DORA Report 2024 (Рубрика Engineering)
Продолжу рассказ про отчет DORA 2024 года, про методологию которого я рассказывал раньше в двух постах 1 и 2. Здесь я постараюсь рассказать про интересные результаты этого опроса, который прошли 3к респондентов разных профессий из разных стран. Само исследование покрывало следующие области
- Классические DORA метрики: throughput и stability (частота релизов, lead time, change failure rate, time to recover). На основе этих метрик как раз происходит кластеризация команд по уровням: elite/high/medium/low
- Влияние AI на продуктивность, delivery-показатели, документирование и доверие к коду
- Влияние внутренних платформ разработки (IDP, internal developer platform) на производительность команд и стабильность процессов
- Developer experience, лидерство и благополучие: job satisfaction, burnout, flow, user‑centricity
Интересные моменты, что отметили авторы
1. Влияние искусственного интеллекта (+) Повышение потока (flow), продуктивности и удовлетворенности работой (+) Улучшение качества кода на 3,4% (+) Ускорение ревью кода на 3,1% (+) Улучшение качества документации на 7,5% (+) Повышение производительности команд и организаций (-) Снижение пропускной способности доставки ПО на 1,5% (-) Уменьшение стабильности доставки на 7,2% Интересно, что AI негативно влияет на software delivery performance. Авторы объясняют это возможным увеличением batch size и связанных рисков (больше размер - выше вероятность проблем) Другой интересный эффект привел авторов исследования к гипотезе об "эффекте вакуума" (vacuum hypothesis). Суть в том, что AI одновременно улучшает производительность и снижает время на важную работу, не уменьшая при этом административную нагрузку и обременение toil - парадокс, объясняемый тем, что AI помогает быстрее завершать значимые задачи (meaningful tasks), но не сокращает малополезные обязанности.
2. Платформенная инженерия (+) Повышение индивидуальной продуктивности на 8% (+) Улучшение производительности команд на 10% (+) Рост организационной производительности на 6% (-) Снижение пропускной способности на 8% (-) Уменьшение стабильности изменений на 14% Здесь гипотеза авторов в том, что различные гейты внутри платформ замедляют поставку ценности, так как требуют выполнения требований по качеству/надежности/безопасности и так далее. В итоге, часто катануть код мимо платформы проще и быстрее:)
3. Management & Leadership (+) Ориентация на пользователя повышает качество продуктов и снижает выгорание (+) Трансформационное лидерство улучшает все аспекты производительности (+) Стабильные приоритеты критически важны для продуктивности и благополучия В общем, правильный подход к управлению через целепологание, работу с приоритетами и изменениями дает свои результаты:)
Если подбивать выводы из результатов опроса, то кажется, что
- При интеграции AI стоит отдельно контролировать, что большие изменения дробятся на более мелкие + мониторить влияние на delivery.
- Стоит инвестировать в документацию и self‑service системы - отчёт указывает на прямую связь между качеством документов и software delivery performance
- При развитии платформ нужен баланс между контролем и метриками software delivery performance (например, lead time)
- Стоит фокусироваться на user‑centric дизайн внутренних инструментов и культуру лидерства, поддерживающую видение и автономию - это снижает выгорание и повышает эффективность инженеров на местах
- Не стоит обращать большое внимание на кластеры, куда попадают команды - лучше смотерть на первую и вторую производную (скорость изменений к лучшем и ускорение)
#AI #DevOps #DevEx #Metrics #Processes #Management #PlatformEngineering #Software