先分享一個好消息。
從去年底到現在,我們陪 8 個團隊走完了整個 AI SDLC 的改造,其中 6 個團隊,已經完全上線這套服務。還有 3 個團隊,現在仍是進行式。
幾個月前,我們寫過一篇〈AI coding 進到團隊之後,我們開始看到的三個現象〉,談個人因 AI 變快,不代表團隊已經準備好一起變快。這篇算是那篇的後續:當團隊真的開始一起變快,中間到底經歷了什麼。
先看幾個數字
- 陪 8 個團隊走完整個 AI SDLC 改造,其中 6 個已完全上線
- 還有 3 個團隊仍在進行中
- 30 多條正在運作的產品線,轉到了新的流程上
- 前後大約 3,000 多個 commit
- 迭代最多的一個團隊,調整了 157 次
157 次,聽起來很多。
但它很誠實地說明了一件事:沒有一個團隊的導入是一次到位的。
轉的不是工具,是正在運作的產品
這 30 多條產品線,都不是新開的實驗專案,而是正在運作的產品。
也就是說,流程在換的同時,產品還是要繼續交付。不能停下來重來,也不能等所有東西都想清楚才開始。
所以那 3,000 多個 commit,大多不是在「導入 AI」,而是在把流程一點一點轉過去:哪個環節先換、哪個環節還需要人來確認、哪些規則要補進來、哪些做法在這個團隊行不通,要換一種方式。
每一次調整,都是在回答上一篇提過的那幾個問題:哪些事情可以交給 AI,哪些判斷仍然要人來做,出了問題時,能不能回頭找到是哪一個決策造成的。
Teams 其實只有 3 家在用
這件事我們想老實講。
上一篇提到,我們自己開發了一套 Agent framework,叫做 Teams。但在這些團隊裡,真正在用 Teams 的,其實只有 3 家。
原因不複雜:Teams 比較適合小團隊,大概是同時有 4 到 5 個產品在跑的規模。
後來接觸的客戶,開發團隊與內部產品線都比較多。對這樣的組織來說,直接套用一個為小團隊設計的框架,不一定是對的答案。
所以我們做的事情,也跟著變了。
我們實際在做的事
主要就是兩件事。
第一,幫忙搭建框架。不是把 Teams 原封不動搬過去,而是依照每個組織的團隊與產品線,搭出適合他們的那一套。
第二,陪團隊一個個專案上線、調整。框架搭好只是開始,真正花時間的,是每個專案實際跑起來之後,一次又一次地修正。
回頭看,這也印證了我們一直以來的想法:框架和工具會一直變,但真正讓團隊穩定下來的,是協作、責任與判斷有沒有被放回正確的位置。框架只是承載這些事情的容器,它要合身,才撐得住。
RD 在新流程裡,會往哪裡走
最後,想談談 RD。
陪這些團隊走下來,我們看到人在流程裡的位置,一直在移動。
過去,需求和規格常常是散落的,沒有被好好記錄下來;RD 的時間,大多花在中間的設計、開發,一路到測試與驗收。
第一階段,AI 先接手了開發。為了讓 AI 能做,需求和規格開始被人寫清楚。
現在,設計和開發大多交給 AI,規格由 AI 起草、人來確認;測試與驗收,仍然由人負責。
下一步,測試也會變成 AI 做、人確認。人的位置,會移到流程的兩端:前面貼近客戶,後面把關品質。
對 RD 來說,這代表工作重心可能會從「把東西寫出來」,慢慢移到兩件事情上:一是更理解客戶與問題本身,把要做什麼定義清楚;二是判斷做出來的東西夠不夠好,能不能交付。
寫程式不會消失,但它不再是 RD 最主要的價值所在。
結語
6 個團隊完全上線,是一個值得慶祝的節點。
謝謝這些團隊,願意在產品持續運作的同時,一起把流程一點一點轉過來。還在進行中的 3 個團隊,我們也會繼續陪著走完。
個人會用 AI 很重要,但一個團隊要真正因為 AI 變得更穩、更快,靠的不是一次漂亮的導入,而是願意一起迭代到對為止。