AI真正改变工程效率的，不是工具，而是领导方式

Justin Reock 结合 Atlassian 与 Dora 的研究数据，拆解了生成式 AI 在工程团队中的真实影响：单看“使用率”会误导决策，真正拉开差距的是心理安全、度量方式和领导者是否把 AI 连接到员工成功与业务瓶颈。

没人真的知道 GenAI 提升了多少生产力

为什么“AI 到底让我们效率提升了多少”如此重要？因为这是几乎所有企业推进 GenAI 的隐性前提。Justin Reock 一上来就泼了冷水：没人知道准确答案。他引用了常被提及的说法——比如 Google 对外宣称“员工生产力提升了 10%”，但随后补充道，即便在一些研究中看到 4% 这样的数字，“它并不微小，但也远不是完整故事”。

关键转折发生在他们把同一批研究数据“按公司拆开”之后。结果并非所有组织都从 GenAI 中获得类似收益，差异极大。这让 Justin 提出一个尖锐问题：“利用率真的能告诉我们 GenAI 影响的全貌吗？”如果只统计有多少人打开了 Copilot、ChatGPT 或内部工具，很可能会得出错误结论。因为使用了，不等于产生了业务价值。

这一段的独特洞见在于，他并没有否认效率提升的存在，而是强调：宏观平均值掩盖了组织层面的真实差异，而差异背后的原因，往往不在模型本身。

Dora 数据揭示的真相：信任与合规比模型更重要

为什么工程负责人需要关注 Dora？因为 Dora 长期研究高绩效工程组织的交付能力，而这一次，他们把 GenAI 纳入了分析框架。Justin 展示的图表中，一个反直觉的结论浮现出来：决定 GenAI 能否真正产生影响的，不是“有没有用”，而是组织是否建立了足够的信任和合规机制。

他明确指出，企业必须把 AI 的引入“绑定”到员工成功上，而不是抽象的技术升级。换句话说，AI 要解决的是工程师每天的真实痛点，而不是高管 PPT 里的未来愿景。当员工感受到工具让他们更安全、更高效、更少背锅时，技术 adoption 才会自然发生。

Justin 用一句话点破核心逻辑：“员工因为这项技术变得更成功（employees become more successful），组织才会成功。”这也是为什么单纯禁止、放任或只做合规审查，都会导致 AI 项目停留在表面。

降低恐惧感：生产力最大的指标是心理安全

这一节是全场最“不像技术演讲”的部分，却可能是最重要的。Justin 抛出一个问题：“我们如何减少对 AI 的恐惧？”答案并不来自模型评测，而来自组织行为研究。

他引用研究结论指出，在所有影响生产力的因素中，最大的指标是“心理安全感（psychological safety）”。如果工程师担心用 AI 写的代码会被审查、被惩罚，或者被视为能力不足，那么再强的工具也只会被消极对待。

因此，领导者的角色不是强推工具，而是营造一个试错空间：允许不完美的输出，允许探索。最终目标很清晰——“给你更好的开发者体验，并提升整个业务的吞吐量”。这里的吞吐量，并非写代码速度，而是从想法到价值交付的整体效率。

从指标到成熟度曲线：别只盯着利用率

当讨论进入“我们该如何衡量”时，Justin 再次提醒大家避免走捷径。他强调，必须同时讨论三类指标：利用率（utilization）、影响（impact）和成本（cost）。只看其中任何一个，都会导致决策失真。

他进一步提出，可以把 GenAI 的落地理解为一条“成熟度曲线”。在早期阶段，组织需要控制随机性——也就是模型输出的不确定性，避免对生产系统造成风险。随着能力提升，逐步扩大适用范围，而不是一开始就全面铺开。

这背后体现的是一种工程化思维：GenAI 不是魔法，而是一种需要被约束、被设计、被治理的能力。领导者的任务，是在速度与可控性之间找到平衡点。

真正的高价值场景，藏在 SDLC 的瓶颈里

在具体用例上，Justin 给出了一个非常务实的例子：在 Atlassian 的实践中，最常见、也是排名第一的使用场景，是堆栈追踪（stack trace）分析。原因很简单——这是工程师普遍讨厌、但又不得不做的高认知负担工作。

随后，他把视角拉高到整个 SDLC（软件开发生命周期）。问题不在于“AI 能不能写代码”，而在于：哪些阶段才是真正的瓶颈？测试（STLC）、交付、排障，往往比编码本身更限制速度。

当 AI 被用来缓解这些瓶颈时，它才真正形成竞争优势，而不是一次噱头式升级。这也是 Justin 在结尾反复强调的：集成，而不是点状试验，决定了长期价值。

总结

这场演讲最重要的启示在于：AI 辅助工程的成败，核心并不在模型参数，而在领导方式。只看效率数字、使用率或工具清单，都会错过真正的决定因素——心理安全、信任机制、正确的度量方式，以及是否把 AI 明确连接到员工成功与业务瓶颈。对技术领导者而言，问题不再是“要不要用 GenAI”，而是“我们是否准备好以工程化和人本的方式去领导它”。

关键词： 生成式AI， 工程生产力， 心理安全， Dora， AI领导力

事实核查备注： 演讲者：Justin Reock；公司背景：DX（被 Atlassian 收购）；研究来源：Google 提及的 10% 生产力说法、Dora 工程数据；关键指标：4% 提升、utilization/impact/cost；技术场景：stack trace 分析、SDLC、STLC；核心概念：psychological safety