夜雨聆风Agentic AI 在软件开发中的使用方式，预示着更广泛交付模式的变化。
上午 9 点，一位产品负责人登录系统，查看团队正在开发的一项解决方案在夜间取得的进展。她看到，一项功能已经从结构化需求推进到完成测试的代码。边界场景被标记出来。她注意到，架构依赖也已经过验证。一份简明摘要列出了取舍和待决事项。
没有人熬夜，AI Agent 工作了。
到上午中段，团队开始审查输出、调整护栏，并重新排列待办事项的优先级。到了晚上，下一批结构化输入又被排入队列，等待 AI Agent 在另一个夜间周期里继续处理。
这种 24 小时工作模式已经进入现实。领先组织已经围绕近乎连续的执行重新设计交付方式。虽然软件交付模式正在快速演进，多家公司已经看到生产率提升到原来的 3 到 5 倍，同时团队规模减少 60%。这些组织取得收益的原因，是重塑运营模式[1]，让人类和 Agent 能够全天候协作，而不只是部署 AI Agent。
24 小时冲刺：为连续吞吐量而设计
领先企业正在转向每日冲刺模式，把人的判断与夜间 Agent 执行结合起来，大幅缩短典型的两周冲刺周期。白天，人类专注于审查输出、消除模糊点、强化架构护栏，并协调利益相关方。越来越多时候，他们的角色会从产出工件，转向监督并改进那个产出工件的系统。
到了夜间，Agent 以规模化方式执行结构化工作。它们的任务包括补充需求、验证架构、生成并测试代码，以及打包输出供人审查。
这种模式只有在几个实践基础到位时才能运转。第一，业务侧必须清楚知道要构建什么，比如产品路线图，或可供参照的构建标准，这样才能评估 Agent 生成的需求是否具备质量，并与愿景一致。
底层技术环境也需要标准化且保持一致，比如使用通用框架和模块化架构，这样解决方案才能扩展，组件也可以复用，减少每次都重新发明的低效。
第三，从需求到代码的路径必须遵循标准结构，这样 Agent 才能可靠理解输入，并在不同项目中生成可预期的输出。
第四，同一批核心利益相关方需要持续参与整个价值流，避免错位和反复返工。如果缺少这种一致性和清晰度，Agent 输出会变得碎片化，也难以被信任。
核心要点：连续的 24 小时交付可以实现，但前提是具备架构纪律和标准化工作流，让 Agent 能够在规模化环境中可靠运行。
扩展自动化，消除人工交接
传统的持续集成和持续交付（CI/CD）自动化，主要集中在测试和部署上。虽然这些成本会因组织而异，但根据我们的经验，它们最高可能占技术总支出的 30%。大部分工作量仍集中在从需求到编码的环节，这些环节依然依赖人工，而且需要大量解释和转换。摩擦就积累在这里，价值也在这里遇到天花板。
在多数组织中，需求、标准、架构规格和用户故事分散在彼此割裂的文档和工具里。每一次交接都会引入模糊性。人类需要反复把意图从一种工件翻译成另一种工件。
Agentic 模式通过把工件结构化，支持机器到机器的交接，从而移除这种摩擦。功能描述、非功能需求、护栏、序列图和代码仓库都被编码为标准化、机器可读的格式。这样，流水线就可以在数小时内端到端运行，人类只在明确的审查关口介入，把精力放在判断与校准上。
核心要点：要规模化应用 AI，需要把工程实践应用到开发系统本身，让流程可重复，并把交接自动化。
构建知识基础设施，释放 Agent 自主性
要生成准确结果，Agent 工厂需要组织上下文和记忆。领先企业正在构建知识图谱，让它在每个领域的软件开发生命周期（SDLC）中充当 AI 记忆层。这些图谱把 Agent 需要理解的要素连接起来，例如客户反馈、架构决策、设计文档、工单、GitHub 活动、事故报告，以及经过摘要的合规规则。
其结果是一个语义连接系统，也就是让 Agent 理解数据含义、从而更好完成任务的一种方式。
它带来的影响是变革性的。过去需要多位主题专家（SME）访谈数周才能回答的问题，现在可以由一个“图书管理员”Agent 从结构化的组织记忆中提取答案，在几分钟内完成。每个决策都变得可追溯。如果利益相关方追问某项功能为什么被降级优先级，答案可以直接关联到源头，例如客户调研数据或使用分析。
隐性的部落知识会变成显性且可解释的知识，减少新成员的上手时间，并强化治理。
重要的是，与其从宏大的、自上而下的本体工程开始，不如让知识图谱围绕优先领域和真实项目自然演进，并随着时间推移复利增长。随着规模扩大，知识会从静态文档升级为生产基础设施，并成为持久的竞争优势来源。
核心要点：结构化、彼此连接的知识是 Agent 自主性的基础。要把知识架构视为战略基础设施。
捕获价值：调整团队规模，重塑项目组合
Agentic 软件开发生命周期可以显著提高生产率，因为更小的团队现在可以完成更多工作。早期落地经验表明，过去由 8 到 12 名全职等价人力（FTE）组成的大团队，可能会转向由高技能专业人员组成的小型团队，由他们监督 Agent 驱动的执行。结果是周期被压缩，成本下降，或者产能增加。
要捕获这种价值，组织应聚焦三件事。第一是让人员重新掌握所需技能。中央团队需要具备开发和维护 Agent“工厂”的能力，确保标准化、合规和最佳实践等要求得到落实；与此同时，组织内的软件工程师也需要培养判断、代码审查和监督能力，以管理与自己协作的 Agent。
角色会从人工协调和测试，转向架构一致性、领域建模和 AI 监督。
第二，要确保“外环”角色参与 Agentic 开发，包括风险、法务、测试和采购中的支持与合规人员。这些人参与进来后，更快的软件开发生命周期才会转化为更快的业务进展。Agent 和自动化，例如“政策即代码”，可以帮助这些控制要求避免成为瓶颈，同时提升质量、一致性、完整性和可追溯性。
这些控制应该从设计之初就嵌入系统，把流程末端守门转为设计内建。
第三，要重新设计产能分配方式，让生产率提升转化为新的价值。释放出来的产能通常会被重新投入，用来加速路线图、现代化平台，或推出新产品。
核心要点：生产率提升可以转化为结构性的项目组合变化。组织需要调整团队规模，并有意识地重新部署产能，才能捕获完整价值。
转型应从影响最大的地方开始。在多数技术组织中，少数大型项目占据了总支出的主要部分。把目标对准这些项目，无论是遗留系统现代化、棕地重建，还是新产品发布，都能最大化可见影响，并加速学习。
随着 Agent 规模化承担执行工作，并产出稳健且持续安全的代码，人类角色会集中在架构、产品判断和系统设计上。组织知识和技术一致性将成为决定性的差异化因素。那些开始把这些能力纳入更广泛运营模式重塑工作的组织，速度会更快，也会重新定义软件如何创造价值。
Jared Moon 是 McKinsey 伦敦办公室高级合伙人，Adam Thelwall 是该办公室副合伙人；Rory Walsh 是都柏林办公室合伙人；Vito Di Leo 是苏黎世办公室合伙人。
作者感谢 Aishik Dhar、Amray Schwabe、Benjamin Schloesing 和 Nikolaus Muller 对本文的贡献。
本文由纽约办公室编辑总监 Barr Seitz 编辑。
参考资料:
https://www.mckinsey.com/capabilities/tech-and-ai/our-insights/the-ai-revolution-in-software-development
原文链接： https://www.mckinsey.com/capabilities/mckinsey-technology/our-insights/rewiring-software-delivery-for-the-agentic-era
