对话 ChatGPT：现象级 AI 应用，将如何阐释「研发效能管理」？

已然是 2023 开年至今，互联网上最热的话题没有之一。从去年的 AI 图片生成，到 ，再到现在各种基于大模型的应用如雨后春笋般出现……在人们探讨技术无限可能的同时，另一个更深刻的命题也不可回避地浮现出来：

AI 似乎证明了自己有推进生产力变革的能力。那么，谁会是下一个「马车车夫」和「纺织女工」？

深耕互联网多年的知名产品人黄有璨，在自己的公众号里写道，「以前大家一贯认为 AI 会优先取代很多蓝领工种。但万万没想到，当前 GPT 高速进化的背后，实际情况更可能是：一批白领会被优先取代掉。」

假如我们证实了 可以做翻译、写文案、敲代码、分析数据、总结概要、制作表格……那么，它是威胁还是助力？ 又或者，类似 的能力将多大程度地帮助组织提升工作效率？

作为同样致力于探索 AI 在工作场景中应用的团队， 对于 的能力也有许多好奇： 能多大程度地成为研发团队的帮手？事务性工作之外，它「懂」管理吗？在研发效能等略显含糊的话题上，它会给出怎样的答案？

于是，便有了这次「对话」： 与 的研发效能七连问。

开始之前，我们为 预设了它的角色，以保证其响应内容的范围。

第一部分：研发效能是什么？

Q1：对敏捷团队而言，研发效能是什么？

： 对于敏捷团队而言，研发效能指的是团队在实现项目目标的同时，以尽可能短的时间和最少的资源，提供高质量的产品。这包括团队成员的效率、代码质量、沟通效率、团队协作效率等。

研发效能是团队不断改进和优化工作流程的结果，它是团队在实现项目目标的同时，不断提高效率和降低成本的能力。

说两句： 第一个问题，我们尝试获得多个不同的回答，却发现 只是在用不同的方式，将「高质量」「高效率」和「完成项目目标」三个词排列组合。

不得不提的是，基于 GPT-3.5 模型的 在「内容可读性」上取得了非常大的进步。它能将信息整合成不重复的、阅读通顺的文字和段落，我们甚至很难一眼区分内容是出自人还是机器。

Q2：分别从研发团队和个人的角度，谈谈研发效能的提升如何实现？

： 从研发团队的角度，提升研发效能可以通过以下几个方面实现：

采用敏捷开发方法：通过短期迭代和反馈循环，提高项目的效率和质量，提升团队协作效率和创新能力.精益管理实践：精益管理可以帮助团队识别并去除浪费，提高团队生产力和效率。冲突指导：设计有效的冲突解决机制，解决分歧和争议，促进团队协作与创新。技术成长：定期安排培训和学习机会，持续精进技术团队的技能和知识，提高团队整体表现和效率。研发团队管理：通过清晰的角色定义、责任分配和沟通渠道，管理团队的行动和进度以提高团队效能。

从个人角度看，研发效能的提升可以通过以下方法实现：

技术提升：不断学习和提高个人技术水平，以提高工作效率。任务管理：通过合理的任务管理方法，提高工作效率。沟通技巧：通过提高沟通技巧，提高团队协作效率。时间管理：通过合理的时间管理方法，提高工作效率。

研发效能的提升需要团队和个人共同努力，团队和个人都需要不断学习和提高，才能实现最优的

（P.S.：这里最后三个字就是「最优的」，真的不是小编漏了 0.0）

说两句：别看 洋洋洒洒地输出了几百字，看似结构清晰、论点充足，但仔细一看问题就出现了：

内容局限性。 根据预先给定的主题范围（敏捷开发、冲突指导、技术成长、研发团队管理、项目管理）提供的回答，有些刻板和单薄。内容质量低 。 小编愿称第二段内容为「废话文学天花板」，车轱辘话连轴转，看似有条有理，但有实践意义的指南却一点没提。完整性不足。 尚未触发字数限制的情况下， 不止一次「卡壳下线」，最终只好以不完整的内容匆匆结尾。 第二部分：什么是「正确的事」？

Q3：管理学常说，要先做正确的事，再正确地做事。对研发团队而言，「做正确的事」和「正确地做事」分别指什么？

： 「做正确的事」是指团队的研发活动要专注于最关键的任务，致力于最有价值、最有影响力和最相关的项目，而这些项目总是与组织的目标和优先事项保持一致。

「正确地做事」指的是有效且高效地执行工作，包括正确地使用工具和技术、遵循敏捷开发流程和原则、建立良好的沟通机制和团队合作环境、不断提高个人和团队的技能水平等。

追问：再展开说说吧。

： 好的。进一步阐述「做正确的事」：

进一步阐述「正确地做事」：

说两句：用中文描述这个问题时， 再一次出现了内容中断的情况，于是我们尝试用英文提问，这才顺利得到上面的结果。

段落内容的灵活性和质量依旧有很大的优化空间，但令人惊喜的是，在缺乏清晰的追问描述的情况下， 也能很好地理解上下文，并给出高度相关的回答。

Q4：是否存在可靠的数据指标，可以判断团队是否在做「正确的事」？

： 有几个指标可以用来判断研发团队是否在做「正确的事」：

这些是几个用于判断研发团队的价值提供的数据指标，而具体指标的选择将取决于企业和产品的独特需求和目标。

说两句：在最初设想中， 应该从技术管理者或者 C-Level 的视角，考虑企业经营等更多维度的内容。但是，最后的效果好像不是这样 TAT

同时还出现了一个新的问题： 似乎在信息处理上不太严谨。 描述的后置语中重复程度最高的两个词分别是「交付价值」和「效率和效力」，而「效率和效力」却不是「做正确的事」的考虑内容。

P.S.：为了更好地阅读体验，后续内容均对 的回答进行适当删减。

Q5：技术管理者如何保证敏捷团队始终在做「正确的事」？

： 作为技术管理者，你可以采取几个步骤来确保敏捷团队始终在「做正确的事」：

说两句: 对 6 个步骤的先后次序处理超出我们的预期。它并不是简单地检索、整理和组织信息，甚至于小编好像真的能感受到 AI 的「思考」过程 °o°

第三部分：效能的文化建设

Q6：问一个「组织文化建设」相关的问题：高效能的研发团队的组织文化是什么样的？

： 高效能的研发团队，其组织文化具备几个关键表征：

总之，高效能的研发组织文化创造了一个积极、高效的工作环境，支持创新并推动成果。

说两句：在设计问题时，我们特意加入了具体的相关前置语，明确接下来的问题将围绕「组织文化建设」展开，引导 给出更符合期待、更切题的回答。

Q7：开发、测试、产品经理和外部伙伴之间总是不可避免地存在误解和理解偏差。不同角色之间的清晰沟通和高效协作，应该如何实现？

： 可以通过以下几种方法实现清晰的沟通和高效的协作：

说两句：这是一个实操性很强的具体场景问题，而 的表现也很值得探讨。

对沟通渠道、信息透明、敏捷开发和工具应用等主题，AI 能够根据丰富的示例和文章整理出可操作建议；而流程优化、团队建设、持续学习等高度依赖个人实践经验和总结的话题， 的回答则不免空泛。

此次对话期间， 不止一次地感叹 GPT-3.5 模型惊人的语言能力。相比初代 GPT-3，现在的 语言流畅通顺、结构框架清晰，虽然「卡壳掉线」的情况偶有发生，但是在语言建模、指令微调和思维链等方面的表现已足以称得上「真正的人工智能」。

当然， 也存在一些局限：内容准确性难以保证、质量不稳定、空泛建议多而实操性不高、不够灵活等等。输出的内容质量和篇幅长度不成比例时，会让人有种「嘴碎又倔强」的感觉。

此外，在与 不断周旋的过程中， 发现想要发挥 最大的能力，让 AI 言之有物，「有效提问」非常重要。使用清晰、具体且聚焦的提示词（）规束 AI 生成的范围和内容，不断修改和优化提示词，逐步获得更好的输出结果；这也是一个不断学习和调优的过程。

让我们回到文章开头的两个问题 ：

对于企业和研发团队而言， 究竟是威胁还是助力？

同 一般的 AI 能力将多大程度地帮助组织提升工作效率？

强大如 的 AI 能力体现在可以快速地在巨量的语料库中，搜集、梳理并总结生成流通度最高的内容范式，为知识工作者提供成熟的、可借鉴的框架与知识，极大程度地提高信息粗炼的效率，进一步成为生产力提效工具。

而那些切实为（研发）组织和企业创造价值的，是对信息的判断和取舍、对知识体系的构想和搭建、对实现目标的判断和决策，而这些正是（当前的） 无法规避的缺陷。

所以， 火了，有谁的「饭碗」要保不住了吗？

不会的。以 为首的通用人工智能应用，是个人和企业的生产力加速器，是能让我们牢牢抓紧饭碗的强力胶。

它们可以将我们从耗时费力的「粗采型任务」中解放出来，帮我们完成简单又繁琐的数据收集和预处理工作，让我们有更多时间去梳理逻辑、构想创意、分析利弊，更高效地创造价值，实现价值（就像新一代智能研发协作平台 为广大开发者和研发团队带去的价值一样）。

让工作和生活更加便利，释放更多生产力，才是先进技术存在的意义。