Dropbox 正在将人工智能（AI）从单一工具转变为全流程协作伙伴——不仅帮助工程师自动化重复性任务，还显著降低摩擦、释放专注力，加速内部创新。Dropbox 首席技术官 Ali Dasdan 和工程生产力高级总监 Uma Namasivayam 在本次专访中分享了他们如何通过明确的战略部署与文化建设，在 2025 年实现了 90% 工程师团队的 AI 使用率，领先业内平均水平。
AI 是 Dropbox 工程团队核心生产力工具
Ali Dasdan（CTO）表示：
AI 在 Dropbox 不再只是实验工具，而是提升工程效率的核心引擎。它不仅帮助减少会议时间、加快编码节奏，还覆盖了测试生成、调试、代码审查与事故响应等多个开发流程关键环节。
从最初的编码助手起步，Dropbox 正不断扩展 AI 能力至整个软件生命周期，这也是 AI 工具覆盖率能迅速提升至 90% 的关键所在。
从冷淡到广泛使用：AI 落地的转折点
Uma Namasivayam 指出：
尽管早在 2023 年末就引入 GitHub Copilot，最初的使用率却始终处于低位，2024 年也只是小部分工程师在使用。
转折点发生在 2025 年初：
- 战略共识：AI 被确立为公司级工程优先事项，形成高层一致的推进节奏；
- 痛点攻克：工程师对 AI 输出质量的不信任、使用门槛高等问题被逐一拆解；
- 分阶段推进：从外部工具评估 → 内部自研探索 → 全员变更管理三方面同时推进。
通过这些组合拳，AI 工具逐渐成为工程团队的“默认选择”。
衡量成效：数据驱动 + 文化驱动并行
Uma 分享落地经验：
- 变更管理体系化：包括指标追踪、培训体系、跨团队传播机制，确保成效可量化、经验可复制；
- 工程文化是关键：通过工程师间的经验共享和使用成功案例，实现真正的文化变革；
- 反馈机制重要：持续倾听开发者声音，使 AI 工具的部署“与开发者节奏一致”。
自研 vs 外部：谁该做，谁该买？
Ali 明确策略：
如果第三方工具能解决问题，Dropbox 优先采用。但若在代码审查、异常处理等领域出现空白，公司会基于基础模型自研专属工具——目前已涵盖迁移、测试、调试等多个领域。
Uma 强调评估机制：
- 不以“使用率”作为唯一标准；
- 更看重对开发效率、满意度、交付节奏等业务指标的实际提升；
- 无论是自研还是采购，标准一致，持续试验并动态优化。
AI 不只是开发助手，而是跨部门合作伙伴
Ali 强调：
AI 的影响已经超出工程领域：
- 产品经理：用 AI 分析用户反馈，辅助产品规划；
- 设计师：利用 AI 快速生成原型，进行创意探索；
- 市场团队：借助 AI 提取市场趋势，加快决策反馈。
AI 正逐步渗透到构思、研发、交付的每一个阶段，成为 Dropbox 全组织协同的“智能搭档”。
对行业的提醒：既不能高估，也不能低估 AI
Ali 指出两种误区：
- 过度预期：认为生成的代码行数等低层指标可直接转化为商业价值，风险极高；
- 低估风险：一些大公司行动迟缓，可能在 AI 赛道被快速超车。
Uma 观察到的早期成效：
- AI 显著提升了开发者的 PR 交付量；
- 重复性任务如测试、样板代码已基本自动化；
- 但对底层架构或复杂系统的贡献仍有限，仍需深入探索。
给其他团队的建议：推动 AI 落地的三大法则
Uma 总结 Dropbox 的实践经验：
- 消除使用门槛：让团队轻松试用，提供支持；
- 像产品一样对待 AI：设计明确策略、培训计划、反馈闭环；
- 以人为本，因地制宜：每个团队节奏不同，提供多样化工具选择和定制化支持是关键。
Dropbox 的愿景：AI 工具创造真实价值
Ali 展望未来：
希望用户能说：“Dropbox Dash 让我的工作更高效、客户服务更好、公司经营更健康。”
Dropbox 的目标不是“酷炫 AI 功能”，而是真正帮助用户解决痛点：比如快速找到某段视频、快速生成市场洞察。这类具体、可衡量的“前后对比式”成果，才是他们努力的方向。
总结
Dropbox 的经验表明，AI 真正发挥作用，不是靠炫技，而是靠清晰目标、团队共识、文化驱动与技术落地的“组合拳”。
AI 是协作者，不是替代者；是提效工具，不是万能解药。成功落地的关键在于：将 AI 看作一项持续的产品管理任务，而非一次性部署工程。