AICoding挑战下的软开部门建设

AI编程已经以迅雷不及掩耳之势到来，任何掩耳盗铃都是没有用的。

我们今天一起来规划一下在未来AI开发已经到来之际，IT的组织和管理体系应该如何应对。我以前的经历大多在2B业务，今天就以2B业务为例来思考一下。

首先，我们在AI开发来临之际，先要找出什么是变的，什么是不变的，哪些可以用来锚定，哪些可以自由发散。

标准企业级内部开发体系

具体工作分工：

• 需求管理团队，帮助业务部门确认需求的价值，这里有常见的几种价值估算模型：
  • 合规、战略级别的需求无需计算价值
  • 效率：提升多少效率，相当于节省多少成本，可以精确到每人每天每次
  • 减少错误：每次错误的成本X节省的次数
  • 增加收益：因为有了这个功能，多做多少生意，乘以利润率
  • 反向：如果不做某个需求，会每天增加多少工作量。
  • 单次项目的按单次计算，持续收益项目按年累计
• 产品团队：基于需求设计开发相关内容，为开发设置成本边界
  • 方案需要与业务方确认并得到认可。
  • 基于这个预估的成本，用需求团队的价值/成本，得到每单位成本（元，或人天）给企业带来的价值。
  • 基于每单位价值，进行排序，优先做单位价值高的需求。
• 架构师：架构师是自动化开发的中流砥柱，主要工作有
  • 架构师的工作是定义规则，更新规则，所有的研发体系都应该在架构师可控的规划范围内（Coding Rule，流程，标准）
  • 架构师的工作是保障整体系统（含软件、网络、硬件、安全）在设计的框架内的安全和稳定
  • 在针对不同方案的优略以及成本进行综合考量
  • 针对实际情况进行微调与妥协，并为之承担责任
  • 延申：各位同学可以一起集思广益，看有哪些需要定义的内容（清单）
• 开发，具体的代码编写只是整体开发工作的一小部分，单一增加这部分的效率，对整体开发的帮助并不大
  • 简单的无代码开发：逐步延伸到业务端，开发作为ITBP来帮助业务部门用无代码工具做一些无需持久化数据的小应用。
  • 较为复杂的逻辑和功能模块的中大型系统，低代码平台开发
  • 性能或UI要求极高的应用模块或系统：AI 辅助代码开发（Vibe Coding）
  • 开发以低代码平台为纽带，针对大型项目，引入双向外包开发体系。
• 测试：基于需求完成测试用例编写，完成全流程测试
  • 引入双向外包测试体系
• PM项目管理：项目从开发到交付的跟进者
  • 软件再好，系统再强，没人用也是白搭，所以需要由PM的角色来进行交付
  • PM也意味着对目标、时间、顺序、风险的统一管理
  • PM有双重目标，一是准时上线对应模块，二是配合业务的应用，进行迭代，从而能够最终完成业务在提出需求时的价值承诺。
• 运维：系统持续稳定运作保驾护航
  • 在性能、安全、稳定与成本之间做出平衡
  • 治未病，在腠理肌肤间预防
  • 架构与运维的紧密配合是系统稳定的保障
• CTO：综合人才现状、成本TOC、需求的未来变化，项目时间和周期管理，具体工具选型，对架构师的标准定义进行审核。

思考及推演：代码的本质是连接电脑与真实世界，是通过人机界面连接用户和电脑，自从电脑可以听懂人话，可以理解复杂的内容，文档已经逐步变成了新的连接标准，当我们用用一套精准的平台完成研发的全链路，用AI来辅助研发的时候，文档已经成为了事实上的中心。

因此，我们认为未来自动化开发的极致原则与逻辑是：

1. 文档生成一切，文档是所有工作核心。
2. 如果文档不能直接生成代码，那么是文档的问题，更进一步，是设计的问题。
3. 文档应该可以直接生成测试用例，如果不行，是文档的问题
4. AI应该可以根据文档、生成的代码、生成的测试用例，完成自动化测试，如果不行，是文档的问题
5. 需求应该可以直接生成文档，如果不行，是需求描述不清的问题，是企业知识库的问题，是Prompt的问题

很漂亮的一张图：产品经理干了些啥？来自公众号：老马识途集

传统的开发体系靠人（理解技术边界的程序员）理解产品经理的需求，找出可实现部分，从文档（自然语言）翻译为代码（翻译+逻辑化），然后交由从另一个角度理解产品经理需求的测试人员进行测试，这里面充斥着自由度与规则的冲突。举一个最典型的例子：

• 女友：到楼下超市买2斤苹果，看到西瓜的话，买一只。
• 结果：程序员——下楼——到超市——找到卖苹果的——找西瓜
  • 状态A：看到西瓜——买一只苹果，
  • 状态B：没看到西瓜——买2斤苹果。

请问，谁错了？什么时候会出Bug。答案：“买一只”没有被明确定义。

在大语言模型对人类文字语言的认知和理解越来越准确的未来，开发流程和部门会产生以下流变：

开发示意图：一切以文档为核心

以下是AI在软件开发的具体自动化场景：

• AI评估需求价值
• AI根据需求自动生成核心文档
• AI根据文档自动生成代码
• AI根据文档自动生成测试用例
• AI对接低码平台自动测试
• AI自动化接口生成/API（非MCP）
• AI监控数据自动运维预警

* 引入低代码平台的核心原因在于可以引入二次开发与迭代的入口，同时更容易衔接自动测试。

最终，我们将会达成需求到实现的全流程自动化，由以下几个自动化组成：

• 产品设计自动化
• 测试自动化
• 部署自动化
• 运维自动化
• 接口自动化

人类呢？人类的工作其一是制定规则和标准；其二就是在低代码平台上，针对那些实在无法用文档描述的内容，进行二次迭代微调，拼上拼图里的最后一块。