当敏捷不再敏捷：AI时代的软件开发正在重写规则

McKinsey 的 Martin Harrysson 与 Natasha Maniar 认为，AI 并不是给敏捷开发“加速”，而是在迫使企业重构整个软件开发操作系统。从人、流程到组织模型，真正的价值不在工具本身，而在是否敢于放弃旧范式。

为什么说“敏捷”正在成为瓶颈

这场演讲一开始就没有从模型、算力或工具讲起，而是把矛头指向了一个被默认正确多年的共识：敏捷开发。Martin 回忆自己近 20 年前经历上一次软件开发范式转移时的震撼，并直言当下的 AI 浪潮“正站在另一个同样级别的临界点”。

问题在于，大多数组织仍然试图用原有的敏捷框架去“装下”AI。结果是什么？他们看到的提升往往只有 5%、10%、最多 15%。Natasha 用一句话点破现实：“我们看到的 AI 潜力，和实际释放出来的价值之间，有一个巨大的鸿沟。”这不是模型不够好，而是工作分配方式、角色边界和决策节奏，仍然为“人写代码”的时代设计。

这一判断之所以重要，是因为它把讨论从‘用什么 AI 工具’拉回到‘我们如何组织工作’。如果操作系统不变，再强的 AI 也只能带来边际收益。

真正的症结：工作是如何被拆分和流转的

在随后的分享中，两位演讲者不断回到一个核心问题：工作是如何被分配的。传统 PDLC（产品开发生命周期）中，需求、设计、开发、测试被清晰切分，每一步都有明确的交接点。这在过去是效率来源，如今却成了 AI 的“减速带”。

他们提到，在许多企业里，AI 已经可以在局部环节生成代码、测试用例或文档，但整体交付速度并没有成比例提升。原因在于瓶颈不在“写得快不快”，而在“等得久不久”——等待需求冻结、等待评审、等待跨团队对齐。这些隐性的等待时间，吞噬了 AI 带来的效率红利。

Martin 将这种现象形容为‘局部最优，却整体停滞’。当组织仍然围绕角色而不是成果来设计流程时，AI 只能被塞进某个工序，而无法真正改变端到端的交付方式。

从重写 PDLC 到“AI 原生工作流”

真正有突破性的部分，来自他们对“AI 原生工作流”的描述。Natasha 提到，他们意识到必须“rewiring the PDLC”——不是优化某一步，而是重连整个回路。在这种新模式中，团队规模更小，反馈循环更短，AI 被当作持续参与的‘生产力单元’，而不是偶尔调用的工具。

演讲中一个反复出现的比喻是“factory of agents”。这里的 agent 指的是可以承担不同任务的 AI 代理，它们在一个迭代闭环中协同工作，从需求澄清到代码生成、再到测试与修复。与之对应的，是对“长 PRD”的明确反思：当 AI 可以快速生成和验证方案时，提前写下数十页需求文档，反而会拖慢学习速度。

这一部分的关键洞见在于，AI 原生并不是自动化更多，而是允许不确定性更早暴露，通过高频迭代来收敛正确方向。

代码质量、指标与被低估的组织能力

当话题转向效果评估时，演讲者刻意避免了单一效率指标。他们提到，一些团队已经开始测试新的模型和工作方式，并观察代码质量、缺陷率等变化。重点不在于某一个数字，而在于是否建立了“可信的度量体系”。

Natasha 特别强调，很多转型失败并不是技术问题，而是变革管理问题。她提到“hands-on upskilling”——管理者和一线人员必须亲自参与新的工作方式，而不是通过培训 PPT 来理解 AI。否则，组织会本能地回到熟悉的旧流程。

这一段落的潜台词是：AI 时代的核心能力，正在从‘会不会用工具’，转向‘能不能持续学习和重构流程’。这是很多企业最不愿正视、却最难外包的能力。

所以，敏捷之后是什么？

在结尾部分，两位演讲者抛出了一个并不完整、但很有张力的答案。未来的软件开发，不再以框架命名，而是以结果和学习速度来定义。敏捷不会一夜消失，但它不再是默认选项。

Martin 总结道，真正的起点不是选型，而是承认现有模式已经不适合 AI 规模化发挥作用。当企业愿意从人、流程和衡量方式上同时动手时，AI 才可能从“辅助工具”变成“生产系统”的一部分。

这也是整场演讲留给听众的最大问题：如果今天从零设计一个软件组织，你还会用现在这套流程吗？

总结

这场分享的价值，不在于给出一个可直接复制的新框架，而在于迫使我们重新审视那些被视为理所当然的开发方式。AI 带来的并不是更快的敏捷，而是对敏捷本身的挑战。对读者而言，最重要的启发或许是：与其问“我们该用哪个 AI 工具”，不如先问“我们是否还在用为上一个时代设计的工作系统”。

关键词： AI 原生工作流， 敏捷开发， PDLC， 软件组织转型， AI 应用

事实核查备注： 演讲者：Martin Harrysson、Natasha Maniar（McKinsey & Company）；关键数字：AI 实际价值提升常见为 5%、10%、15%；核心概念：PDLC（产品开发生命周期）、AI native workflows、factory of agents、long PRDs；主题定位：从敏捷开发向 AI 驱动的软件开发模式转型