AI时代敏捷已死？

自2001年《敏捷宣言》发布以来，软件开发一直遵循“个体与互动高于流程”、“持续交付”和“拥抱变化”等原则。在随后的几十年里，敏捷通过实现迭代价值交付和适应性规划，颠覆了重量级、文档驱动的软件开发生命周期。快进到2025年，AI正在彻底改变软件开发。像GPT-4o和Claude 3.5 Sonnet这样的模型可以在几秒钟内生成代码，这向行业资深人士提出了一个关键问题：敏捷是否仍然相关？还是AI驱动的工作流已经重塑了“敏捷”应有的模样？

AI没有杀死敏捷，而是重新定义它

像Copilot和基于GPT的系统这样的生成式AI工具已成为现代开发者工作流中不可或缺的部分，自动化日常任务并加速原型设计。例如，Robinhood的工程团队报告称，大部分新代码由AI生成，开发者采用率接近100%。

然而，这一转变并未宣告敏捷的终结。相反，它进化了敏捷实践者的角色。站会、待办列表梳理和迭代规划现在融入了AI洞察，这需要新的能力，如提示工程、AI验证和风险治理。

生产力悖论

研究证实，使用AI的开发者完成任务速度快56%，而Atlassian报告称开发者因AI每周节省10小时以上，但仍因碎片化协作和信息搜寻而损失时间。

这些变化的关键在于要意识到AI驱动的速度可能滋生自满。研究表明，快速代码生成可能导致技术债务和理解力下降，这些问题会在冲刺周期后期显现。没有充分的人工审查和重构，代码质量可能会下降（尽管有敏捷的迭代防护栏）。

敏捷之父的观点

原始《敏捷宣言》合著者Kent Beck将AI智能体比作精灵——极其强大但不可预测。他强调AI在提升创造力和趣味性方面的作用，但警告其不稳定性。对Beck而言，敏捷现在更关乎愿景、复杂性管理和人工监督，而非代码语法。

新的AI驱动敏捷宣言

我们的Dr. Sriram Rajagopalan提出了一个为AI赋能开发量身定制的重新构想的敏捷框架：

自动化质量控制高于软件测试：AI可以持续生成和更新测试用例，随着代码进化而演进QA。
全面文档高于编写代码：随着代码变得短暂且可按需复现，人类可读的架构文档和可追溯性成为支柱。
风险管理高于燃尽图：风险评分、合规性检查和审计跟踪必须融入受监管行业的冲刺中。
架构治理高于代码审查：应使用自动化架构执行（如ModelOps）管理模式漂移和可持续性。

这个更新后的框架翻转了敏捷价值观以反映当前需求。AI可以生成和重写代码，因此维护架构完整性、安全性和可追溯性现在至关重要。

对团队的实际影响

角色与技能转变

提示工程师变得关键，以持续获得有用的AI输出。熟练的提示结合上下文、约束、格式和验证指令，使用分层结构和角色定义。事实上，我们已经看到JSON提示用于更结构化的VEO 3生成以增强可复现性。
AI审计员/AI-Ops专家监控幻觉、正确性、漂移和安全问题。他们维护仪表板、事后协议，并跨DevOps和ModelOps领域操作。

传统敏捷角色也将演变：

Scrum Master可以依赖AI进行会议总结和冲刺指标，但作为促进者和文化管理者仍然必不可少。
产品负责人可以自动生成用户故事或原型布局，但他们仍需精炼、优先排序和人工验证输出，以确保与愿景一致。

待办列表与发现工作

AI可以使用基于LLM的质量指标评估史诗和故事质量。另一个近期案例研究显示，产品经理在使用AI辅助精炼待办列表工件时满意度很高，但采用障碍依然存在。例如，LLM智能体可以生成验收标准、边缘情况测试或待办列表精炼，加速梳理会议，同时需要人工审查。

编码、测试与CI/CD

AI结对程序员如GitHub Copilot帮助开发者更快完成任务，导致整体开发者生产力大幅提升。
AI生成测试如静态分析、代码建议和测试用例生成内置到流水线中。持续测试变为自动化质量控制，将测试更早、更流畅地转移到开发周期中。

治理、风险与安全

ModelOps集成确保AI生成的输出被监控公平性、合规性、漂移、偏见和性能，以符合企业政策和标准。
安全通过智能体身份、凭证处理和异常检测变得中心化，以避免数据泄漏或不安全模式。我们可能还会看到集中化的“智能体安全管理器”来平衡自主性和监督。
伦理偏见必须在定期待办列表会议中暴露。团队应安排伦理检查点，并从多个角度审查AI建议的功能。

敏捷仪式与指标

冲刺规划通过AI预测容量、估计风险和表面依赖关系得到增强。然而，规划仍依赖人工判断，将AI输出锚定在产品愿景和利益相关者上下文中。
站会和回顾会可以表面趋势，如提示有效性、代码拒绝率、幻觉事件和团队情绪。虽然这些由智能体自动化，但应由人工审查以确定行动项。
传统指标如速度或燃尽图让位于AI特定KPI。这些包括提示成功率、测试漂移、重构频率、架构合规性和治理门通过/失败率。

协作与工作流

AI工具减少认知负荷，因此现代开发者花在编码上的时间不到16%——其余时间用于协调、文档和上下文检索。这是因为AI尚无法解决信息碎片化或领导清晰度问题。
跨职能对齐仍需人工主导。AI可以识别跨团队的依赖关系或待办列表缺口，但解决它们需要超出AI模型能力的谈判和规划。

生产力收益与隐藏成本

显著的速度改进可以节省时间和资源，重新投资于进一步创新而非成本削减。然而，开源分析观察到集成和审查时间增加（如每次提交的协调开销挑战）。团队需要意识到依赖风险，或过度依赖AI。这可能导致批判性思维能力下降，因此团队需要保持审查仪式、结对编程和故意的代码理解。

敏捷未死，而是在进化

敏捷的真正精髓在于适应性、持续反馈和以人为本的协作心态。AI没有移除这些价值观，而是放大了执行，同时提高了在架构、风险和伦理治理方面人工监督的需求。

软件开发的未来不是敏捷与AI的对立，而是敏捷与AI的结合。战略对齐、指导和智能治理确保AI的力量增强安全性、可维护性和长期产品价值。

敏捷+AI的可操作建议

定义AI治理策略：使用5W框架（Who, What, When, Where, Why）澄清谁可以使用AI、用于什么目的以及在什么监督下。
启动试点智能体小组：小团队应将人工角色与AI智能体（开发、QA、待办列表精炼）结合以测试工作流。
跟踪AI特定指标：利用KPI如提示准确性、幻觉、测试漂移和治理门通过/失败。
提升敏捷专业人员技能：培训Scrum Master、产品负责人和架构师提示工程、AI审计和上下文审查。
嵌入持续QA与架构检查：将模型驱动的架构治理与AI QA自动化结合在CI/CD流水线中。

敏捷性（和软件工艺）远未过时。它正在演变成一个框架，其中人工指导、AI加速的交付成为常态。拥抱这种混合模式的实践者将塑造未来。