AI原生工程的五个阶段，以及为什么绝大多数团队仍停留在第零阶段。

　　“AI原生工程”（AI-native engineering）已经变成了一个人人挂在嘴边却没人能定义清楚的热词。供应商用它来推销工具；创始人用它来装点董事会PPT；CTO们用它时，意思其实只是“我们买了Copilot的授权”。

　　这些都算不上真正的AI原生工程。

　　所谓AI原生工程，是指AI从根本上改变了团队的运转方式。工作流程、代码审查机制、质量门禁以及评估体系，全都围绕着作为核心参与者的AI进行了重塑。

　　大多数团队并没有做到这一点。他们只是在三年前沿用至今的运营模式之上，额外叠加了一些工具而已。

　　你究竟处在什么位置

　　据Akkodis数据显示，今年CTO对规模化应用AI的信心已降至48%，远低于2024年的82%。HCLTech报告称，预计有43%的企业级AI部署项目将以失败告终。Gartner调研了350家通过裁员来凑集AI资金的大型企业，发现绝大多数企业获得的收益充其量微乎其微。

　　工具本身确实有效，但运营模式却没有跟上步伐。

　　这条鸿沟比大多数CTO想象的都要宽，且忽视它的代价正变得日益昂贵。

　　人人都在谈软件工厂，但大多数团队尚未做好准备

　　关于“软件工厂”的讨论已全面爆发。Zach Lloyd发表了一份内部备忘录，断言他的工程师是“工厂工程师，而非产品工程师”；Chamath畅谈其团队在8090打造的工厂；微软也在大力推介智能体工厂（Agent Factories）。

　　但软件工厂属于第3或第4阶段，而绝大多数团队其实还停留在第0阶段。

　　我们拥有数百名AI原生工程师，现在已经深入嵌入到100多家公司中，其中许多是由私募股权（PE）支持的中型企业。

　　我们不做空洞的AI落地咨询。

　　我们将工程师直接嵌入客户团队，与他们一起搭建。

　　在我们合作过的团队中，几乎每一个都在使用AI工具，但在我们加入之前，几乎没有一家改变了围绕这些工具的运营模式。

　　AI的五个阶段（以及为什么你直接跳过了其中四个）

　　因此，我们总结了在100多个工程团队中实际部署的经验，并在此基础上构建了一套框架。这些绝不是凭空想出来的理论，而是在大量项目实践中重复出现、经得起验证的规律模式。

　　第0阶段：诊断期

　　在这个阶段你甚至都不知道自己处在什么位置。你的工程师可能正在使用AI，但你无法摸清究竟谁在用、用了多少，更无法判断它创造的是实际价值还是技术债务。

　　缺乏基线，更没有衡量指标的基础设施。

　　解决方案：部署开发者智能化分析工具，建立涵盖研发速度、质量及AI采纳率的DORA式基线，并对代码库进行全景梳理。耗时2到4周，成本极低。

　　大多数公司实际上正处于这个阶段，却对外宣称自己已达到第2阶段。

　　从第0阶段向第1阶段跨越，是大多数团队卡壳的地方。原因并非技术瓶颈，而是因为无人为此转型负责。缺乏AI生产力负责人、没有推广落地计划，也没有固定的衡量节奏。那些Copilot授权就这样挂着，孤零零地在虚无中生成着代码补全建议。

　　第1阶段：AI赋能（个人层面）

　　每位工程师都变成AI原生工程师。AI智能体拥有真实完整的代码库上下文；AI生产力负责人对团队进行针对性指导；资深工程师则担任代码审查的把关人。耗时1到3个月。

　　第2阶段：AI赋能（组织层面）

　　团队的工作流程发生根本变革。从Task工单到PR（合并请求）的过程实现了智能体化：规划、实现、运行测试、提交PR供人工审查，全部在沙盒环境内自动完成。

　　分享我们服务过的一个真实案例：一家拥有50多名工程师的物流平台。仅靠2名工程师，就在3个月内提交并成功合并了122个PR，其中约90%的代码由AI生成。AI使用成本：每名开发者每月仅需约200美元。耗时2到4个月。

　　第3阶段：AI工厂（产品维度）

　　AI从“你怎么搭建产品”转变为“你卖什么产品”。大语言模型驱动的功能直接融入客户自身的产品中，带来全新的收入增长与更强的用户留存。

　　大多数关于“软件工厂”的讨论都是以此为起点的。但在我们看来，这已经是第3阶段，而非第1阶段。耗时3到6个月以上。

　　第4阶段：AI工厂（治理维度）

　　构建完整的控制平面。包含模型网关、针对单一代码库的策略控制、全链路追踪、影响分析、合规审查以及审计日志。

　　核心衡量指标转变为：“单位Token产生的实际价值”（impact-per-token），而非单纯生成的代码行数。耗时6到12个月。

　　在把任何东西叫做“工厂”之前

　　先回答以下四个问题：

　　你的团队审查AI输出的速度，能否跟上AI生产代码的速度？

　　你是否有足够的资深工程师，来精准识别并纠正AI犯下的错误？

　　你的系统架构文档是否具备机器可读性？

　　你是否明确梳理并记录了目前哪些工作类型中AI实际上是“拖后腿的负担”而非“效能倍增器”？

　　如果你无法肯定地回答全部四个问题，说明你还没准备好迈入“工厂”阶段，你正处于需要“赋能”的阶段。

　　你很可能所处的真实位置

　　与我交流过的绝大多数团队，都自以为已经处于第2阶段。

　　然而，绝大多数团队实际上只是买了Copilot授权、依旧停留在第0阶段罢了。

　　率先理清这一差异的团队，其交付速度将拉开无法弥补的代差；而未能察觉的团队，只能不断通过招人来徒劳地弥补差距。

　　靠堆砌人手已经无法填平这条鸿沟。

　　今天，你的工程团队能够清晰回答这四个问题中的几个？

本文来源：36氪

文章转载于其他网络，如有侵权请联系我们及时删除。