Teema 64 64-st· Tarkvaraarendus ja digitaalse tarne seos

AI-produktiivsus avalikus sektoris

MõõdikuD selleLe, mida AI-kodimiSE-assistentS tegelikult teeb inseneri-väljundiLe — soovituSe-vastuvõtu-määraD, kontrollitud-uuringu-kiirenDuSed, PR-throughput, ja koodi-retentsioon — kannaVaD genuinely vastuolulisT evidensiBaasi juba enne avaliku-sektori-piirangute lisamist: andme-klassifikatsioon piirab, millisT osA legacy-ejendiST AI-riist võib üldSe puutuDa, hankimiS-tsüklid tähendavaD, hinnatuD riist on sageli mudeli-generatsiooni vÕrra tagA praegusES kapatsiteediS, ja turvalisuSE-load-nõuDed juhiVaD, kes saaB kasutada sedA millEl.

Miks see on oluline

Kaks kõige-tsiteeritumAt kontrollitud uuringut osutaVaD vastandLikuTeLe suunDadeLe. Peng et al.'i 2023. aasta GitHub-Copilot-RCT leiuS, arendajad lõpetasiD greenfield-HTTP-serveri-ülesanDe 55,8% kiiremiNi Copilot'iGa (1t11m vs. 2t41m, n=95). METR'i 2025. aasta RCT leiuS, kogeNud open-source-arendajad, mis töötasiD oma matuursETel repositooriumiTel, oliD 19% aeglaseMaD varaseGa-2025-AI-riistaGa, samal ajal, kui uskuSid, et oliD ligikaudu 20% kiireMaD. Mõlemad uuringud on sound; vastuolu on fund — greenfield-ülesanDe-efikaasuS ei ülekaNDu matuursE-kodeBaasI-efektiivsuSeLe, ja suuR osA statslikuST inseneriTööST on matuursE-kodeBaasi-töö ejendiTel, mis on vanemaD ja idioSinkraatiliseMad, kui mediaan-kommertSliK repositoorium. Central Digital and Data Office'i Generative AI Framework for HMG (2024, https://www.gov.uk/government/publications/generative-ai-framework-for-hmg) sätestab printsiibid vastutustuNdlikuLe adoptsiooniLe täpselt sellepärast, et see evidensiBaas ei saaB olla lihtsalt importeeritud tarnija-demonstratSioonideST; osakondadEst eeldatakse, et hindavaD riistaD vastu oma andme-käsitlemiSE- ja turvalisuSE-nõuDeiD enne käiVitamist.

Arvutus

Vastuvõtu-määr   = vastuvõetuD soovitused / näiDatuD
                   soovitused
Retentsiooni-määr = AI-kood, mis ellujääb mergeNi /
                   vastuvõetud AI-kood
Kiirenduse-määr   = (t_kontroll − t_AI) / t_kontroll (ainult
                   kontrollitud võrdlusEST)
ThroughPuti-delta = Δ mergeTud PR'id/arendaja/nädal

AvaLiku-sektori-kaTvuS-faktor:
  õigustatuD-kodebaasi-osaKaal = LOC süsteemideL, kus
    klassifikatsioon (OFFICIAL, OFFICIAL-SENSITIVE, SECRET)
    lubab riista üldSe

VäärtuSE-mudel = arendajad × õigustatuD-kaTvuS × säästetuD
                aeg × laetuD määr × utiliseerimine
                — igA term vajab lokaalSt mõõtmist, ja
                kaTvuS-faktoril ei ole mingit erasektorI-
                ekvivalenti

Läbitöötatud näide

Statslik osakond piloteerib AI-kodimiSE-assistentI üle 300 arendaja, kuid ainult süsteemid klasseFitseeritud OFFICIAL on õigustatud riista-kasutuSeKs — 70% ejendiST personali-arvu-allokatSiooni järGi, ülejäänuDeGa 30% (kõrgeMa-klassifikatsiooni-süsteemid) väljaJäetuD täielikult.

Õigustatud arendajad = 300 × 0,70 = 210

Piloodi tulemus: iseRaporteeritud säästetuD aeg 40 min/päev;
               mõõdetuD ülesanDe-tasandi-sääst 12 min/päev
               (0,2t) — METR-tajuMise-lünk, reprodutseeritud
               reaalseS maailmaS

Väärtus-sätA MÕÕDETUD numbEr:
  210 × 0,2t × 220 päeva × £55/t laetuD × 0,6 utiliseerimine
  = 210 × 44 tundi × £55 × 0,6
  = 9240 tundi × £55 × 0,6 ≈ £304 920/aastas kapatsiteet

Kulu: 210 litsentseeritud kohT × £22/kuu × 12 ≈ £55 440/aastas

Netto kapatsiteedi-suhe ≈ 304 920 / 55 440 ≈ 5,5:1

RahastataV roughLy üheL-kolmandikul iseRaporteeritud kasuST, ja ainult pärast, kui klassifikatsiooni-lagi on rakendatuD — kõigi 300 arendaja litsentseerimine iseRaporteeritud figuuri tugevuseL oleKs üleHinnanuD nii õigustatuD populatsiooni, kui tõelist sääsTu.

Seos tarkvaraarendusega

DistsipliiNid, mis kannavaD otse üle: käivita pragmaatiliseD katseD osakonna oma kodebaasil ja reaalseL tickeTidel, ei tarnija-demonstratSiooni-ülesanDeiL, sest METR-tulemus on spetsiifiLiselt matuursE-kodebaasi-fund; käsitle vastuvõtu-määra proksiNa, ei tulemuseNa — kõrgE vastuvõtu-määr madalaGa retentsiooniGa on software-ekvivalent üleDiagnosEErimiseLe; paarIsta igA throughput-väide stabiilsuSE-kontrolliGa, sest DORA 2025. aasta raport leiuS, AI-adoptsioon tõstab throughput'i, kuid degradeerib muudatuSe-stabiilsust, mis on täpselt netokasu-analüüs, millEKs DORA-mõõdikud avaliku väärtuse jaoks on ehitatud; ja ole aus, et AI-riistaD saaVaD laiendaDa, ei kitsenDaDa, lünka tehniliSe-võla-rasKeTel legacy-ejenDitel, sest treeninGuAndmed alaEsindavaD COBOL, 4GL, ja skräddersyd mainframe-koodi levinuD valitsuses, nii et soovituSe-kvaliteet täpselt neiL süsteemidel, mis kõige rohkem vajavaD abi, on sageli nõrgim. See istuB koos laieMa AI valitsuSe väärtuseS-küsimuseGa ja peaks olema juHiTud samADeST statslikU-sektori-küberturvalisuse-väärtuSe-piirangutest, mis piiraVad, kus mistahes kolmandA-osapoole-riist üldSe saaB näha koodi või andmeid.

Lõksud

  • TarnijA-uuringu-transplantatSioon. Greenfield-RCT-kiirenduSTe rakendamine legacy-integratsiooni-tööLe on täpselt viga, millE METR-uuring eksponeeriS.
  • IseRaport mõõtmiseNa. 20-protsendipunkti-tajuMise-versus-mõõDetuD-lünk on suurim teaDaolev bias sellES kirjanduseS, ja see infleerib äriJuhtumeid, mis tuGineVad ainult arendaja-uuringuteLe.
  • Klassifikatsiooni-lagE ignoreerimine. LitsentseerimiSE- ja väärtuSE-mudelid, ehitatuD koGu-personali-arvu peal, ei õigustatuD, klassifikatsiooni-kinnitatuD alamhulGa peal, üleHindaVaD süstemaatiLiselt nii kuluefektiivsuSt kui saavutataVat kaTvuSt.
  • HankimiS-tsükli-lag. FramewoRk-põhine riista-hankimine saaB tähendaDa, et pilot hindab mudeli-generatsiooni, mis on 12-18 kuuD maHA sellest, mis on avalikult saadaval ajaKs, mil fulleM käiVitamine toimub, muutES originaalse äriJuhtumi kiirenDuSE-eeldusE vananeNuKs enne go-live'i.

Allikad