宝洁ADLC实践:Agent如何重写研发流程

AI资讯2天前发布 admin
12 0 0

真正被重写的不是代码,而是交付链路

宝洁中国探索的ADLC,核心并不是给现有研发流程增加几个AI助手,而是让智能体参与并连接原本由不同岗位分别完成的环节。需求理解、方案设计、编码、测试、发布和运维不再天然属于某一类职位,而可能被重新编排成一条自动化程度更高、但责任边界更清晰的链路。

这意味着企业首先要追问的并不是“哪个工具最好”,而是三个更棘手的问题:哪些步骤可以交给Agent,哪些节点必须由人拍板,流程变化后团队应该如何分工。代码生成速度只是局部指标,真正决定交付效率的,是需求进入团队后经历了多少等待、返工和人工交接。

从 SDLC 到 ADLC:宝洁的 AI 原生组织实验
配图 1:InfoQ中文

Agent改变岗位,也暴露流程瓶颈

传统软件生命周期围绕角色设计:产品整理需求,工程师实现方案,测试验证质量,运维负责上线后的稳定性。每个环节都有明确负责人,因此交接本身也构成了固定成本。当Agent能够连续处理多个步骤时,原有岗位边界就会显得过细,某些审批、评审和状态传递甚至可能失去必要性。

但流程并不会因此自动顺畅。假设Agent可以完成中间四步,第一步的需求确认和最后一步的发布决策仍可能因责任不清而卡住。流程设计者需要标记每个节点的业务风险、失败回退方式和最终责任人。ADLC不是取消分工,而是从“按职位切任务”转向“按结果和责任链组织任务”。

传统模式 ADLC方向
岗位各负责一段流程 智能体可跨环节完成任务
交接依靠沟通和工单 上下文和决策通过系统传递
文档主要记录最终结论 知识库同时记录设计取舍与验证过程
治理依靠周期性评审 社区高频评估,企业保留合规底线
从 SDLC 到 ADLC:宝洁的 AI 原生组织实验
配图 2:InfoQ中文

组织提效的关键,在局部效率之外

个人借助AI把编码速度提高一倍,并不等于公司交付周期同步缩短。如果个人产出的成果仍要经过相同的评审、审批和跨部门沟通,节省下来的时间就会被下游节点重新吃掉。宝洁同时推进人才招聘、人才培养和技术治理,实际上是在处理这一矛盾。

其研发岗位不再主要按前端、后端、测试划分,而转向围绕Agent开发的全栈能力。原有的五人敏捷小队也在向能够从需求理解推进到实现和验证的AI全栈工程师转变。这不是简单增加一项工具培训,而是改变人员能力模型、晋升标准与协作方式。业务人员同样被纳入创新过程,因为能够快速制作原型的人,正在更早地参与问题定义。

技术治理也在从“季度判断什么值得采用”转向持续发现、快速评估。一线实践者通过社区和黑客松展示真实用例,由同行判断技术是否有效;企业层面的安全与合规要求仍然保留。治理的关键不在于降低控制强度,而在于让新技术的评估节奏接近技术迭代节奏。

从 SDLC 到 ADLC:宝洁的 AI 原生组织实验
配图 3:InfoQ中文

验证成本下降,会改变决策方式

当制作原型的周期和费用显著下降,会议室里的抽象争论就更容易被实际结果替代。让多个Agent从正反方向论证方案,可以帮助团队暴露盲点,却不能代替事实检验。真正的决策依据应包括运行数据、用户反馈和可复现的原型,而不是讨论次数。

这也提高了管理者亲自实践的重要性。仅阅读汇报容易形成信息差,负责人亲手搭建Agent,才能判断其可靠性、适用边界和组织成本。与此同时,大模型知识库需要保存的不只是接口文档,还包括设计时的背景、权衡过程以及与AI交互中的关键上下文。这类“过程知识”可以减少重复讨论,并让后续人员与Agent理解为什么这样设计。

从 SDLC 到 ADLC:宝洁的 AI 原生组织实验
配图 4:InfoQ中文

对企业与开发者的实际启示

对普通用户而言,AI产品背后的服务交付周期可能缩短,产品迭代会更多由真实反馈推动。对开发者而言,价值重心将从单纯编写代码,转向定义问题、编排工具、设计验证机制和承担最终责任。懂业务、能借助Agent快速构建原型,并敢于对结果负责,比掌握某一个短期热门框架更具持续性。

  1. 先选高价值链路。从需求到验证或从工单到排查中,选择数据较完整、风险可控且耗时的环节试点。
  2. 同步重画流程。为每个Agent标注输入、输出、权限、失败回退和人工决策点,避免把旧流程机械数字化。
  3. 建立小步评审机制。让业务、开发、合规和一线使用者共同参与高频评估,但明确不可跳过的安全门槛。
  4. 保存决策上下文。把原型、提示词、关键取舍、测试数据和失败记录纳入知识库,而不只保留最终文档。
  5. 用结果衡量转型。关注端到端周期、返工率、人工交接次数和业务效果,不以工具使用量或生成代码量作为成功标准。

宝洁案例最值得借鉴之处,是把Agent视为组织设计变量,而不是新的开发插件。AI落地通常不是缺少工具,而是旧流程仍在要求人们完成已被自动化改变的工作。只有当责任、岗位、治理和验证一起调整,个人层面的效率才可能转化为企业层面的持续竞争力。

从 SDLC 到 ADLC:宝洁的 AI 原生组织实验
配图 5:InfoQ中文
从 SDLC 到 ADLC:宝洁的 AI 原生组织实验
配图 6:InfoQ中文
从 SDLC 到 ADLC:宝洁的 AI 原生组织实验
配图 7:InfoQ中文
从 SDLC 到 ADLC:宝洁的 AI 原生组织实验
配图 8:InfoQ中文
© 版权声明

相关文章