背景
上午,集团会议,公开。
整体感受
- 自动化为主,没有见到智能化的味道
- 人机协同只是【口号】级别,ai/agent占据人的生态位是结构性必然
- 大领导有水平,提到了纵向贯通的制度线
个人的学习
1.1 组织治理
- 软件/组件包从坚硬/稳定的路径,到柔软/支持变化的路径节点
- agent - harness - loop, 关注边界(权限/责任),工具,上下文
- 组织建设,组织能力:可复用的规范/制度。是纵线。loop是横线。
- 从特定的组织,到可复制
- 闭环:协作/功能/资产运营
- repository only
- 文档体系,文件关联性设计(导航)
- 量化验证/回放质量矩阵/交付证据包
- 工程/研发组织方式,需要agent友好,需要MBD
- 代码,配置,手册,追踪,知识库
- 环境,质量,规模化,知识(可链接),治理
- 每次变动范围需要控制:冻结目标与非目标/验证口径
- 可审查切片内容:goal,架构,tech
- 膨胀-压缩:每个节点会有较多同质agent,需要考虑统合;flow随着ai和工具升级需要整理
- 可复用/可运行资产;可复用的任务能力
- 入口地图:工程记录系统
- repo资产化,组织skill,共享知识底座,平台化治理
1.2 可关联性追溯的完整证据包
- 证据包:需求-可验证的任务卡-开发-测试
- 人+AI-需求:人和AI多轮修改,明确可测试点/验收标准,生成说明书/spec;
- AI-开发:测试驱动,先出plan,拆分为可测试的步骤,最小修改/实现原则,约定交付需求追踪矩阵的内容和报告格式
- 人-代码审查:问题,矛盾点,边界条件
- 历史决策沉淀
2 人机协同
- 协同:人与机器的参与度占比,人多创造性,ai多规则性
- 瑞士奶酪模型,多层防护
- 研发过程工具化,组织资产结构化,体系流程数字化,质量证据自动化
- 角色-组织资产规则-工具链基础/协同引擎-过程记录-研发流程
- CBB,人工随时插入。
- 逐条确认:符合GJB要求
- AI+ MBD,simulink
- 人调用 - 人机协同 - agent为主
3 数字化转型和提效实践
- 组织研发重构,效能评估
- 一句话需求-调研-PRD-生成-部署
- MCP,skill,外部生态打进来
- 管理者洞察
- 打通:跨角色往返,对齐
- 效能看板
- 人与AI的边界
- 3个季度的观测
- 核心,潜力种子,运营动作,黑客松,
- 信息衰减,对齐成本低,链路短
- 人:问题抽象,目标/spce设计(需求),工程判断(架构),技术兜底(复杂系统铰链)
- 工具评价:效率,质量,成本,采纳,生成,存留
- 可比,可追踪,可复盘
- 试点团队/场景,基础度量口径,沉淀案例/skill/规范,复制
4 智能体驱动的SE
- gap:能识别,能获得,能补足
- 测试:基于需求/大纲的黑盒测试,基于代码的白盒
- 代码语义,混合语义,需求语义。测试的重点是断言生成
- 分析误报的经验沉淀
5 专家观点
- 试点 -> 规模化
- 赋能的角色,关键堵点,E2E
- 软件军队建设,牵动组织变革的先锋队
- 技术/管理方式革新,需要重构流程/体系/组织
- 约束条件:安全,可靠,确定
- 赋能与规范性的顺序问题
5 大专家观点
- 软件的核心不变量:高安全本质,嵌入式作为主要承载形式,过程能力(约束)保障结果,形式化验证
- 人的角色分配。agent自进化。生产力水平提高。需求-结果的追溯水平提高。
把握好3个关系:
- 过去-现在-未来:已经积累工具链的生命力,资产规范性是能力短板,试点到应用的赋能点怎么做;
- 软件-系统:软件落实系统。训练ai用已有软件,还是开发ai友好的软件;
- 局部-整体:开发式架构下的局部动能。规范化(主要发力点)和高自由度;
几个工作:
- 基础设施建设:抓能力,统一大管
- 研管中心:标准/规范,从上到下干什么;
- 试点规范性要强:全要素(业务/组织/流程/资源),工程化(在组织体系下完成)