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
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