谷歌云 DORA 团队发布了一份更新报告——《AI 辅助软件开发的 ROI（2026.01）》，为测算 AI 在软件开发领域的财务回报提供了一个实用的框架。该报告提出了一种结构化模型，用于将工程指标转化为实际的业务价值。这份报告是 2025 年 DORA AI 辅助软件开发现状报告的续作，由谷歌云 DORA 团队及其 Delta 创新实践小组共同撰写。
报告的核心论点是：AI 是一种能力放大器。谷歌云 DORA 团队负责人 Nathen Harvey 表示：“AI 投资的最大回报并非来自工具本身，而是来自对底层组织系统的战略性重视：内部平台的完善程度、工作流程的清晰度以及团队协作的一致性。没有这个基础，AI 只能带来局部的生产力提升，但这些提升往往会在后续流程的混乱中损耗殆尽。”这一观点与 2025 年 DORA 的研究结论高度契合：AI 既会放大高绩效组织的优势，也会放大低效组织的内部乱象。
报告中的一个关键概念是价值实现的 J 曲线。作者认为，大多数组织在收获 AI 应用的长期收益之前，都会经历一段短期的生产力下滑。这种下滑主要源于三方面原因：团队适应新工作流程的学习成本、审核 AI 生成代码产生的校验成本，以及为应对代码产出量增加需要调整测试、变更审批等下游流程。报告将这一阶段称作“转型的学费”，并指出倘若管理者将其误判为项目失败，很可能在发展低谷阶段撤回投入，进而错失后续的长期收益回报。
报告中计算 ROI 的方法论以谷歌云价值实现实践的价值模型为基础。价值通过七项核心能力从 AI 应用开始逐层流动，其中包括高质量的内部平台、版本管控规范以及可供 AI 调用的内部数据。这会进一步优化 DORA 交付指标，继而转化为开发者体验、用户体验等非财务成果，最终转化为成本节约与收入增长这两种财务成果。ROI 采用通用标准公式计算：价值减去投资，再除以投资。报告以一家 500 人的工程组织为样本，按人均全职年薪 17.6 万美元测算，模拟得出首年收益约 1160 万美元，投入成本为 840 万美元，ROI 约 39%，投资回收期约八个月。
报告谨慎地避免夸大相关数据。作者表示：“将这些测算结果视为高不确定性的估算，目的是引发行业探讨，而非当作死板的数学定论。”研究团队指出，AI 模型的推理成本已大幅下降。据斯坦福人工智能指数显示，2022 年 11 月至 2024 年 10 月期间，推理成本降幅达 280 倍。这意味着落地应用的实际财务压力已转移至治理层面：管控代码审核成本、优化现有工作流程以及提升团队人员技能。
“我们衡量 AI 的价值不在于它生成了多少代码，而是它清楚了多少业务瓶颈。”
——谷歌云 DORA 团队 —— 《DORA AI 辅助软件开发的 ROI 报告》
报告还强调了不稳定性带来的成本。报告借鉴 2025 年 DORA 相关研究指出，虽然引入 AI 能够提升个人工作效率与代码质量，但同时也会加剧软件交付的不稳定性。代码产出更多、流转速度更快，有可能超出现有部署流水线和人工审核环节的承载能力。模型将这部分视作一项成本，示例测算工具实际显示产生了 344000 美元的负面停机影响，原因是假定的变更失败率从引入 AI 前的 5% 上升至 6%。作者认为，这并非暂缓引入 AI 的理由，而是加大投入完善自动化测试、持续集成与小批量工作模式的依据。
InfoQ 此前曾报道过 DORA AI 相关研究的演进历程。2025 年 9 月，InfoQ 报道了 2025 年 DORA AI 辅助软件开发现状的相关内容，报告介绍了 DORA AI 能力模型，并划分出从高绩效团队到受遗留瓶颈束缚的组织等七种不同团队类型。InfoQ 在 2026 年 3 月的一篇分析文章中指出，该项研究基于近 5000 名技术从业者的调研以及超 100 小时的定向访谈，并得出结论：“AI 无法修复本就破碎的工程系统。”
这份新的 ROI 报告为工程管理者提供了具体的财务分析工具，完善了此前的相关研究。报告提供了一个交互式计算器，企业可结合自身情况调整各项假设条件。作者建议分别测算保守、现实、乐观三种场景，得出结果区间，并与财务团队建立合理预期。
社区对这份报告提出的框架普遍表示认可。Karol Wojtaszek 在 LinkedIn 上指出，报告解答了高管们最为关心的 AI 投入回报问题。Andreas Wiesmueller 在 LinkedIn 发文称：“没有工程卓越作为支撑的 AI，只会放大自身已有的问题”，这一观点与报告强调组织基础重要性的思想高度契合。纽约技术战略家 Ravi Kalakota（与谷歌无关联）在一篇探讨AI投资回报为何需要流程重构的文章中提出：“真正的投资回报并非来自大语言模型本身，而是源于业务流程的重构优化”，他还补充道：“在未进行运营流程重构的前提下部署 AI 只是一种成本高昂、效率加快却依旧原地踏步的做法。”
这种工具应用与组织成熟度之间的矛盾对 DORA 来说并非全新领域。类似的规律也曾出现在 DORA 此前关于持续交付和平台工程的研究中，二者均体现出在收获长期收益前会经历初期生产力下滑的过程。报告明确给出了这种类比，并指出 J 曲线现象在这些技术领域中普遍存在。报告引用斯坦福大学软件工程生产力项目的研究发现：AI 在简单的新任务上可实现 35% 至 40% 的生产力提升，但在复杂遗留代码场景中提升效果往往仅有 10%，甚至更低。这一发现对于主要在现有系统上工作的许多组织来说意义重大。
报告还探讨了所谓的“智能体时代”，阐述了从响应式 AI 工具向可执行多步骤工作流程的自主系统演进的趋势。在此背景下，作者重新界定了 ROI 的理解方式。报告明确反对将裁员作为策略，认为保留并培训现有员工更具成本效益，同时还能留住企业的专业知识与经验沉淀。
“投资回报不再用于衡量一个组织可以替代多少开发人员，而是衡量通过把系统性繁琐工作交由智能体能够释放出多少人类潜在的创造力。”
——谷歌云 DORA 团队 —— 《DORA AI 辅助软件开发的 ROI 报告》
对于更长期的发展前景，作者引用了谷歌云的数据：三年内，谷歌云 AI 的平均投资回报率达到了 727%，平均投资回收期为八个月左右。他们将第一年主要定位为夯实基础、推进组织变革的阶段，随着团队从简易编码助手升级到大规模智能体工作流程，第二年和第三年将收获复利式收益。该报告可在 dora.dev/ai/roi/report 获取。
查看英文原文：https://www.infoq.com/news/2026/05/dora-roi-ai-assisted-dev-report/
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。