[{"data":1,"prerenderedAt":39},["ShallowReactive",2],{"article-zh-ai-sdlc-transformation-with-teams":3},{"article":4,"related":17,"prevArticle":35,"nextArticle":16,"availableLocales":36},{"id":5,"slug":5,"title":6,"excerpt":7,"content":8,"image":9,"date":10,"published":11,"status":12,"category":13,"keywords":14,"meta_description":15,"og_image":16,"custom_css":16,"created_at":10,"updated_at":10},"ai-sdlc-transformation-with-teams","陪多個團隊走過 AI SDLC 改造之後","從去年底到現在，我們陪 8 個團隊走完整個 AI SDLC 改造，其中 6 個已經完全上線。回頭看，真正花時間的不是框架本身，而是陪每個專案一個個上線、一次次調整。","\u003Cp>先分享一個好消息。\u003C/p>\n\n\u003Cp>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。\u003C/p>\n\n\u003Cp>幾個月前，我們寫過一篇〈\u003Ca href=\"/blog/ai-coding-team-collaboration-three-patterns\">AI coding 進到團隊之後，我們開始看到的三個現象\u003C/a>〉，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。\u003C/p>\n\n\u003Ch2>先看幾個數字\u003C/h2>\n\n\u003Cul>\n\u003Cli>陪 8 個團隊走完整個 AI SDLC 改造，其中 6 個已完全上線\u003C/li>\n\u003Cli>還有 3 個團隊仍在進行中\u003C/li>\n\u003Cli>30 多條正在運作的產品線，轉到了新的流程上\u003C/li>\n\u003Cli>前後大約 3,000 多個 commit\u003C/li>\n\u003Cli>迭代最多的一個團隊，調整了 157 次\u003C/li>\n\u003C/ul>\n\n\u003Cp>157 次，聽起來很多。\u003C/p>\n\n\u003Cp>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。\u003C/p>\n\n\u003Ch2>轉的不是工具，是正在運作的產品\u003C/h2>\n\n\u003Cp>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。\u003C/p>\n\n\u003Cp>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。\u003C/p>\n\n\u003Cp>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。\u003C/p>\n\n\u003Cp>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。\u003C/p>\n\n\u003Ch2>Teams 其實只有 3 家在用\u003C/h2>\n\n\u003Cp>這件事我們想老實講。\u003C/p>\n\n\u003Cp>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。\u003C/p>\n\n\u003Cp>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。\u003C/p>\n\n\u003Cp>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。\u003C/p>\n\n\u003Cp>所以我們做的事情，也跟著變了。\u003C/p>\n\n\u003Ch2>我們實際在做的事\u003C/h2>\n\n\u003Cp>主要就是兩件事。\u003C/p>\n\n\u003Cp>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。\u003C/p>\n\n\u003Cp>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。\u003C/p>\n\n\u003Cfigure>\n  \u003Cimg src=\"https://cdn.sqa.tw/articles/ai-sdlc-tracker-status-2026-11-21.jpg\" alt=\"流程追蹤畫面：每一批變更依序經過 Develop、Merge、Gate、On dev、Dev verify，Gate 會跑上萬個測試並標出失敗項目\" />\n  \u003Cfigcaption>其中一個團隊每天實際在看的流程畫面。每一批變更都要經過 Gate 的自動測試，紅燈就停下來處理，才會進到 dev 驗證。（畫面經過重繪，專案與機器名稱已替換）\u003C/figcaption>\n\u003C/figure>\n\n\u003Cp>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。\u003C/p>\n\n\u003Ch2>RD 在新流程裡，會往哪裡走\u003C/h2>\n\n\u003Cp>最後，想談談 RD。\u003C/p>\n\n\u003Cp>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。\u003C/p>\n\n\u003Cfigure>\n  \u003Cimg src=\"https://cdn.sqa.tw/articles/ai-sdlc-roles-shift-zh-2026-11-21.jpg\" alt=\"人與 AI 在需求、規格、設計、開發、測試、驗收各階段的分工演進：從過去、第一階段、現在到下一步，人的位置從中間移到兩端\" />\n  \u003Cfigcaption>人的位置：從中間，移到兩端。\u003C/figcaption>\n\u003C/figure>\n\n\u003Cp>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。\u003C/p>\n\n\u003Cp>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。\u003C/p>\n\n\u003Cp>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。\u003C/p>\n\n\u003Cp>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。\u003C/p>\n\n\u003Cp>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。\u003C/p>\n\n\u003Cp>寫程式不會消失，但它不再是 RD 最主要的價值所在。\u003C/p>\n\n\u003Ch2>結語\u003C/h2>\n\n\u003Cp>6 個團隊完全上線，是一個值得慶祝的節點。\u003C/p>\n\n\u003Cp>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。\u003C/p>\n\n\u003Cp>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。\u003C/p>","https://cdn.sqa.tw/articles/ai-sdlc-teams-cover-2026-11-21.jpg","2026-11-21T12:00:00+08:00",true,"published","perspective","AI SDLC, AI coding, 開發流程改造, Teams, agent framework, 開發團隊","從去年底至今，陪 8 個團隊完成 AI SDLC 改造、6 個完全上線，30 多條運作中的產品線轉入新流程。談 Teams 為何只有 3 家在用，以及我們實際在做的事。",null,[18,23,29],{"id":19,"slug":19,"title":20,"excerpt":21,"image":22,"date":10,"category":13},"what-is-fde-forward-deployed-engineer","FDE 是什麼？駐點工程師交付系統，FDE 交付結果","FDE（Forward Deployed Engineer）和駐點工程師差在哪？一個交付系統，一個交付結果。從一個跟著貿易公司出納與業務工作三週的例子，談 FDE 怎麼工作，以及企業什麼時候需要 FDE。","https://cdn.sqa.tw/articles/what-is-fde-cover-2026-11-21.jpg",{"id":24,"slug":24,"title":25,"excerpt":26,"image":27,"date":28,"category":13},"ai-development-sdlc-release-verification","當 AI 開發只要兩小時，驗證卻還要三天","AI 開發加速後，規格確認、測試與發布不會自動跟著變快。從一個預約系統 SaaS 的實際案例，談我們如何調整 SDLC，讓完整發布驗證從兩三天縮短到兩小時以內，以及 SQA 的角色如何跟著改變。","https://cdn.sqa.tw/articles/ai-sdlc-verification-bottleneck-cover.jpg","2026-11-05T12:00:00+08:00",{"id":30,"slug":30,"title":31,"excerpt":32,"image":33,"date":34,"category":13},"sme-guide-to-choosing-ai-agent","滿街都是AI Agent，中小企業應該怎麼選？","我們最近被委託做 AI Agent 導入後的全盤檢查，才發現 Agent 在客服收單環節默默多採購了五倍原料，還差點在財務面造成流動性風險。Agent 的問題，往往不是不夠聰明，而是沒有人問對問題。","https://cdn.sqa.tw/articles/sme-agent-black-box-inspection.jpg","2026-09-01T15:00:00+00:00",{"slug":19,"title":20,"date":10},[37,38],"zh","en",1795282789129]