DORA: Hồ sơ đội ngũ và mô hình năng lực cho phát triển phần mềm hỗ trợ bởi AI

Tại hội nghị QCon London, trong bài thuyết trình mang tên "Scale High Performance, Not Dysfunction" (Mở rộng hiệu suất cao, không mở rộng sự rối loạn chức năng), trưởng nhóm nghiên cứu DORA (DevOps Research and Assessment - Nghiên cứu và Đánh giá DevOps) Nathen Harvey đã bàn về cách trí tuệ nhân tạo (AI) hoạt động như một bộ khuếch đại: lợi ích của nó chỉ được tối đa hóa khi các hệ thống tổ chức đã được thiết lập vững chắc. DORA kết hợp dữ liệu khảo sát với nghiên cứu định tính, và vào năm 2025 đã công bố báo cáo "State of AI-Assisted Software Development" (Hiện trạng Phát triển Phần mềm có sự Hỗ trợ của AI). Nghiên cứu này xác định bảy hồ sơ nhóm làm việc, trong đó có nhóm "bị ràng buộc bởi quy trình" - nhóm cho thấy mức độ kiệt sức cao và năng suất thấp dù việc triển khai vẫn ổn định. DORA cũng tổng hợp bảy năng lực cốt lõi mà khi kết hợp với AI sẽ mang lại kết quả tốt hơn, chẳng hạn như chính sách sử dụng AI rõ ràng, hệ sinh thái dữ liệu lành mạnh, và phát triển theo lô nhỏ (small-batch development). Harvey lưu ý rằng AI tăng cường đáng kể khả năng thử nghiệm của các nhóm, cho phép họ xây dựng nhiều nguyên mẫu (prototype) cùng lúc. Mô hình Năng lực AI (AI Capabilities Model) của DORA, ra mắt vào tháng 12, cung cấp một khung tham chiếu để các nhóm đánh giá hiện trạng của mình và ưu tiên các cải tiến cần thiết. Trong một cuộc phỏng vấn với InfoQ, Harvey đã đề cập đến các phát hiện cho thấy dù AI cải thiện năng suất cảm nhận được và chất lượng mã nguồn, nhưng độ ổn định trong việc triển khai lại suy giảm, có thể là do sự lệch pha giữa các động lực khuyến khích và việc thiếu khả năng quan sát tác động thực tế trong môi trường sản xuất (production). Ông cũng nhấn mạnh vai trò của các nền tảng nội bộ trong việc chuẩn hóa năng lực AI và trừu tượng hóa sự phức tạp, giúp các nhóm tập trung vào nhu cầu kinh doanh.