OpenAI的“有史以来最佳模型”上线

AI资讯：随着越来越多的企业采用编码代理，Rajan表示，团队将不得不重新设计其工作流程，同时考虑人工操作和安全系统，以便在不牺牲一致的生产级质量的前提下，让人工智能更快地发挥作用。
张：人工智能正在生成比以往更多的代码，但研究表明，其中45%仍存在安全漏洞。团队究竟该如何在不牺牲质量的前提下，利用人工智能编码助手来提高速度呢？
拉詹：不可否认，软件开发周期正朝着原生AI的方向发展。

但如果你让质量下滑，那么你只会更快地走向事故和客户痛苦。

这与其说是“AI与质量”的对立，不如说是“在默认AI参与的前提下，我们如何重新设计工作流程？

”
在代码审查中，我们委托人工智能来捕捉漏洞、执行编码标准，并解释复杂的变更。

例如，Rovo Dev帮助将PR（拉取请求）周期时间缩短了45%，并自动解决了51%的潜在安全漏洞。

这里的审查性质正在发生变化：不再是人类阅读同行代码的每一行，而是人类所有者审查代理人的工作。
拉詹补充道：在部署时，如果人工智能正在帮助你生成和发布更多代码，那么你的安全系统也必须跟上步伐。

想想看：更小的批量、更强大的持续集成、更强的可观察性以及快速回滚。你不能在黑箱场景下运营。
为何重要：只有当背后的系统无懈可击时，速度才会成为优势。

对于人工智能编码代理，正确的做法是将其视为核心企业基础设施——这意味着要围绕它们设计工作流程，从一开始就构建安全性，并确保输出达到与人工编写的代码相同的标准。

AI资讯：随着编写代码不再是瓶颈，拉詹（Rajan）认为，工程师的下一个重大机遇是涉足更具战略性的职能（如从规划到执行），以及在人工智能的辅助下设计更优的系统。
张：到2028年，AI编写的代码将占多大比例？随着这一变化，软件工程师的角色会是什么样子？
拉詹：到2028年，如果大公司中的大多数新代码都是人工智能生成的，我不会感到惊讶。

我这么说是因为，我在职业生涯早期就爱上了编写代码，至今仍记得第一次看到代码运行成功的喜悦。
我们观察到一种转变，即每位工程师都成为了技术负责人，负责协调系统和代理。

工程师现在花费更多时间来提高清晰度，并掌控“代码前”和“代码后”发生的事情——一边是规划和设计，另一边是测试、上线安全和运营。
张：那么对于刚进入这个领域的新毕业生来说，人工智能是帮了他们还是害了他们？
拉詹：专注于正确的基本原理并采用人工智能原生工作方式将为应届毕业生带来巨大优势——可能使他们超越尚未采用人工智能工作方式的高级开发人员。

你的优势将来自于判断力：知道何时信任人工智能，何时对其提出质疑。
为何重要：随着人工智能编写更多代码，工程师的优势从实际打字转变为提出问题、设计系统和保持监督。

拉詹（Rajan）的跨越点尤其有趣：优势可能不会流向最资深的人，而是流向最快学会协调人工智能的人。

AI资讯：Atlassian启动了提升“开发者幸福感”的内部旅程，将开发者满意度从49%提升至83%。

随着团队行动更加迅速，并感到更有能力做出改变，Rajan分享了这种焕然一新的主人翁意识如何促使Rovo Dev直接改进产品。
张：你为何决定关注开发者的幸福感，又是如何实际测量这一指标的？
拉詹：当我加入Atlassian时，我们选择将开发者生产力定义为“开发者愉悦度”。

如果开发者感到沮丧、受阻或无法进入心流状态，那么无论你选择什么生产力指标，都不会得到很好的结果。
我们通过定期满意度调查和与痛点相关的硬指标来追踪这一情况。

开发人员的满意度已从49%提升至83%，而这一点在工作成果中得到了体现。

例如，通过聚焦于最大的痛点之一，Confluence后端团队将完整的服务器构建时间缩短了60%以上。

我们认为，这类投资对于我们向客户交付价值的能力至关重要。
张：当你们在内部测试Rovo Dev的早期版本时，工程师们提出了哪些反馈和意见？
拉詹：早期，我们在Rovo Dev上得到的反馈是，部分体验给人的感觉像是“魔法”，但这种“魔法”并不恰当。

它确实能做一些有用的事情，但你无法充分看到它为此所做的努力。
我们实际上放弃并重新设计了一个早期的“一键完成所有操作”流程，因为我们的团队在没有更多透明度和控制权的情况下不会使用它。

他们希望有一种方法来了解代理执行的每个步骤，他们的指令如何导致不同的结果，以及能够控制代理的能力。

这促使我们努力开发出可以检查的代理会话和让开发人员参与其中的体验。
为何重要：拉詹（Rajan）早期关于Rovo Dev的故事凸显了在采用自主式人工智能（agentic AI）时，内部反馈循环的重要性。

团队越是倾听用户的声音（并对那些感觉不透明、有风险或令人沮丧的部分进行迭代），系统就会变得越强大、越值得信赖。

在以人工智能为原生技术的世界中，迭代与开发者信任是相辅相成的。

AI资讯：拉詹（Rajan）表示，只有在明确人类所有权以及有办法追踪、监控和引导系统行为的情况下，才应将强大的AI代理部署到生产环境中，从而创建一个与AI本身发展速度相当的问责层。
张：随着人工智能代理承担更多自主工作，你们如何保持问责制，为什么“是人工智能干的”永远不能成为借口？
拉詹：当出现问题时，“是AI干的”不能成为答案，因为客户信任的是我们，而不是AI。
随着我们将自主人工智能（AI）引入我们的工作流程，我们必须明确责任归属：每项由AI辅助的决策或行动都必须有明确的人类负责人。

如果我们无法理解或观察AI的行为方式，那么它就不应处于关键路径中。
我们在人工智能（AI）周围设置了防护栏和可观察性机制，记录并审核其操作，并确保团队将其视为任何其他强大工具一样对待：了解故障模式，对其进行监控，并且在没有明确责任归属的情况下不进行发布。

人工智能可以帮助我们更快地行动，但它并不能取代判断力和责任感。
为何重要：对于像代理式人工智能这样强大的技术，责任问题不容忽视。

如果处理得当，你将获得速度、信任和持久的客户信心。

但如果你处理不当，后果可能十分严重——因为自主系统放大错误的速度与放大进步的速度一样快。

AI资讯：尽管AI编码代理兴起，但Rajan认为SaaS工具不会消失。

事实上，他相信这些工具会变得更强大——通过挖掘情境洞察力，AI能够在不同项目和控制之间发挥作用。
张：你对“saaspocalypse”（SaaS末日）这种说法怎么看？这种说法认为人工智能代理将彻底摧毁软件即服务（SaaS）？
拉詹：在我看来，认为团队中的某个人能在周末用代码开发出一个内部解决方案，从而取代你正在付费使用的成熟SaaS解决方案，这种想法有些夸大其词。
当客户购买软件即服务（SaaS）时，他们购买的不仅仅是代码；他们购买的是工作流程、共享上下文、安全性、合规性和可靠性。

这就是精心设计的SaaS产品仍然非常重要的地方。

人工智能（AI）的实际作用是让优秀的SaaS产品更有价值。
拉詹补充道：你的项目、文档、工单和对话都存储在这些系统中，而人工智能现在可以在这些系统之间移动，自动化繁琐的部分，并围绕可信的工作流程和控制来协调各个代理。

因此，我更感兴趣的是成为人工智能原生产品的SaaS，而不是那些认为SaaS已死的热门观点。
为何重要：争论仍在继续，但有一点很明确：随着人工智能（AI）代理的能力日益增强，软件即服务（SaaS）的基础将变得更为重要。

AI将使那些承载着组织工作流程和机构知识的平台得到发展，成为值得信赖的记录系统。

目前最被低估的人工智能趋势是什么？

拉詹：如今，许多人工智能产品都是为单人系统设计的。

我们认为，人工智能在帮助整个团队更好地协同工作方面具有更大的潜力——它能让人类和智能体组成的团队之间顺畅地交流重要信息。
你对人工智能的某种看法，是大多数科技行业人士所不认同的？
拉詹：我认为人工智能将使工程更加人性化，而非减少人性化。

很多人担心我们会失去技艺——但我相信，我们将减少在重复实施上的精力投入，而将更多时间用于战略性的、创造性的工作和协作。
对那些深受开发者倦怠困扰的团队有何建议？
拉詹：首先，解决一个具体且摩擦力大的问题，这个问题会影响到你的团队。

你会惊讶地发现，像构建速度慢和工具噪音大这样的问题，一旦开始着手解决，其影响会迅速扩大，产生更大的效果。
你在微软工作了20多年，后来又在Meta领导工程团队。这两段经历分别教会了你哪些关于如何打造优秀团队的知识？
拉詹：在微软，我学会了深度技术严谨性的价值，以及构建经得起时间考验的平台的重要性。

在Meta，我学会了将强大的工程人才与快速迭代和学习的偏好相结合，其效果是多么强大。

在Atlassian，我试图将这两者结合起来：长期架构与快速发布、学习和适应的文化。