AI 研发提效陷阱：用 AI 开发工具 ≠ 个人提效 ≠ 组织提效
早在 2024 年，快手就建设了 AI 编程工具 Kwaipilot，并发布给公司内 10000+ 研发人员使用。经过持续的深度优化和推广，快手整体的 AI 代码生成率，在严格度量口径下（AI 生成并入库的代码行/新增代码行）从 1% 达到了 30%+，甚至部分业务线达到了 40%+。同时，在非编码环节，也衍生出了很多 AI 提效工具，比如智能 CR、智能测试用例生成、智能单元测试等等，但经过大量的调研和数据分析，我们发现了这个不等式：
'用 AI 开发工具 ≠ 个人提效 ≠ 组织提效'
如果以企业的研发效能提升为目标，我们发现：
● **对研发工程师而言：**深度使用 AI 开发工具，代码生成率很高，个人主观体感上编码效率提升了 20-40%，但并不代表真正的'个人提效'，因为在现实中，大部分工程师并没有接纳更多的需求，个人需求的交付数没有显著提升。
● **对大型组织而言：**我们发现部分 AI 用的好的工程师，确实可以更快更多的完成开发任务，但组织整体的需求吞吐量没有明显提升，需求交付周期也没有明显缩短。
从《2025 年 DORA 报告：人工智能辅助软件开发现状调查报告》中能看到，这也是业界普遍存在的问题。如报告中所述，在对 AI 提效的结果的预估上，各企业普遍对个人效能的提升有信心，而对团队效能的提升预估非常小。
快手有 10000+ 研发、8+ 业务线，研发效能的演进可以分为 3 个大阶段：
● 阶段 1：平台化、数字化、精益化（2023-2024 年）：通过建设三端一站式研发平台、需求流&工程流标准化，解决了研发交付流程散乱，既无标准也无数据的问题。再通过建立效能模型，识别交付瓶颈，提升需求交付效率。
● 阶段 2：智能化 1.0（2024 年 6 月 -2025 年 6 月）：在研发全流程中开始建设 AI 能力，包括 AI 编码、AI 单元测试、AI CR、AI 手工用例生成、AI OnCall 等等，并进行全员推广。经过 1 年多的实践，基本上完成了全员普及，在主观调研中，开发人员主观体感上效率提升 20-40%，在客观数据上，AI 代码生成率也在持续增长。但同时也发现了矛盾点：需求交付效率基本不变，即个人效率提升未能有效传导到组织效率提升。
● 阶段 3：智能化 2.0（2025 年 7 月+）：从'推广 AI 工具，让开发者使用'回归到了更本质的元问题：如何用 AI 提升需求端到端交付效率？经过半年多的探索，终于找到了新的路径，并得到了充分的数据验证。我们称这套解决方案为'AI 研发范式'，主要解决了 3 个问题：
○ **AI x 效能实践：**如何用 AI 提升工程师的生产力，并将个人提效传导到组织提效。
○ **AI x 研发平台：**支撑需求交付全流程（从分析到编码再到发布）的研发工具链，如何整体演进到智能化？即下一代的智能研发平台，应该是什么样的？而不仅仅是只推广 AI 编程工具或在原有工具链上增加一些散点的 AI 提效功能。
○ **AI x 效能度量：**如何在效能度量指标的基础上，构建 AI 提效的指标体系，能清晰的量化过程和结果，为组织级的 AI 研发范式升级提供有效指引。
阶段 1：平台化、数字化、精益化（2023-2024 年）
这个阶段的解决方案，业界相关的分享已经非常多了，但从实际情况看，在千人规模的技术团队中，能做好、做深、做透的实践非常稀有。
因此，我们直接分享 1 个具体的案例，以便能更好的看清快手的研发效能从基础建设到效能提升的全过程，这也是我们之所以能更快跃迁到 AI 研发范式的重要基石。案例来源是快手最核心的技术团队之一——主站技术部，是快手 APP 的研发团队，开发人员规模千人以上。
背景：了解快手的研发效能基建
首先，主站技术部的实践依托一套公司级的研发效能基建，由横向团队「研发效能中心」提供，这是在 2023 年快手当时的研效基建，主要分为：
● **效能平台：**项目管理平台（Team）、三端一站式研发平台（KDev（服务端）、KFC（前端）、Keep（客户端））、琅琊阁（效能度量）、质量平台（KTest 等）
● **效能实施：**效能 BP 专家（Business Partner），负责深入各业务线，提供专业支持。
了解快手的研效基建后，下面开始重点介绍主站技术部的实践过程。
Step1：依托工具推广，实现流程标准化
解决的问题
需求流和工程流均不标准，开发人员的工作分散在各处，日常开发体验差、学习成本高，又无法实施有效的质量防护措施，还不能沉淀准确的研发过程数据持续度量与改进。
达成的效果
通过推广三端一站式研发平台，定义需求、研发的标准流程，将研发全流程标准化。核心度量指标与结果如下：
人均交付产品需求数同比增长超过 80%。
