2025年春节后，“AI”一词迅速成为热门话题，仿佛一夜之间横空出世，AI技术的迅猛发展，让许多企业意识到其重要性，甚至有观点认为AI将成为未来的核心竞争力，堪比电力和互联网。组织的数字化能力和技术工具以前所未有的速度被重新定义。

不可否认，AI已成为一种强大的新质生产力，正在推动整个软件研发流程从面向“人”到面向“人-Agent共生体”演进。主要变化点包括但不限于：

• 需求分析不再全靠人工，而由AI生成界面原型、扩写需求文档、对需求内容进行质检；

• 编码环节从代码补全进化到基于任务描述的代码生成模式；

• 测试阶段可以实现AI通过需求生成测试用例。

但是，AI在给人和组织带来生产助力的同时，也会带来风险和挑战。

AI不是魔法

AI爆发后，几乎成为所有企业管理者的关注重点，大家都急着想知道怎么尽快乘上AI这趟高速列车。从“能不能用”到“该怎么用”，大家对AI的期待值不断升高。

但AI并非魔法，也无法一夜之间让组织焕然一新。用好AI的前提，还有着基础设施的建设要求和组织在各方面的适应性变革要求。尤其是在人员组成、组织架构、资产管理、工具工艺等方面。金融行业作为高度依赖技术和数据的领域，更是面临着前所未有的变革压力。（关于这方面的变化，也可以参考我们之前发表的文章《最新预测：DeepSeek时代，科技组织即将发生的12大变化》）

在我们的试验和观察中，AI赋能提升人效的背后，对质量提出了新要求。

不谈质量的提效，是在制造技术负债

很多组织一上来就想用AI提效，更有部分组织和管理者，立马将AI变成裁员工具，就地降本增效。但吴穹博士却有不同的观点：在AI应用上，建议组织先把重点放在“提质”，而非盲目“提效”。

AI确实将要以及正在深刻重构软件研发的全流程，但前提是“质量体系要先跟得上”。基础设施不牢靠，即便AI工具再强，也只能加速制造混乱。例如：

1. 如果需求资产不完整，AI写出的代码可能方向会出现偏差。

AI不是业务专家，其代码生成是基于它所理解的需求上下文来的。如果你的需求资产不完整、不结构化，AI理解的上下文就会是不准确的或模糊的，它写出的代码很容易逻辑上对了，但业务上错了。

2. 如果单元测试覆盖率不够，AI生成的功能将无法回归验证。

AI擅长写语法对、结构对、设计模式对的看起来“很合理的代码”，但这不代表就是“正确的功能”。如果一个系统中大多数模块都有完备的单测，那么AI生成或改写代码后，一跑测试就知道有没有问题。因此只有构建好单测基础，才能让AI形成安全高效的生产闭环。

3. 如果DevOps流水线不完善，部署流程将变成“自动化踩坑”过程。

如果你的部署流程不够自动化、不够规范化，那么即便AI把代码写得再快、再多，也会迅速把“缺陷”和“混乱”推到上线环境，变成“高效交付问题”。所以我们建议在全面应用AI编码之前，一定要重视和补全DevOps技术债务。

因此，提质是AI提效的前提条件。只有具备较高工程标准和资产沉淀能力的团队，才能够通过AI有效释放生产力。

应对AI带来的影响，建议先做这些事

1.构建资产，让AI看得懂在做什么，才有可能写得对

资产沉淀相当于AI的“燃料库”，AI只有在看得见全貌的前提下，才能做得更准”。短期内我们建议的行动项包括：

• 推动需求资产化：用标准用例格式，构建结构化需求库，避免AI“编错方向”。

• 补全用户手册&设计文档：作为需求扩写、自动任务分解的输入源。谨慎推动AI直接进行需求扩写。

• 试点AI生成/维护架构资产：提升架构的可视化、可回溯性，为后续演进打下基础。

2. 优化研发工艺，让AI嵌入研发主流程

AI不是工具链的附属，而应该是研发流程内的共同成员，通过工艺流程来定义组织与AI的协作任务、流转过程、校验输入与输出。

以知微为例，我们现在探索构建的柔性AI软件工程生产线如下图所示，AI不是孤立的能力，而是流程中一个一个“Agent”。

在研发工艺变化方面我们建议的短期行动项主要有：

• 强化评审质控机制：在AI介入流程后，评审工作反而更重要，强化需求评审、设计评审、代码评审等质控环节，不仅要看人写的，也要看驯化AI写的，确保在AI助力下同时提升效率和守住质量。

• 稳步提升单元测试覆盖率，加大自动化接口测试建设：单测覆盖率、接口测试能力应该成为组织2025年大力推进的方向，以构建最底层的质量闭环，让AI生成内容有反馈机制。

3. 组织适配AI演进，优化人才结构，释放“超级个体”潜力

AI让优秀开发者如虎添翼，组织可能变小但战斗力更强，组织需要适配调整人才战略，引导AI应用方面的人才，打造“AI+人”的最小作战单元。

• 推进全栈/跨系统人才培养：减少前后端、跨系统的中间沟通联调成本。

• 识别并保护超级个体：在组织内设立AI变革推进机制，激励愿意尝试、适应、复用AI的人才。

• 重构角色能力模型：AI智能体成为团队成员，推动员工具备和AI协作能力，适应“人-Agent混成团队”。

4. 建设能用AI的基础设施

AI不是插上就能跑的外挂，它需要基础设施“托得住”。建议的行动项包括：

• 部署专用研发环境：确保研发团队拥有专属满血的大模型（如DeepSeek），并做好用户权限和资源调配。

• 推进DevOps能力：补齐自动化构建、测试、部署能力，否则AI产出只会加速“自动化踩坑”。

• 容器化环境就绪：为AI Agent和多分支协作提供轻量沙箱，实现“一个Agent一套环境”。

• 关注国产IDE发展：避免被限制能力或泄露数据，提前布局生态替代方案。

结语：质量是AI赋能的前提，而非代价

在结尾，我们引用吴穹博士的一个形象比喻：

AI就像高铁，

不是开不到400km/h或更高的速度，

问题是刹不住车。

如果不先构建质量保障机制，贸然提速将带来安全与稳定性的巨大隐患。

这正是今天我们对科技组织面对AI变革的关键提醒：不是速度决定你是否领先，而是质量决定你能不能持续。

只有当组织在质量保障、资产建设、工艺演进上打下扎实基础，AI才能真正进入人机协同的良性发展新纪元。

END

本文主要观点来源：吴穹博士《DeepSeek时代科技组织变革》

---

Agilean 是一家管理咨询业的科技公司，致力帮助企业全面提升数字化管理能力，成为企业数字化转型过程中长期可信赖的伙伴。在过去的十来年间，我们持续为国家开发银行、中国银联、平安银行、上海银行、上海农商、广发银行、宁波银行、长沙银行、招商证券、中金财富、易方达、深信服、天马微电子等国内众多行业标杆客户提供过管理咨询与工具改造升级服务，并在业界拥有不俗的口碑。我们具有深入的领域知识、丰富的流程优化经验、能系统性支持高层管理者落地战略愿景与管理思路，并擅长用咨询与数字化管理工具相结合的方式，帮组织快速实现管理升级。

如想进一步了解我们的解决方案，欢迎扫码添加二维码咨询~