共计 2520 个字符，预计需要花费 7 分钟才能阅读完成。
AI 技术正在重塑敏捷开发模式，为软件开发带来新的机遇与挑战。本文将深入探讨如何在提升团队效率与质量的同时，有效规避最大风险。
fotograzia / Moment / Getty Images
核心要点
- 软件与业务目标一致的压力持续增加
- 敏捷技术在过去十年中停滞不前
- AI 有望加速敏捷团队的产出
敏捷开发的初衷是与业务紧密协作，共同构建真正有效的软件，而非局限于技术驱动的孤立项目。然而在实践中，敏捷在大规模团队或组织中往往表现不佳，组织政治和惯性常常阻碍这种理想的业务 -IT 协作。
那么，AI 能否助力敏捷开发更上一层楼？这正是业界的期待。
这种期待体现在 Digital.ai 的 第 18 次敏捷状态报告 中，报告指出 AI 和 AI 代理正在加速并可能提升软件的构建与交付质量。这一时机恰到好处，技术团队正面临提高产品 ROI 和软件创新的持续压力。该调查收集了近 350 名参与者的见解，主要来自拥有超过 20,000 名员工的大型企业的敏捷教练和顾问。
在采用方面，敏捷方法 已停滞近十年。在之前的 Digital.ai 调查中，52% 至 60% 的受访者表示他们的组织“正在使用敏捷实践但仍在成熟中”，仅有约十分之一的组织报告具备高水平的能力。这些数字在过去十年中几乎没有变化，今年也不例外 —— 只有 13% 的受访者表示敏捷已深度嵌入业务和技术中，而 42% 将其文化描述为“比没有好但可以更有效”。敏捷“在组织最需要的时候被轻描淡写地赞扬”。
这是因为超过四分之三的技术经理（76%）提到对敏捷的业务影响和 ROI 的审查增加。然而，只有 49% 在 AI 采用速度超过监督的情况下设置了防护措施。
希望 AI 正在从单纯的支持工具转变为 完整软件交付生命周期 的协调者。“这些系统不仅可以协助团队，还可以自主推理、决策和行动，以改善流程、质量和速度，”报告指出。
然而，行业专家和观察者对 AI 在改善软件开发和交付过程方面的潜力持怀疑态度。
“AI 不是你可以从工具箱中拿出来并期待神奇事情发生的东西，”Info-Tech 研究集团的研究总监 Andrew Kum-Seun 警告道。“至少现在不是。IT 经理必须准备好解决 AI 带来的人、工作流程和技术影响，同时诚实地看待 AI 今天能为他们的组织做什么。”
换句话说，在尝试将 AI 应用于软件开发之前，先确保 AI 实施有序。
“它会是一个生产力工具还是更多？”Kum-Seun 继续说道。“然后，经理必须配备正确的工具和策略，以帮助团队克服恐惧、不确定性和怀疑。最终，我们希望涉水而不是在没有游泳课程的情况下跳水。”
AI 引入敏捷开发的六大准则
1. 记住，这仍然是早期阶段
Kum-Seun 报告称，他的公司尚未看到 AI 代理 在软件开发生命周期（SDLC）中执行自主活动的广泛采用。“我们今天看到的许多价值和成功都在个人、任务层面，AI 补充了人类团队成员。”
2. 从小开始并做好准备
从小开始，“在暴露实时代码或客户数据之前，试点低风险流程，如测试生成和文档，”Safetica 的首席技术官 Zbyněk Sopuch 建议。
“在将 AI 应用于任何流程之前，一个经验法则是定位、检查并绘制组织中所有数据的来源，包括代码、日志、票证和客户，并确定哪些是禁止的。策略的一部分应包括‘先治理，后扩展’：在添加更多工具或用户之前，创建允许的政策。”
3. 决定哪些可以通过 AI 改进
SDLC 管理的哪些领域可以通过 AI 驱动的敏捷实践 增强？
“AI 有很多优势，特别是在处理票证方面，包括积压分析、按影响排序和优先级浮现，这意味着开发人员可以专注于紧迫领域，”Sopuch 说。“此外，AI 通过编写直接与需求或先前错误相关的测试用例，实现更智能的测试创建，从而改善覆盖率和可追溯性。”
文档也通过 AI 大大改进，“能够从代码的版本历史中自动起草拉取请求摘要、用户笔记和发布更新，”Sopuch 补充道。
AI 还帮助清晰地展示团队在软件交付中的瓶颈，“使团队能够更快地解决这些问题和模式，”他补充道。“此外，AI 驱动的仪表板和摘要不仅允许跨团队可见性，还允许技术较少的组织成员理解并参与这些流程。”
4. 保持人类在循环中
由于敏捷旨在保持软件开发中的人性，AI 需要支持这一愿景。这也必须是 AI 驱动的敏捷开发的核心组成部分。“如果领导者无法将他们对 AI 的意图与团队的担忧联系起来，他们可能会看到 AI 的不当使用，甚至可能在其实施中故意破坏，”Kum-Seun 说。
另一个重要步骤是“通过确保使用明确引用其建议来源的 AI 工具，保持所有 AI 可解释 —— 没有无法简单验证的黑箱代码，”Sopuch 说。
“人类监督是必要步骤。AI 可以编写和重构代码，但人类必须绝对批准合并、产品推送或任何例外。流程中的一切都必须记录，包括提示、输出和批准，以便可以轻松进行按需审计。”
5. AI 增强的敏捷仍然遵循软件开发的规则
“我见过许多银弹，如敏捷和 AI，多年来来来去去，”Quantitative Software Management Inc. 的培训和客户支持经理 Laura Zuber 观察到。“有些显著提高了软件开发的生产力。然而，软件开发的基础保持不变。这具有挑战性。”
IT 经理和专业人士“需要理解，实施任何软件过程改进，如 AI，最初会导致生产力下降，”Zuber 说。
“一旦开发人员熟练掌握提示和教授他们选择的 AI 工具或代理，生产力提升就会实现。开发人员必须有足够的经验来识别糟糕和无关的代码，并继续与 AI 代理合作，直到它学习到他们需要或寻找的内容。”
6. 了解风险
将 AI 纳入敏捷开发过程中的首要风险与大多数其他 AI 计划相同 —— 潜在的 数据暴露，Sopuch 说。
“开发人员可能会意外地在发送到外部 AI 工具的提示中包含敏感数据，如 API 密钥、凭证和客户数据。影子 AI 也是一个风险，特别是在 SDLC 管理方面。人们自然会寻找使工作更轻松的解决方案，在这种情况下，员工可能会安装或使用未经批准或未经审查的 AI 工具，没有 IT 可见性，从而产生合规和治理风险。”
根据 Digital.ai 的报告，这波 AI 驱动的敏捷浪潮与之前的所有浪潮 —— 如瀑布、DevOps、云自动化和移动革命 —— 根本不同。“代理 AI 不是新工具；它是新队友。它为交付的每个阶段带来意识和适应性，创建从每次交互中学习并不断改进流程、质量和安全的系统。”
