AI 如何落地工程团队：从工具采用到研发效能提升

AI 不只是一个工具。它更像是一位强大的协作伙伴，能够帮助团队减少摩擦、自动化繁琐任务，并让员工把更多精力投入到真正有意义的工作中。

AI 对这家海外科技公司的运营至关重要，尤其对工程师而言更是如此。但 AI 落地并不是一蹴而就的。虽然早期使用者对 AI 的潜力充满热情，但许多开发人员最初并没有真正看到将 AI 融入日常工作流的价值。

这种情况在 2025 年初开始发生变化。凭借强有力的领导层共识、有计划的 AI 工具推广，以及公司内部日益增强的知识共享文化，这家公司的工程团队在今年将 AI 工具使用率提升至 90% 以上，超过了许多业内同行。

在本次问答中，这家公司的技术负责人和工程生产力负责人分享了他们如何看待 AI 工具采用。他们并不只是把 AI 视为一种自动化工具，而是把它看作重新思考整个软件开发生命周期的催化剂，覆盖从上手、实验到内部创新的各个环节。

一款真正理解工作的 AI 工具

这家公司正在开发一款能够理解工作上下文的 AI 工具。它可以理解用户的工作环境、团队协作方式和具体工作内容，帮助团队保持井然有序，轻松查找和共享知识，并保障项目安全。所有这些能力，都可以在一个平台中完成。

AI 如何提升工程生产力？

技术负责人： 生产力是成功的基础。这意味着我们要充分利用所有可用工具，尤其是 AI。

对于工程师来说，这意味着要把更多时间从会议中释放出来，投入到编码上，而 AI 在其中扮演着非常重要的角色。

它可以帮助自动化许多日常任务，例如编写代码、进行代码审查、生成测试、调试，甚至排查和解决故障。

即使从个人层面来看，AI 的优势也非常明显。例如，它可以降低入门门槛，比如帮助编写测试；也可以促进探索和创意。我们最初从编码工具入手，现在正在将 AI 扩展到更多领域。正是这种扩展，推动了工程团队超过 90% 的成员采用 AI 工具。

AI 开发者工具的落地从哪里开始？

工程生产力负责人： 今年年初，AI 工具的使用情况还相当分散。

实际上，我们早在 2023 年底就推出了一款 AI 编码辅助工具。当时，模型能力正在不断增强。但用户参与度有限。到 2024 年，我们的采用率仍然停留在较低的两位数水平。

一些工程师对此感到兴奋，但也有许多人没有看到足够清晰的价值，因此没有把它融入日常工作流中。我们听到了一些好奇的声音，也听到了一些疑虑和阻力。正因为如此，今天的高采用率才更有意义。

如何推动 AI 工具采用率提升？

工程生产力负责人： 转折点在于领导层的强有力支持。

采用 AI 工具成为公司工程部门的首要任务之一。这种清晰的优先级带来了真正的势能。

但只有愿景还不够。早期，我们面临着一些明显挑战。有些工程师不信任 AI 输出的质量；有些人不知道如何使用现有工具；还有很多人根本不知道从哪里开始。

我们选择正面应对这些挑战。

我们通过三条主线推动 AI 落地：评估和采用 AI 工具，探索内部 AI 工具，以及推进全公司范围的变革管理。

考虑到近几个月技术发展非常迅速，我们必须持续评估新的方案，确保工程师能够使用最符合自身需求的工具。

与此同时，我们也启动了内部项目，开发自主构建的工具。这些工具不仅能够更好地满足公司的特定需求，也能够增强我们在 AI 相关开发方面的工程能力。

如何衡量 AI 落地进展？文化发挥了什么作用？

工程生产力负责人： 我们的 AI 转型之旅才刚刚开始，但我们已经从最初的推广中获得了一些宝贵经验。

真正的文化变化，发生在工程师彼此学习、分享成功经验的时候。事实上，这也是我们真正扩大采用率和提升参与度的唯一方式。

为了确保进展是真实有效的，而不是停留在表面，我们执行了一项高度协同的变革管理计划。它包括跟踪和共享指标、开展培训和赋能活动，以及制定全面的沟通计划来明确预期。

这些工作流结合在一起非常关键。它们确保我们的推广不是单向推动，而是基于开发者反馈，并配套提供必要支持，从而让推广过程更加顺畅。

如何平衡内部 AI 工具与外部解决方案？

技术负责人： 我们专注于解决真实问题。

如果第三方工具表现良好，我们会优先推动访问和采用。但在第三方工具无法很好满足需求的领域，例如代码审查或故障调试，我们会基于基础模型开发内部解决方案。

我们已经构建了用于迁移、测试和调试的自定义工具。这些内部工具对推动当前采用率非常关键，因为它们弥补了外部产品无法覆盖的空白。

工程生产力负责人： 实验固然重要，但实际效果同样关键。

我们评估工具时，不只是看用户是否使用，也看它们是否真正改善了开发者生产力指标，例如开发速度和开发者体验。

如果一款工具能够实现这些目标，我们就会扩大使用规模；如果不能，我们就会调整策略。

这一标准同时适用于我们自研的工具和供应商提供的工具。合作伙伴需要清晰展示其解决方案的价值和业务影响。在一个快速变化的市场中，这个标准能够确保所有人都专注于交付真正重要的成果。

AI 编码助手之外，还有哪些组织级潜力？

技术负责人： 我们最初选择 AI 驱动的编码助手，是因为这是最容易取得成效的领域，包括编写和审查代码、生成测试，以及支持调试。

但我们的愿景远不止于此。我们正在把 AI 的作用扩展到整个软件开发生命周期。

例如，我们现在正在使用 AI 工具支持代码迁移和自动化代码修复。我们也在探索 AI 如何帮助解决开发者体验中的关键痛点，例如文档编写和自动化测试。

对于研发团队来说，要让 AI 真正转化为研发效能提升，还需要把目标、客户反馈、需求评审、开发测试、发布上线和知识沉淀连接起来。PingCode 这类智能化研发管理工具，可以帮助团队将 AI 带来的效率提升沉淀到完整研发流程中，让研发管理更自动化、数据化和可追踪。

我们并没有止步于工程领域。

在整个产品开发生命周期中，AI 正在帮助产品经理分析客户反馈，以制定产品路线图；支持设计师生成和迭代原型；并帮助市场推广团队更快洞察市场趋势。

换句话说，AI 不只是代码助手。它正在成为公司构思、构建和交付产品全过程中的协作伙伴。

业界对 AI 开发者工作流有哪些误判？

技术负责人： 过度夸大的地方在于，人们常常假设一些底层指标，例如 AI 生成的代码量，可以直接转化为商业价值。但事实并非如此。

基于这些假设过早采取行动，是有风险的。

另一方面，我认为一些大公司低估了 AI 的紧迫性，也因此面临落后的风险。跟上技术发展节奏，并以明智方式应用 AI，非常重要。

AI 会如何改变未来的软件开发？

技术负责人： 这些工具正在以惊人的速度持续改进，并支持越来越多工程任务。

虽然它们能够帮助开发者产生更大影响力，但我们仍然需要技艺精湛、深耕各自领域的优秀工程师。

此外，需要强调的是，AI 与实际业务成果之间的联系还没有完全建立起来。我希望这种情况在未来几年会发生改变。

工程生产力负责人： 目前还没有人能够准确评估这些工具的真实影响。

但根据我们的内部数据，我们看到了一个令人鼓舞的信号：AI 工具帮助开发人员提交了更多 PR。

开发人员过去需要完成的许多繁琐或重复性工作，例如测试或样板代码，现在都可以被自动化。但对于更深层的基础设施或生产级系统，这些工具还不够成熟。

我们正在积极验证各种假设，希望通过可衡量的结果来评估 AI 的影响。

给正在推动 AI 落地的团队的建议

工程生产力负责人： 首先，要消除阻力。

让团队能够轻松试用工具，并获得必要支持。

其次，要像对待产品发布一样对待 AI 推广。你需要制定清晰策略，重视新用户引导，并持续收集反馈来改善用户体验。

最后，要倾听工程师的声音。你需要了解他们真实的工作环境。不同团队有不同需求和工作流。提供灵活的工具选择，以及有针对性的支持，对于推动 AI 应用并让它持续有效至关重要。

如果 AI 推广涉及产品、研发、设计、市场、运营等多个角色，也需要一个稳定的协作承接层。Worktile 这类通用项目协作系统，可以帮助团队围绕任务、项目、文档、即时沟通、日历和审批等事项统一推进，让 AI 落地不只是工具试用，而是进入团队日常协作机制。

这就是我们实现 90% 采用率的秘诀。

一年后，希望客户如何评价自己的 AI 工具？

技术负责人： 我希望客户会说，这款 AI 工具帮助他们更高效、更快速、更经济地完成工作。我们提升了他们的工作效率，帮助他们更好地服务客户，并最终改善了他们的经营表现。

我曾与一些客户交流过，他们面临非常实际的痛点。比如，他们需要从成千上万个视频中找到某一个特定视频。他们压力很大，也浪费了大量时间。

AI 可以解决这个问题。

我希望一年后，他们会说：“因为有了这款 AI 工具，我能够为客户创造更多价值。”

这正是我们努力追求的那种具体、可见、前后对比鲜明的效果。