文章核心观点 - 《研发效能红宝书2.0》聚焦AIGC时代软件研发行业的效能提升难题，构建了覆盖协同机制、数据度量、AI应用的完整研发效能提升体系 [1] - 报告汇集十余位一线专家的实战经验，核心围绕“实用工具+前沿视野+变革动力”展开，旨在帮助研发从业者提升效能、创造更大价值 [1][9][10] - 全书通过去哪儿网、京东科技、哈啰出行等企业实践案例，展示了从试点到全组织推广的效能提升路径 [2] 技术与业务协同共振 - 强调打破“做正确的事”与“正确地做事”的二元对立，提出二者相辅相成的核心观点，通过需求价值评分、分层分类管理等实践建立业务与产研的共赢模式 [1][16][22] - 构建适配的组织结构与文化氛围，让精益思想、敏捷原则与DevOps实践落地见效，业务与产研应共同以“正确的事”为目标并“正确地做事” [1][21] - 需求价值评分流程包括在需求创立或评审时共同设立价值目标，交付后共同回顾，并可通过数据度量绘制“需求价值达成率漏斗”以直观展示现状 [22][23][24] 数据驱动的效能度量体系 - 研发效能度量需避开单一指标陷阱，推荐GQM+MARI方法论，整合DORA指标、SPACE框架等主流工具，构建自动化数据采集分析平台 [1][49] - 重点推广“代码当量”核心指标，通过语法树解析量化代码复杂度，规避传统代码行数、故事点等指标的局限性，并结合需求吞吐量、缺陷密度形成多层面度量视图 [1][27] - 某券商IT部门采用的度量方案包含交付质量、交付效率、开发效率等维度的简洁指标，结合行业基准线对比，用客观数据呈现团队优势和改进成果 [36][39] AI对研发效能的重塑 - 生成式AI已渗透研发全生命周期，在代码补全、测试用例生成等场景成效显著，实际效率提升约17% [2] - AI在度量领域的应用体现在提升度量数据准确度（如识别代码漏洞）和减轻分析负担（如辅助生成效能报告）两方面 [2] - 强调企业需构建垂直领域“专家”智能体，突破通用模型局限，实现从场景识别到效能度量的闭环落地 [2] 研发效能建设方法论与收益 - 为提升研发效能，可运用GQM+MARI方法论，其中GQM用于将组织目标拆解为具体问题并量化评估，MARI则专注于建立数字化体系以挖掘瓶颈并持续改进 [44][49][50] - 研发效能体系为不同角色带来收益：高管层能洞察全过程驱动业务增长，团队领导者可识别风险提升交付能力，开发者可量化自身表现佐证价值 [44][46] - 实际落地挑战包括效能问题说不清、提效没有方向、成果难度量等，根源在于缺乏系统性的效能建设闭环思路 [44][48]