرکدام به ترتیب مشکلات را کاهش داده‌‌اند. طبق این دسته‌بندی تیم‌ها به دسته‌هایی با:

1. چالش‌های بنیادی (Foundational challenges): تیم‌هایی در حالت بقا، با شکاف‌های اساسی در همه حوزه‌ها.
2. تنگنای سنتی (Legacy bottleneck): تیم‌هایی گرفتار در مشکلات متعدد و سیستم‌های ناپایدار.
3. در بند فرایند (Constrained by process): تیم‌های باثبات اما گرفتار در بروکراسی.
4. اثرگذاری بالا، ریتم پایین (High impact, low cadence): خروجی قوی اما تحویل ناپایدار.
5. باثبات و روش‌مند (Stable and methodical): سرعت کمتر اما کیفیت ثابت و قابل اعتماد.
6. عملگرایان کارآمد (Pragmatic performers): تیم‌های سریع، قابل اعتماد و با تعامل متوسط.
7. هماهنگ و با دستاورد بالا (Harmonious high-achievers): پایدار، با ثبات و با بهترین عملکرد

تقسیم می‌شوند که به ترتیب عملکرد بهتری را به نمایش می‌گذارند. گزارش گوگل می‌گوید بر خلاف تصور رایج، تعارضی میان و سرعت و کیفیت وجود ندارد و تیم‌های پیشرفته می‌توانند در عین سرعت بالا، کیفیت بالا را نیز رقم بزنند.

تیم‌های برتر (۳۰ درصد بالایی پاسخ‌دهندگان) هم خروجی سریع دارند و هم کدهای باکیفیت تولید می‌کنند.

هفت عامل موفقیت در استفاده از هوش مصنوعی

گزارش DORA تاکید می‌کند که عامل تعیین کننده در پذیرش هوش مصنوعی «یک مسئله سیستمی است تا اینکه وابسته به ابزارها باشد.» گزارش گوگل به هفت عامل کلیدی اشاره دارد که به عقیده محققان می‌تواند اثرگذاری هوش مصنوعی را برای یک تیم تقویت یا تضعیف کند:

1. سیاست هوش مصنوع: وجود موضع روشن و اعلام‌شده سازمان در قبال هوش مصنوعی.
2. اکوسیستم داده: کیفیت کلی داده‌های داخلی سازمان.
3. داده‌های در دسترس: اتصال ابزارهای هوش مصنوعی به منابع داده داخلی.
4. کنترل نسخه (فرایندی در کدنویسی برای ره‌گیری و مدیریت تغییرات اعمال شده): مدیریت سیستماتیک تغییرات در کد.
5. واحد‌های کوچک: تقسیم تغییرات به واحدهای کوچک و قابل مدیریت.
6. تمرکز بر کاربر: اولویت دادن به تجربه نهایی کاربر.
7. پلتفرم‌های با کیفیت: دسترسی به قابلیت‌های مشترکی که در اختیار تمام سازمان قرار می‌گیرند.

گزارش گوگل می‌گوید تیم‌های موفق معمولا بیشتر این اصول را رعایت می‌کنند، در حالی که تیم‌های ضعیف حتی اگر افراد بااستعداد داشته باشند، به دلیل نبود چنین پیش‌نیاز‌های سیستمی، با مشکلات اساسی مواجه می‌شوند.

هوش مصنوعی دیگر عامل کاهش‌بهره‌وری نیست: دو عامل کلیدی برای استفاده موفق

با اینکه گزارش سال ۲۰۲۴ DORA نشان می‌داد، هوش مصنوعی در عمل باعث کاهش بهره‌وری توسعه‌دهندگان شده است. اما در سال ۲۰۲۵ ورق برگشته و دو عامل اصلی این روند را تغییر داده‌اند:

1. مهندسی پلتفرم (Platform Engineering): حدود ۹۰ درصد از سازمان‌های توسعه‌دهنده اکنون پلتفرم‌های داخلی قدرتمندی دارند که ابزارها، اتوماسیون‌ها و خدمات مشترک را به صورت یکپارچه در اختیار کارمندان قرار می‌دهد. این امر سبب شده تا توسعه‌دهندگان زمان کمتری را صرف «کلنجار رفتن با سیستم» کنند و بیشتر بر خلق ارزش متمرکز شوند. در چنین بستری، هوش مصنوعی می‌تواند نقشی تقویت‌کننده را ایفا کند.
2. مدیریت جریان ارزش (Value Stream Management): دومین عامل کلیدی براساس گزارش گوگل نیز استفاده از روشی است که براساس آن مدیران مسیر حرکت از یک ایده تا تحویل نهایی را به‌صورت نقشه و جریان کاری مشخص ترسیم می‌کنند. این سطح از شفافیت به تیم‌ها اجازه می‌ٔهد تا تنگناهای موجود را شناسایی کرده و از هوش مصنوعی در جای درست استفاده کنند. گزارش DORA تصریح می‌کند که مدیریت قدرتمند جریان ارزش «تا حد چشمگیری» به پذیرش و فراگیری هوش مصنوعی در سازمان‌ها کمک می‌کند.

از فاز هیجانی هوش مصنوعی عبور کرده‌ایم

نتایج گزارش گوگل نشان می‌دهد که هوش مصنوعی در یک سال گذشته توانسته از مرحله تبلیغات و هیجان فراتر رود و اکنون به بخش جدایی‌ناپذیر توسعه نرم‌افزار در سطح سازمانی تبدیل شده است. با این حال براساس گزارش گوگل، آن دسته از سازمان‌هایی می‌توانند بیشترین بهره را از این فناوری ببرند که سیستم‌ها و فرآیندهای بنیادی خود را برای بهره‌برداری حداکثری تقویت کنند. در واقع این ابزارها نیستند که عامل تعیین کننده محسوب می‌شوند و ضعف و قوت‌های سازمان هدف است که میزان بازدهی این فناوری را مشخص می‌کند.

اگر سازمانی بستر داده‌ای ضعیف یا پلتفرم داخلی ناکارآمد داشته باشد، استفاده از هوش مصنوعی تغییری در آن ایجاد نخواهد کرد و حتی شاید نقاط ضعف آن را برجسته‌تر سازد. اما اگر این زیرساخت‌ها مستحکم در سازمان وجود داشته باشد، هوش مصنوعی به مزیت‌های قابل توجهی منجر می‌شود.

این یافته‌ها نشان می‌دهد که مدیران فناوری و تیم‌های نرم‌افزاری باید به هوش مصنوعی نه به چشم یک «راه‌حل سریع»، بلکه به‌عنوان یک محرک سازمانی نگاه کنند که تنها در بستر سیستم‌های کارآمد می‌تواند به نتایج پایدار منجر شود.