跳到主要内容

企业级 AIDLC 落地策略

本文提出在以瀑布为主的企业级 SI 环境中将开发文化转型至 AIDLC 的实战落地策略。

企业级 AIDLC 落地的现实​

瀑布式 SI 市场的结构性约束​

大型 SI 项目因以下原因难以直接引入 AIDLC:

约束要素说明AIDLC 冲突点
固定流程ISO 9001、CMMI 认证流程Intent/Bolt 周期与文档模板不匹配
RFP 文化需求说明书 → 固定价合同Adaptive Elaboration 被解读为范围变更
角色僵化需求策划 / 开发 / QA 分离Mob Programming 模糊了角色边界
以产物为中心合同、需求说明书、设计书、测试计划与 Working software over documentation 冲突
验收阶段完结时一次性验收与 Continuous Validation 节奏冲突

VP 压力与一线抵抗的两难​

  • 管理层: 宣布 "AI 使用率达到 80%" 之类的定量目标
  • 一线: 固守既有方式 ("工期内没时间学"、"客户没要求")
  • 中层管理者: 在创新压力与项目交付期之间挣扎

→ 没有渐进转型模型,整个组织只会停留在表面性落地

3 阶段转型模型​

AIDLC 不要一次性引入,而是在既有瀑布框架内循序渐进地应用。

Phase 1: 瀑布 + AI 辅助 (3-6 个月)​

保持既有流程,仅在开发阶段把 AI 作为编码辅助使用。

适用范围​

  • 需求分析: 保持既有方式
  • 设计: 保持既有方式
  • 开发: 允许使用 Claude Code、GitHub Copilot 等编码辅助工具
  • 测试: 保持既有 QA 流程

绩效指标​

  • 开发速度提升: 20-30%
  • 缺陷密度: 持平或略有改善
  • 团队成员满意度: 积累 AI 工具使用经验

组织变革​

  • 无 (角色、流程、产物均不变)
  • 开展 AI 工具培训项目 (每周 1 次、2 小时)

Phase 2: 混合 (6-12 个月)​

保持瀑布框架,但在开发阶段引入 Bolt 周期 与 Mob Programming。

适用范围​

  • 需求分析: 瀑布 (保持产物形式)
  • 设计: 瀑布 + Mob Elaboration (仅限核心模块)
  • 开发: Bolt 周期 (以 2 周为单位产出 Working Software)
  • 测试: Continuous Validation (每个 Bolt 演示)

Bolt 周期结构​

绩效指标​

  • 开发速度提升: 40-60%
  • 需求变更响应时间: 缩短 50%
  • 客户满意度: 借 Bolt 演示提升可见度

组织变革​

  • 角色柔性化: 开发者部分参与设计,QA 参与 Bolt 演示
  • Mob 会话: 每周 2-3 次、仅限核心逻辑
  • 产物精简化: Bolt 结束报告 = 演示视频 + 代码

Phase 3: AIDLC 原生 (12 个月+)​

应用 Intent → Unit → Bolt 全周期,并全面运用 Ontology/Harness。

适用范围​

  • Intent Driven: 直接将客户需求转化为 Intent
  • Mob Elaboration: 整个设计以 Mob 形式推进
  • Bolt 周期: 以 1-2 周为单位完成 Intent
  • Harness 自动化: Unit 测试、集成测试、部署自动化
  • Ontology: 显式管理领域知识

组织结构​

  • 角色再定义: 参见 角色再定义
    • Facilitator: 精炼 Intent、主持 Mob
    • Domain Expert: 管理 Ontology
    • Infrastructure Engineer: 管理 Harness
  • 项目结构: 10-15 人 → 拆分为 5-7 人 Mob 单元
  • 合同模式: 固定价 → Time & Material 或按 Bolt 验收

绩效指标​

  • 开发速度提升: 60-80%
  • 需求变更成本: 下降 80%
  • 部署频率: 每周 1 次 → 每天 1 次
  • 质量: 线上缺陷减少 50%

Brownfield-First 策略​

不从新建项目开始,而是从 既有系统优化 起步。

为什么选 Brownfield?​

要素Greenfield (新建)Brownfield (既有)
风险高 (全盘失败时责任明确)低 (局部改进,不会比现状更差)
学习曲线陡峭 (所有事项需重新决定)平缓 (需理解既有代码库)
可见度低 (完成前无产物)高 (可对比改进前后)
客户信任不确定 (取决于最终结果)高 (快速反馈)

3 阶段扩散路径​

Stage 1: 小型项目 (10 亿以下)​

  • 目标对象: 遗留系统维护、功能追加
  • 目的: 积累 AIDLC 应用经验
  • 周期: 3-6 个月
  • 成果: 验证 Bolt 周期、Mob 会话、Harness 自动化

Stage 2: 中型项目 (10-50 亿)​

  • 目标对象: 既有系统部分重写 + 新功能
  • 目的: 验证混合模型
  • 周期: 6-12 个月
  • 成果: 落地 Ontology、角色再定义、合同模式试验

Stage 3: 大型项目 (50 亿+)​

  • 目标对象: 全公司系统全面重建
  • 目的: AIDLC 原生应用
  • 周期: 12 个月+
  • 成果: 组织整体流程转型,向客户扩散

Champion 模型​

组织内 AIDLC 的扩散从 个人 Champion 出发,扩散到 团队,再到 组织。

3 阶段扩散结构​

Stage 1: 个人 Champion (0-3 个月)​

Champion 遴选标准​

  • 技术能力: 编码经验、学习工具能力
  • 软技能: 团队内影响力、培训意愿
  • 时间保障: 每周 1 天 (周五) 允许应用 AIDLC

Champion 活动​

  • 每周 1 天落地 AIDLC (个人项目或小型任务)
  • 学习 10 大原则
  • 主导 Mob 会话 (邀请成员)
  • 整理成功案例 (Steering 文件、Bolt 报告)

组织支持​

  • 允许失败 (Champion 活动不计入绩效)
  • 资助外部培训 (大会、工作坊)
  • 每周评审会议 (VP 或部门长参与)

Stage 2: 团队扩散 (3-6 个月)​

扩散机制​

  • Champion 每周组织 1 次 Mob 会话
  • 成员依次参与 Mob (旁观 → 协助 → 主导)
  • 为各项目设定 AIDLC 应用率目标 (20% → 50% → 80%)

团队层面产物​

  • Steering 文件标准: 为各项目编写 Steering 文件模板
  • Bolt 报告格式: 演示视频 + 代码 + 复盘摘要
  • Ontology 初稿: 定义领域词汇、核心实体模型

绩效指标​

  • 成员 AIDLC 应用率: 50% 以上
  • Mob 会话参与率: 80% 以上
  • 项目速度提升: 30% 以上

Stage 3: 组织标准化 (6-12 个月)​

治理框架​

  • Steering 文件标准: 参见 治理
  • Bolt 周期策略: 长度 (1-2 周)、验收标准、演示形式
  • Mob 会话指南: 角色、时长、工具、复盘形式
  • Ontology 管理: 按领域建立 Ontology 注册表、版本管理

组织结构变化​

  • 设立 AIDLC CoE (Center of Excellence)
    • 运营 Champion 网络
    • 开发培训项目
    • 工具标准化 (Claude Code、GitHub、Slack)
  • 项目评价标准 变更
    • 产物数量 → Working Software 频率
    • 计划达成率 → 客户满意度

绩效指标​

  • 组织 AIDLC 应用率: 70% 以上
  • 项目成功率: 90% 以上
  • 员工满意度: NPS 50+ (相较既有 +20)

时间轴模板​

3 个月目标​

周次活动产物负责人
1-2 周选定 Champion (1-2 人)Champion 名单、活动计划VP/部门长
3-4 周AIDLC 培训 (8 小时)完成 10 大原则 学习Champion
5-8 周试点项目 1 (Brownfield)完成 1-2 个 Bolt、演示Champion + 2 位成员
9-12 周试点项目 2 (小型 Greenfield)完成 3-4 个 Bolt、复盘Champion + 全队

成果: Champion 1-2 名、项目 2 个、Bolt 4-6 个完成

6 个月目标​

月活动产物负责人
1-3 个月达成 3 个月目标Champion 1-2 名VP/部门长
4 个月团队扩散 (3-5 团队)各团队 Steering 文件Champion + 团队长
5 个月Mob 会话常态化每周 1 次 Mob、录制视频Champion + 团队
6 个月Steering 文件标准化组织标准模板AIDLC CoE

成果: 团队 3-5 个、Champion 3-5 名、Steering 文件标准完成

12 个月目标​

季度活动产物负责人
Q1-Q2达成 6 个月目标团队 3-5 个VP/部门长
Q3建立治理框架治理AIDLC CoE
Q4推行组织标准 (全部项目)Ontology 注册表、Bolt 策略AIDLC CoE

成果: 组织 AIDLC 应用率 70%、项目成功率 90%

成熟度模型​

将组织的 AIDLC 应用水平按 4 个等级进行评估。

Level 0: Pilot (试点)​

要素状态
Champion1-2 名
项目1-2 个 (Brownfield)
Bolt 周期非正式 (Champion 个人实验)
Mob 会话无或不定期
Ontology无
Harness人工测试

Level 1: Team (团队)​

要素状态
Champion3-5 名
项目3-5 个 (Brownfield + 小型 Greenfield)
Bolt 周期团队标准 (2 周)
Mob 会话每周 1 次常态化
Ontology团队初稿
Harness部分自动化测试

Level 2: Division (部门)​

要素状态
Champion10 名+ (每部门 1-2 名)
项目全部项目的 50%
Bolt 周期部门标准 (1-2 周)
Mob 会话每周 2-3 次、录像共享
Ontology部门注册表
HarnessCI/CD 流水线

Level 3: Enterprise (全公司)​

要素状态
Champion全公司网络 (50 名+)
项目全部项目的 80%
Bolt 周期全公司标准 + 治理
Mob 会话每日 Mob (核心项目)
Ontology全公司注册表、版本管理
Harness完全自动化 (含部署)

反模式​

1. 大爆炸式引入​

症状: 宣布 "从下一个项目开始全面应用 AIDLC"

风险:

  • 整个组织同时面临学习曲线 → 初期生产力急剧下降
  • 失败时 AIDLC 整体失去信任
  • 没有 Champion 的表面化应用 → 被误认为 "用上 AI 工具就是 AIDLC"

替代方案: Champion 模型 + Brownfield-First

2. 只引入工具而忽视方法论​

症状: "在全公司部署 Claude Code 许可证" → "AIDLC 引入完成"

风险:

  • 没有 Mob Programming、Bolt 周期,只使用工具 → 生产力提升微弱
  • 不进行 Intent/Unit 拆分,仅作编码辅助 → 设计质量下降
  • 忽视 Ontology/Harness → 可维护性恶化

替代方案: 先行 10 大原则 培训

3. 无度量的扩散​

症状: "5 个团队在应用 AIDLC" (实际应用率、成果不明)

风险:

  • 形式化应用 (既做 Mob 又继续传统代码评审 → 双重工作)
  • 成果难以可视化 → 失去管理层支持
  • 失败案例无法学习 → 反复同一错误

替代方案: 追踪 成本效益 指标

4. 缺乏管理层支持的自下而上​

症状: 一线开发者自发尝试 AIDLC,管理者反对

风险:

  • 项目工期吃紧时被迫中止 AIDLC
  • 角色边界被侵犯 (Mob 时策划 / QA 拒绝参与)
  • 预算不足 (工具许可证、培训项目无资助)

替代方案: 必须获得 VP / 部门长赞助

5. 客户说服失败​

症状: SI 团队应用 AIDLC,但客户要求瀑布产物

风险:

  • 双重工作 (AIDLC 开发 + 另外撰写瀑布产物)
  • 拒绝 Bolt 验收 → 回归至项目结束时一次性验收
  • 客户不信任 ("没有产物怎么知道进展?")

替代方案: 在合同中明示 Bolt 演示、协商产物精简化

执行清单​

组织准备度评估​

  • 获得 VP / 部门长赞助
  • 遴选 Champion 候选 (1-2 名)
  • 选定试点项目 (Brownfield 优先)
  • 建立允许失败政策

3 个月目标​

  • 完成 Champion 培训 (10 大原则)
  • 完成 1-2 个试点项目
  • 产出 4-6 个 Bolt、获得演示视频
  • 团队层面 Steering 文件初稿

6 个月目标​

  • 扩散至 3-5 个团队
  • Steering 文件标准化
  • Ontology 初稿 (按领域)
  • 度量 成本效益 指标

12 个月目标​

  • 组织 AIDLC 应用率 70%
  • 完成 治理 框架
  • 运营 Ontology 注册表
  • 项目成功率 90%

下一步​

核心信息: 从瀑布到 AIDLC 的转型不是大爆炸,而应通过 3 阶段渐进转型 (瀑布+AI → 混合 → 原生) 与 Champion 模型 (个人 → 团队 → 组织) 推进。以 Brownfield-First 建立信任,以可度量的成果进行扩散。