當敏捷團隊遇見AI，新的實踐由此誕生原創(chuàng)

發(fā)布于 2025-3-20 08:22

瀏覽

0收藏

自從ChatGPT問世以來，人們就一直在討論AI技術將如何重塑我們的工作方式。結合自身需求，我嘗試讓AI暢想AI驅動方法如何幫助敏捷團隊獲取深層洞察并提供更具創(chuàng)新性的方案，而它給出的結果也令人大開眼界。下面我們就一起看看AI眼中新時代下敏捷團隊的形態(tài)。

當敏捷團隊遇見AI，新的實踐由此誕生-AI.x社區(qū)

攜手Deep Research，將分析推向新高度

在研究中，我發(fā)現Deep Research的功能極富成效。在接收詳盡的研究提示詞、思考AI如何改變敏捷開發(fā)之后，它輸出了一份相當全面的綜述報告，內容遠遠超出我對AI智能體的所有想象。

其中最令人震撼的，在于智能體會不斷追問關于行業(yè)重點、開發(fā)階段、時間框架和企業(yè)規(guī)模等具體細節(jié)，用協(xié)同改進的方式保證最終報告能夠滿足我的需求。

在短短11分鐘內，Deep Research就將來自16個來源的調查結果整理成一份語句連續(xù)，包含三個深入案例研究和一段深入跨案例分析結論的報告。而且它的分析不僅僅是在堆疊信息，更從中提取出了有意義的模式，并以結構化、易于理解的格式呈現出可操作見解。

三個極富啟發(fā)性的案例研究

報告研究了不同組織如何在原有敏捷框架內運用AI以改變產品的設計和交付：

1.Lightful：敏捷“AI小隊”為非營利組織提供溝通支持

這家位于倫敦的科技企業(yè)組建了一支跨職能“AI小隊”，由設計師、工程師和產品經理每天參與迭代。而且他們并非出于自身利益而采用AI，更多是為非營利客戶確定相應痛點，并嘗試用AI方案縮短實現流程。

他們最成功的創(chuàng)新在于“AI反饋”工具，該工具可提供帶有解釋的建議以幫助非營利用戶潤色社交媒體帖子。該方案在教育用戶的同時增強了人類創(chuàng)造力。團隊的敏捷方法，也讓成員們能夠在前沿模型面世后快速接入，確保哪怕是在沖刺階段也能隨時運用最新技術。

2.百事食品：發(fā)現“完美奇多”的秘密

百事食品采用生成式AI與深度強化學習為“奇多”嘗試不同形狀和口味。他們首先為生產流程建立起數字模擬，之后訓練一套AI系統(tǒng)以優(yōu)化面團水分、溫度和機器設置等變量，并成功以遠超實體實驗室的速度完成了數千次虛擬試驗。

AI設計出的“完美奇多”將產品屬性與消費者偏好緊密結合起來，成功實現了15%的市場滲透率增長。其中領域專家負責設定明確目標，而AI則廣泛探索解決方案空間，識別出可能被人類研發(fā)部門忽略的非直觀組合。

3.Wayfair：生成式AI增強客戶可視化效果

Wayfair開發(fā)的“Decorify”是一款由AI驅動的室內設計工具，允許用戶上傳房間照片并描述所需要的風格。該模型隨后會生成逼真的空間圖像，其中擺滿與Wayfair家居及視覺風格相匹配的裝飾，同時給出產品購買鏈接。

在發(fā)布后幾個月內，該工具已經為用戶生成了超過17.5萬種房間設計。它滿足了客戶的一大關鍵需求：幫助設想家具在家中陳列時的直觀感受。Wayfair則牢牢把握著敏捷開發(fā)的原則：快速發(fā)布，之后根據用戶反饋和使用數據進行迭代更新。

成功案例中的六大關鍵模式

在這些案例中，Deep Research找到了有助于將AI成功集成至敏捷框架的關鍵模式。報告總結稱，“研究發(fā)現的共通結論包括對客戶需求的不懈關注、運用AI快速推進迭代開發(fā)、跨職能團隊合作以及對道德/數據質量的密切關注。”

下面來看六大關鍵模式：

1. AI不只是效率工具，更是洞察引擎

AI提示出更深層的客戶洞察，從而塑造了產品設計方向。換言之，組織可以利用AI技術發(fā)現潛在的需求和模式，而不僅僅是實現現有流程的自動化。

2. 以客戶為中心、以問題為優(yōu)先的方法

成功的團隊是從客戶的問題和需求為起點，再酌情應用AI——而非為了用AI而用AI。所以最重要的永遠是：“AI要如何幫助解決特定的客戶問題？”，而非“AI有了，我們該在哪里使用？”

3. 敏捷方法放大了AI能力

AI的快速發(fā)展離不開由敏捷實踐提供的強大適應能力。團隊可以借此將AI融入自己的工作流程：使用短期實驗來測試可行性，逐步構建AI驅動功能，再進行多輪評審以多方協(xié)同評估質量。由此建立的強大反饋循環(huán)使得敏捷方法的適應性成為AI的支點，而AI生成的洞見則為后續(xù)迭代提供指引。

4. 跨職能團隊與技能極其重要

AI項目與數據科學、工程、設計和領域專業(yè)知識相交叉。最成功的實施必然依托于掌握共同AI語言的多元化團隊。這既可避免溝通不暢和不切實際的期望，也可實現更順暢的協(xié)作并提高方案落地效率。

5. 人工監(jiān)督、道德與數據質量

團隊須建立流程以驗證AI輸出并緩解錯誤/偏見。具體包括在流程中引入QA步驟、在全面發(fā)布前對AI決策與人工決策進行A/B測試，同時主動解決道德問題。此外，保持對用戶的透明度并確保合規(guī)性也至關重要。

6. 領導層的支持與實驗文化

領導層的支持提供了愿景和資源，使得團隊能夠無所畏懼地推進迭代。因此必須設定符合現實的期望——不要將AI夸大成魔法，而只是一種自身也須改進的強大工具。另外，盡量依托客戶指標、投資回報和競爭優(yōu)勢等角度傳遞進展。

淘汰是一種選擇，而非必需

許多專業(yè)人士將AI視為威脅，但案例研究表明這項技術與印刷機、電力或互聯網一樣只是種改變原有業(yè)務范式的要素。

從三個案例來看，AI扮演的都是顧問的角色，且人類在創(chuàng)意循環(huán)中仍不可或缺。

也就是說，在AI時代淘汰一部分職能/工具只是選擇，而非必需。真正重要的，永遠是如何運用AI從非結構化數據發(fā)掘洞察、模擬復雜場景并增強決策能力。

對于敏捷實踐的影響

對于強調適應性、持續(xù)改進與交付客戶價值的敏捷思維來說，AI自身的屬性與其天然契合，因此我們可以從以下三個角度探索實踐可能性：

從小處著手，快速學習。從AI可能提供價值的特定客戶痛點起步。通過短期迭代推進實驗，收集反饋并快速適應。?
建立跨職能AI素養(yǎng)。確保團隊成員們對于AI的能力和局限性擁有相通的理解。“理解”不代表人人都要成為數據科學家，但至少得達到能夠參與有效協(xié)作的程度。?
以人為本。在AI實現的設計過程中要始終強調人類創(chuàng)造力和決策能力，保證大多數應用場景都有人類參與其中。?