1、 DORADORA 1 意见反馈：添加微信 pp2567891 DORADORA 2 意见反馈：添加微信 pp2567891 03 摘要摘要 08 前言前言 11 理解您的软件交付效能理解您的软件交付效能:7 7 种团队类型概览种团队类型概览 23 人工智能的采纳与使用人工智能的采纳与使用 33 探索探索 AIAI 与关键成果与关键成果 之间的关系之间的关系 49 DORA DORA 人工智能人工智能能力模型能力模型 65 平台工程平台工程 73 价值流管理价值流管理 79 AI 之镜：AI 如何反映和放大 组织的真正能力 AI 之镜：AI 如何反映和放大 组织的真正能力 89 度量框架度量框

2、架 95 结语：从洞察到行动结语：从洞察到行动 目录 97 致谢致谢 99 作者作者 103 个人与企业统计概况个人与企业统计概况 113 方法论方法论 131 我们的研究模型及理论基础我们的研究模型及理论基础 137 下一步下一步 138 附录附录 目录 DORADORA 3 意见反馈：添加微信 pp2567891 摘要 摘要 核心要点：AI 是一种放大器 核心要点：AI 是一种放大器 2025 年，技术领导者面临的核心问题不再是是否应该采纳 AI，而是如何实现其价值。DORA 的研究包括超过 100 小时的定性数据以及来自全球近 5,000 名技术专业人士的调研回复。研究揭示了一个关键真相

3、：AI 在软件开发中的主要角色是放大器。它放大了高效能组织的优势，也放大了困境组织的功能障碍。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关注：内部平台的质量、工作流程的清晰度，以及团队的协调一致性。如果没有这个基础，AI 只会创造局部的生产力提升，而这些提升往往会在下游的混乱中消失殆尽。摘要 DORADORA 4 意见反馈：添加微信 pp2567891 主要发现 主要发现 基于 2025 年 6 月 13 日至 7 月 21 日期间进行的定性数据收集和全球调研，本报告揭示了 AI 辅助软件开发现状的几个关键发现，包括：人工智能影响的格局演变 人工智能影响的格局演变 人

4、工智能应用对关键结果的预估效应(89%可信区间)对于橙色标注的结果(如职业倦怠)，负向效应才是理想的。图 1:人工智能影响的格局图 1:人工智能影响的格局 AI 采纳已变得几乎普及。大多数调研受访者（90%）在工作中使用 AI，并相信（超过 80%）AI提高了他们的生产力。然而，有相当一部分人（30%）目前报告对 AI 生成的代码几乎没有或完全没有信任，这表明人们需要关键的验证技能。更多内容请参见人工智能的采纳与使用章节。成功采纳 AI 需要的不仅仅是工具。我们新的 DORA 人工智能能力模型识别出七个基础实践包括明确且已共识的AI立场、健康的数据生态系统和以用户为中心的关注点这些实践被证明能

5、够放大 AI 对组织效能的积极影响。在DORA 人工智能能力模型章节阅读更多内容。AI采纳现在改善了软件交付吞吐量，这是与去年相比的关键转变。然而，它仍然增加了交付不稳定性。这表明虽然团队正在为提高速度而调整，但他们的底层系统尚未演进到能够安全管理 AI 加速开发的程度。在探索 AI 与关键结果关系章节阅读更多内容。今年的研究识别出七种不同的团队类型，从“和谐的高成就者到陷入遗留系统瓶颈的团队，为有针对性地改进提供了新的框架。在了解您的软件交付效能章节章节阅读更多内容。价值流管理（Value Stream Management,VSM）是一种可视化、分析并优化从创意到交付客户全过程工作流的实践

6、方法，它能为人工智能（AI）发挥倍增效应，确保局部生产力的提升可转化为团队与产品绩效的可量化改进。在价值流管理章节阅读更多内容。90%的企业已采用平台工程，这使得高质量的内部平台成为人工智能（AI）成功应用的关键基础。在平台工程章节阅读更多内容。摘要 DORADORA 5 意见反馈：添加微信 pp2567891 给技术领导者的分析和建议 给技术领导者的分析和建议 成功的成功的 AIAI 采纳是一个系统问采纳是一个系统问题，而非工具问题题，而非工具问题 我们新的 DORA 人工智能能力模型揭示，AI 的价值并非由工具本身释放，而是由周围的技术和文化环境所决定的。我们已经识别出七个基础能力包括明确