人工智能（AI）等新技术正在改变软件组织衡量开发性能和分配资源的方式。但是，是否应该使用人工智能来衡量开发人员的绩效并做出与人力资源相关的决策，还有一个悬而未决的问题。人工智能是2018年最热门的话题之一。然而，现实是，我们只是触及了人工智能对未来的看法。2019年，人工智能和机器学习（ML）将使所有规模和垂直领域的企业变得更智能、更快、更敏捷。最近，我与硅谷法律集团（Silicon Valley Law Group）的股东Stephen Wu和Laner Muchin的合伙人彼得·吉莱斯皮（Peter Gillespie）坐了下来，讨论了人工智能部署的最新方式之一：智能预测风险和衡量软件组织的开发绩效。在人工智能可以帮助的问题中地址：什么是对特定软件版本的风险有影响吗？有多少风险是由代码本身造成的，有多少是由开发人员造成的？哪一支球队表现出色，他们又能在哪里占上风？一个特定的开发人员擅长哪些技能，她需要在哪些方面进行更多的培训？这种使用人工智能的新方法可以使软件公司对其软件交付管道的性能有一个新的了解。但是你应该用人工智能系统来判断人们的表现吗？我们讨论了这种新技术应用背后的伦理，以及它对未来性能管理和软件开发的影响。以下是您的团队需要了解的关于使用人工智能进行与人力资源相关的软件决策团队。那个目标：人工智能驱动对发布过程的洞察当技术人员最初打算创建与软件交付相关的人工智能技术时，主要目标是提供人工智能驱动的洞察影响发布成功的所有因素。这个想法是为了帮助组织从他们的软件管道中交付更多的价值和获得更高的效率。它的工作原理是对从DevOps工具链的关键部分收集的大量数据执行ML，以识别隐藏在这些数据中的模式，这些模式可以预测构建、测试、部署或整体发布的成败。设想一个平台，通过使用非常全面和准确的数据，可以指示他们完成任务的程度，来帮助组织将开发人才和团队分配到特定的项目中。试想一下，如果你可以选择一个项目，并且每次都选择一个完美的资源来分配它？这对你的公司来说可能是一个巨大的价值。但是当客户、潜在客户和行业分析师开始询问这些数据是否可以用于惩罚性或惩戒性的原因时，我意识到这个问题需要一个坦率和开放的讨论。让我们从提供分析流程的方法的目标开始。正如汽车制造商使用生产线组装汽车一样，软件公司也有组装软件产品的生产线。他们没有铆钉和紧固件，而是用代码来构建，而不是机械师和技术员，他们有开发人员和工程师。但是在这两种情况下，你可以通过测量和理解它们的性能来改进很多东西。就像你想衡量的任何东西一样，你选择的指标非常重要。你要确保你选择的指标不容易被玩弄。更重要的是，你要选择与你的公司高度相关的指标表演。那个用人工智能衡量人们成功的问题当你谈论用人工智能来衡量人类的表现时，你的指标需要更精细的调整，这是兰纳·穆钦的Gillespie的方法之一，硅谷法律集团的吴先生，我相信这项技术可以在道德上进行部署。通过选择不易操作且与业务流程相关的度量，您可以消除使用基于机器的度量的许多模糊性。我们讨论中提出的一个要点是区分人工智能和数据收集。从我们的角度来看，数据只是存储在磁盘上的数据位。从历史上看（在人工智能之前），获得对这些数据的洞察的方法是将其放入电子表格中，并对其进行排序，直到出现一些东西。今天，我们部署了一种模式识别方法，可以找到有趣的相关性并帮助推断见解。法律斯盖尔斯皮尔指出，一家公司在利用这些关于员工绩效的见解时，可能会遇到潜在的法律挑战。在他看来，人力资源雇佣决策的挑战之一是需要证明解雇员工的决定是出于客观原因做出的。从这个角度来看，他认为人工智能是一件伟大的事情。当所有的员工都被同一个系统用相同的指标客观地衡量时，进行苹果对苹果（法律上可支持）的比较就变得容易多了。然而，挑战在于，当你不得不面对法官时，"电脑说要做，所以我做了"的概念可能不会让你走得太远。你要回到人类的理解，你必须考虑到法官可能不知道什么是人工智能，也不知道它是如何工作的。这就带来了另一个潜在的挑战：对于这类诉讼或处理人工智能影响的案件，几乎没有先例。从法律和人力资源的角度来看，使用这种人工智能的另一个潜在障碍是很难考虑到减轻因素。例如，如果有一个员工因为哮喘而必须在家工作，办公室的空气质量不够好，你的公司如何解释他在接入网络时所经历的延迟时间？把你的分析集中在资源上。归根结底，这种智能的最佳使用案例不是做出雇佣决策，而是做出资源决策。通过利用人工智能来了解在给定的任务或项目类型中，哪些团队和个人最强大，您不仅可以更好地了解如何分配项目，还可以更好地了解您的组织在哪些方面存在弱点，以及您的团队在哪些方面可以从更多的培训中获益。这项技术，即使在它刚刚起步的状态下，对于提高流水线效率和帮助组织在业务需要时以可预测的方式交付更好的软件产品，以及度量、跟踪和改进结果的分析和洞察力，都有很大的希望。这篇文章最初出现在TechBeacon上