Janet Tang
合伙人兼董事总经理
AI Agent时代，你的团队还剩下什么？
软件开发正站在一场真正范式革命的门槛上。
智能体（AI Agent）工具正在崛起，已能承担大部分编码与交付工作， 软件的构建、管理和扩展方式正在发生根本性改变。
随着向 AI 原生开发模式转变，软件开发生命周期（Software Development Lifecycle，“SDLC”）中的许多关键环节会被自动化，开发团队规模将随之缩小，而这些人的工作反而更加关键。人类的角色更多集中在把关与监督上，用专业判断确保产出可靠、可信，并真正为客户创造价值。
几十年来，软件的定义与开发始终以人为核心 。敏捷开发围绕8-12人的小团队构建了以人为中心的模式。在传统团队中，大部分精力都投入在“构建”（约占32%）和“测试”（约占18%）上，而只有约7%的时间用于“指导、识别值得解决的问题” （数据来源：AlixPartners Activity Reference Model）自动化虽然通过构建流水线、测试自动化和AI辅助开发提升了效率，但在很大程度上 是在既有团队模式下，让同样的人完成更多工作，而不是改变开发的基本分工。
最新的 AI agent工具不再只是提高效率，而是能直接参与写代码、做测试和排部署。软件开发的核心原则依旧是质量、安全 (security by design) 和隐私 (privacy by design) ，不过我们实现这些目标的路径已经明显不同。
早期用户报告的生产率提升在26%–56%之间，但其中大多数收益仍然来自对现有开发模式的强化，而非来自人们对智能体所期待的 更深层变革。例如，一项针对GitHub Copilot用户的研究发现，其编码任务完成速度提高了56%；另一项覆盖近 5,000名开发者的研究则显示，周任务完成量提升了26%，且对初级开发人员的提升尤为明显。尽管在成熟的代码库中实际成果参差不齐 ，智能体至少能缓解需求与优先级排布方面的压力。 但要真正创造价值，仍需重新设计围绕它们展开的工作方式，并对智能体与人类的角色作出清晰界定。
随着产出的增加，一个更尖锐、也更重要的问题浮出水面：这一新模式究竟是在 创造真正的最终客户价值，还是仅仅生产了更多软件？
因此，CTO和CPO们的核心问题，正从“我们如何最大化员工的生产力？”转变为“我们如何确保持续为用户交付价值？”。如果没有强大的产品职能，仅仅投入更多资源去构建软件， 软件开发能力的扩张很可能导致低价值或冗余功能的激增。这一转变的目标并不止于效率。它要求企业审慎地重新设计角色分工、控制机制与经济模型，并在规模化的同时，走出一条不同以往的"化繁为简"之路。
智能体驱动的软件开发生命周期（SDLC）五大核心原则
面对这一根本不同的运营模式， 艾睿铂提出五项指导原则：
1. 人类设定方向，并对结果负责
产品和工程负责人负责界定问题、定义架构，同时承担问责职责，确保在由Agents执行具体工作的情况下，预期收益能够真正落地。
2. 对规范与测试质量的投入，将带来长期回报
人类应该重点做两件事：把需求写得结构清晰、可执行，以及用测试驱动的方式来开发，用这些清晰的规则和测试去约束本身带有不确定性的 AI 模型。
3. 架构成为约束智能体的核心控制机制
没有清晰的模式、接口和安全框架，Agents产生的代码将不一致，并以团队无法跟上的速度创建出脆弱的系统。架构决策必须由人类主导并承担最终责任。
4. 监督式工程（Supervisory Engineering）成为一门独立的学科
工作重心从亲自写代码，转向构建和编排 Agents、指挥工作流程，并验证输出结果。最重要的是，他们要判断在什么时候需要人类工程师介入。
5. 将组织知识转化为可执行的控制层
标准、架构决策、编码规范、安全策略、产品原则、测试要求、所有权模型等，需要以人类和Agents都能使用的形式存在。Agents还须能够将这些组织知识追溯到明确的责任人，从而在系统不断演化的过程中避免团队逐渐说不清系统为何如此运作（认知负债，cognitive debt），也避免代码逐步偏离既定架构（代码漂移，code drift）。
AlixPartners团队：
当 AI 正在重构软件交付的底层逻辑，企业能否赢得未来，取决于能否果断行动并做出明智决策。艾睿铂（AlixPartners）团队以结果为导向，助力企业从“人工编码驱动”转型为“智能体驱动、人类引领”的 AI 原生工程体系，将价值创造的焦点, 从”代码编写”转向”问题定义与执行监督”。在严格管控风险与确保合规的前提下，我们推动企业实现可持续转型，释放可验证、可量化的价值成果——无论是增收、降本、客户价值创造，还是多重提升。