Matt Linderman：我正在跟一家私募股权控股的软件公司合作。他们的CTO做了一个实验：一边是两个完整的Scrum团队联手做一个重新设计，另一边是一个精简小队，只有1个产品经理和3个开发者。这个小团队完全打破了常规，不受日常敏捷流程的束缚，结果4天就完成了任务；而另一边规模大了四倍的团队，却花了4周。这让所有人都忍不住问：你们怎么做到的？接下来你就会想，怎么把这种模式复制开来，不只限于这一个任务，而是推广到我们80%、90%的工作中去。Janaki Palaniappan：个人提效是我们看到的第一种收益模式——我做任务、用AI、自己变快了。这确实能让你个人产出更高，但并不会真正带来利润或营收的增长。要产生那种级别的价值，领导者必须审视整个端到端流程。在产品开发中，你得从创意诞生开始，一路贯穿探索、测试、编码、上线和规模化。只有覆盖全流程，你才能真正实现加速上市。Martin Harrysson：个人和小团队确实受益明显。但要把这种模式推广到成百上千名开发者，大多数公司就卡住了。团队架构、角色分工、协作成本——这些老问题并不会因为新工具的出现而自动消失。公司的规划审批和安全审查流程，运转速度也远远跟不上你真正用好这些工具后所能达到的速度。
当AI全面融入开发流程后，软件团队正在发生怎样的变化？
Matt Linderman：我们通常从三个层面来看待这些变化：流程与运营模式、人才与角色，以及支撑这一切的技术。一开始，我们把Copilot、Cursor这类工具嵌入到现有步骤中。接着，在没有工具覆盖的环节，我们引入了智能体。现在我们正在搭建端到端的完整流程——我们称之为“智能体工厂”。随着向这种流程演进，团队结构也随之改变。我们看到团队规模大幅缩小，角色更加通才化——从原来的六到十人缩减到两到三人，从专门的前端、后端、测试等细分岗位，转向我们称之为"定义者"和"构建者"的角色。
Matt Linderman：整体趋势是，工程师必须在职业生涯中更快地掌握技术负责人的全套技能。现在，个人需要独立负责整个端到端流程：从梳理需求规格、确定技术方案，到写代码、做测试、最终发布上线。这套技能过去通常只属于技术主管。而现在，开发者在入行第2到第3年就能具备这些能力，而不再是过去的第6年。Janaki Palaniappan：重复性的工作——写代码、做测试、写初版——正在逐步被自动化。但真正变得至关重要的，是战略性技能：系统思维和主人翁意识。智能体可以替你干活，但你作为人类，必须对最终产出负责。当我使用这些工具时，我是这么想的：就像一个初级同事帮我做了一份东西。我要审阅它，然后问自己：我认同这个结果吗？我能为它背书、能为它担责吗？Martin Harrysson：现在更重要的能力是：把问题拆解成不同部分，梳理出可以分配给智能体的任务，具备架构思维，以及用评估和测试驱动开发的思路来思考。而重要性在下降的，是对特定编程语言的深入经验，以及写代码的语法和技巧——智能体现在已经能承担更多这类工作了。
随着AI承担起更多构建工作，人类还能在哪些方面创造价值？
Matt Linderman：人类仍然发挥着关键作用，尤其是在项目初期。如果工程执行的速度加快了，那么“该做什么”反而成了瓶颈。在产品管理中，“该做什么”从来就是人类的职责——智能体可以加速这个过程，但真正的方向仍需人来把握。面对成千上万种可能，我们该往哪个方向探索？哪怕选项是由智能体给出的，审视这些选项、评估它们、并选出正确路径的能力——这在当下至关重要。Janaki Palaniappan：归根结底，我们始于人的问题，也终于人的问题。大规模开发新软件的成本已经大幅降低——你几乎可以做任何东西。但问题是：这些东西该做吗？人们真的想要吗？这些是机器想不明白的。此外，解释解决方案、说服他人、争取认同，这些仍然离不开人。Martin Harrysson：客户正面临一个许久未遇的难题：他们必须更快地想清楚该做什么。如果你能以近乎零成本、极快的速度做出任何东西，那谁都能做到——你的竞争对手、新入局者也不例外。因此，“决定做什么”变得前所未有的重要。有人说，如果剥开表象往前看，软件开发最终剩下的唯一东西，就是对用户喜好的品味和判断。我觉得我们还没到那一步，但方向确实如此。
AI正在如何改变软件从需求到部署的整个开发生命周期？
Matt Linderman：测试驱动开发和其他最佳实践，我们喊了很多年，但因为工作量太大，实际执行往往流于形式。现在的技术让你能真正落地这些实践——把需求定义得更深更细，把各类合规要求都核查清楚，而且质量和速度都大幅提升。很多真正的创新正发生在流程的更前端，也就是“该做什么”这个阶段。现在你可以把产品管理系统接入更自主运转的流程：收集用户反馈、聚类显性痛点、调研竞品、生成创意、搭建原型，全程异步完成。Janaki Palaniappan：现在已经没有统一的产品开发周期了。周期取决于你具体在做什么。从零开始搭建全新技术栈，和维护市场上的现有产品，完全是两回事；而这两者又跟系统现代化或处理技术债的工作大不相同。测试驱动开发喊了很多年，但过去很难真正落地。如今，它终于能变成现实。自动修bug、自动维护——你现在可以更快、更自动化地偿还技术债、升级技术栈。Martin Harrysson：我们需要把这件事真正理解为对生命周期的重新定义，而不只是现有步骤的加速。有些步骤我们完全可以跳过，有些则需要调整顺序。我们要在前期就更多地关注风险和韧性，而不是在流程中设置那么多需要人工介入的审查环节。因为如果还是层层把关，你就拿不到想要的效率提升。
我们距离AI系统能够自主构建和部署软件还有多远？
Martin Harrysson：我们在一些特定领域已经看到了这种情况，其中两类场景效果最好：一是约束条件少、问题定义清晰的全新开发，二是现代化改造——把已有软件用新技术栈重建，目标结果非常明确。但我提醒大家不要觉得完全自主已经近在眼前。人类向来不擅长估算这类事情需要多久。想想自动驾驶汽车：据说核心技术多年前就已经就位了，但还有那么多边缘情况需要解决。公司软件也是如此。Janaki Palaniappan：AI自主构建和部署软件已经来了。领导者们正在拆分他们的需求清单，自问：哪些事情风险够低，可以在不需要人插手的情况下完成需求定义、开发、部署？而且这类事情只会越来越多。需要人类参与的软件开发，将主要集中在那些真正需要人类去压力测试的新创新上。我们现在最需要搞清楚的，是对于自动提交并自动部署到市场这件事，公司的风险承受度有多大，安全底线又在哪里。Matt Linderman：这个愿景已经提了四年，而且我们今天确实有了能端到端自主构建的解决方案。但问题是，它们能不能做到高保真、高质量，还保证安全？目前，我们还没达到那个水平。在创意方向上，人类的引导至关重要：既然你几乎可以往任何方向走，让人类来主导探索，是非常有价值的。
夜雨聆风
