从初级到高级：代理AI介导的软件工程中分配代理与导航职业成长

文献标题

From Junior to Senior: Allocating Agency and Navigating Professional Growth in Agentic AI-Mediated Software Engineering

出版信息

• 主题领域: 探讨具备代理性的人工智能对软件工程实践、职业成长及不同经验水平间指导关系的影响。
• 关键词: 代理性人工智能, 生成式人工智能, 软件工程, 指导, 职业成长, 代理分配, 初级工程师, 高级工程师, 人工智能介导的工作流程, 提示审查。

背景与问题

• 问题/挑战: 代理性人工智能的引入打破了传统的软件工程工作流程、职业成长路径及指导动态。初级工程师在学习与生产力之间难以平衡，而高级工程师则需调整角色以有效指导熟悉人工智能的初级工程师。
• 重要性: 理解人工智能如何重塑代理性、技能发展及指导关系，对于维持人才管道并确保工程师在日益人工智能介导的环境中保持控制权和责任感至关重要。
• 动机与相关研究: 先前研究探讨了生成式人工智能在软件工程中的应用，但在人类与人工智能之间的代理分配，尤其是不同经验水平之间的差异方面仍存在研究空白。本研究基于先前工作，调查初级与高级工程师如何与人工智能工具互动、如何应对职业成长及在工作流程中保持代理性。

解决方案

• 提出的方法: 采用三阶段混合方法研究，包括访谈、基于任务的活动及工件审查，分析初级与高级工程师如何分配代理性、感知职业成长及在人工智能介导的工作流程中进行指导。
• 创新点:
  1. 确定组织政策在个人偏好之前预设了代理性边界。
  2. 揭示初级与高级工程师在熟悉与不熟悉任务中代理分配的不同策略。
  3. 提出“提示与代码审查（Prompt & Code Reviews, PCRs）”以在人工智能介导的工作流程中保持代理性与责任感。
  4. 探讨人工智能如何影响不同经验水平间的职业成长及指导动态。
• 流程与关键技术:
  • 第一阶段：通过高级工程师访谈，采用ACTA和德尔菲法设计一个现实的调试任务。
  • 第二阶段：初级工程师使用Cursor AI完成调试任务，并参与问卷调查和访谈。
  • 第三阶段：高级工程师审查初级工程师的工件（代码、提示及反思），评估人工智能在指导与学习中的作用。

结果

• 具体发现:
  • 高级工程师通过详细的任务分配和迭代优化保持控制，而初级工程师在不熟悉的情境中在过度依赖与谨慎回避之间摇摆。
  • 人工智能工具加速了学习，但无法替代基础理解或系统级思维。
  • 初级工程师在过度依赖人工智能时报告了冒名顶替综合症和脆弱的理解，而高级工程师则强调批判性思维与判断力。
• 相较基线的优势:
  • 本研究揭示了初级与高级工程师在代理分配及职业成长策略上的细微差异，这些差异未在先前研究中得到关注。
  • 提出的PCRs为在人工智能介导的工作流程中保持责任感和代理性提供了结构化方法。
• 实验/评估:
  • 第一阶段：五名高级工程师通过ACTA和德尔菲法识别隐性知识和调试策略。
  • 第二阶段：十名初级工程师使用Cursor AI完成调试任务，展现了多样的人工智能交互模式及信心水平。
  • 第三阶段：五名高级工程师审查初级工程师的工件，提供了关于人工智能使用的指导见解和反馈。
• 局限性与未来工作:
  • 样本量小且区域集中（美国和加拿大），限制了普适性。
  • 初级与高级工程师任务的差异阻碍了直接比较。
  • 未来研究可探索纵向研究、更大样本量及组织内现场研究以验证发现。

总结

本研究探讨了代理性人工智能如何重塑软件工程实践，重点关注代理分配、职业成长及不同经验水平间的指导关系。研究发现，组织政策预设了代理性边界，高级工程师利用基础直觉保持控制，而初级工程师在学习与生产力之间面临挑战。提出的提示与代码审查（PCRs）旨在人工智能介导的工作流程中保持责任感和代理性。尽管人工智能加速了学习，但无法替代系统思维和架构判断所需的隐性知识传递。这些发现强调了指导实践和组织支持的演变需求，以在人工智能驱动的行业中维持强大的人才管道。