AI驱动研发效能跃迁-AiDD研发数字峰会2026-深圳站

论坛主席：朱少民

同济大学特聘教授、CCF杰出会员、全国计算机科学技术名词编委。近三十年来一直从事软件工程的教学与研究工作，先后获得多项省、部级科技进步奖，已出版了二十多部著作和5本译作，代表作主要有《软件工程3.0》、《智能软件工程》、《大模型驱动软件测试》、《软件测试方法和技术》、《全程软件测试》、《软件质量保证与管理》等。曾任思科（中国）软件有限公司QA高级总监、IEEE ICST 2019工业论坛主席、多个IEEE国际学术会议程序委员、《软件学报》和《计算机学报》审稿人等。

《软件工程 3.0》作者/CCF 杰出会员/AiDD 技术委员会成员

AI驱动研发效能跃迁

本论坛聚焦AI如何贯穿研发、管理与交付全流程，推动效能提升从局部工具优化走向系统性变革。论坛将讨论智能研发流水线（CI/CD增强）、AI研发效能画像、人机协作优化、AI赋能项目管理等主题，分享AI在研发提效中的真实实践。听众将获得面向研发组织提效的整体视角和可操作方法。

从个人提效到组织级范式变革：企业 AI 研发规模化落地实践

何德全

广联达科技产研管理部总监

内容简介：

随着 AI Coding 从代码补全逐步进入需求理解、方案设计、开发、测试和交付环节，企业面临的问题已经转变为“如何让 AI 真正进入研发流程，并形成可规模复制的组织能力”。
本议题基于广联达 AI 研发提效专项实践，介绍如何从工具引入走向组织级 AI 研发范式变革：通过 AI 工具与基础能力建设、SDD 等工程方法、Context / Skill / Harness 能力以及组织推广和治理机制，将 AI 从个人助手逐步嵌入团队研发闭环；同时采用“选样板-跑试点-建资产-再复制”的四步推进方式，通过试点验证、标杆打造和规模复制推动组织落地。
目前专项工具覆盖率90%+、MAU 95%+，AI 代码采纳率 70%+，整体 AI 编程成熟度正由 L1 向 L2 规模化阶段演进，平均岗位提效超过 30%/团队端到端效率提升约 1.2X~3X、ROI > 2。
分享还将复盘规模化推广中的效果度量、团队协同、安全治理以及从“使用 AI”走向“基于 AI 重构研发方式”的关键挑战。

演讲提纲：

1. 为什么 AI Coding 最终会变成一场组织级研发范式变革
1.1从代码补全、代码生成到 AI Agent，AI 能力快速提升，但企业真正落地时很快会遇到新的瓶颈：个人使用 AI 获得的局部提效，无法自然转化为团队端到端效率提升。
1.2结合专项实践，分析企业 AI 研发落地过程中从“工具问题”向“工程问题、流程问题和组织问题”演进的过程，以及为什么仅采购 AI Coding 工具、开展培训或统计使用率，并不足以形成可持续的研发生产力。
2. 从工具导入到体系建设：组织级 AI 研发如何规模化落地
2.1介绍专项从试点走向规模化过程中逐步形成的三层落地体系：
- 基础能力层：AI Coding 工具、模型与网关、知识上下文、Rules / Skill 等基础能力，让研发人员“能够用、敢于用”；
- 研发方法层：通过 SDD、Context Engineering、Harness 等方式，将 AI 从代码生成扩展到需求理解、任务拆解、编码、测试和验证；
- 组织机制层：建立试点、标杆、度量、治理和推广机制，让局部成功能够复制到更多团队。
2.2重点分享企业推进过程中，哪些能力适合统一建设，哪些应该留给团队自主探索，以及工具推广为什么必须和研发方法、流程治理同步进行。
3. 从个人 AI 助手到团队协同：如何让 AI 真正进入研发闭环
3.1结合真实团队实践，介绍 AI 使用方式从 Vibe Coding 向 Spec Coding研发演进的过程。重点讨论如何把 PRD、架构、代码、规范、测试标准和领域知识组织成 AI 可理解的工程上下文；如何通过 Harness 将任务拆解、编码、Review、测试和验证连接起来；以及如何建立“生成—审查—准入”的协同机制，使 AI 生成结果不止停留在个人 IDE 中，而能够进入团队工程体系。
3.2同时分析 AI 对产品、开发、测试以及项目管理角色协作方式带来的变化。
4. 从试点到规模复制：如何推动几百人的组织真正发生改变
4.1AI 研发推广并不是简单的“全员推广工具”。结合专项实践，介绍如何通过试点团队先跑通方法，再形成标杆并规模复制；如何根据团队 AI 成熟度形成的行军阵型，让不同成熟度团队采用不同推进策略；以及如何通过覆盖率、活跃度、采纳率、岗位效率、端到端效率和 ROI 等指标观察 AI 是否真正产生业务价值。
4.2重点复盘从“少数高手会用”到“团队形成稳定工作方式”过程中，组织推广、教练辅导、标杆复制和效果度量中遇到的实际问题。
5. 实践结果、踩过的坑，以及下一阶段 AI 研发会走向哪里
5.1分享专项当前阶段性结果，同时复盘实践过程中几个关键认识：
- AI 使用率高，不等于团队真实效率提升；
- 个人编码效率提升，不一定能够转化为端到端交付效率；
- Prompt 能力只是起点，Context、Skill、Harness 才决定 AI 能否进入复杂工程；
- AI 能力越强，测试、Review、安全和工程治理反而越重要；
- 组织真正需要改变的，是人与 AI 的任务分工和研发流程。
5.2最后结合实践展望从 AI Coding L2 规模化应用向更高阶 Agentic / AI Native 研发模式演进过程中，研发岗位、团队协作方式和研发管理体系可能发生的变化。

听众收益：

1. 对于研发管理者、项目经理和技术管理者
获得一套企业推进 AI 研发规模化落地的完整视角，理解如何从工具选型、试点验证、标杆建设走向组织复制，以及覆盖率、采纳率、效率和 ROI 等指标应该如何组合判断，而不是只关注 AI 工具使用量。
2. 对于 AI 研发专项负责人和团队负责人
了解分层推广方式，以及从个人提效走向团队端到端提效过程中常见的断点、失败经验和治理重点，为组织设计自己的 AI 研发推广路径提供参考。
3. 对于 AI 研发实践者
了解 SDD、Context、Skill、Harness 等能力如何组合进入真实研发工程，以及 AI 如何从代码生成工具逐步演进为参与需求理解、任务拆解、开发、Review、测试和验证的研发协作者。

拥有 15 年以上技术、研发管理及数字化建设经验，近 3 年持续推动 AI 在企业研发领域的实践与规模化落地。
目前负责公司级 AI 研发提效专项，围绕 AI Coding、AI 测试及 AI 研发基础能力，持续探索从个人研发提效、团队协同到组织级研发模式变革的落地路径。相关实践覆盖 AI 工具选型与治理、试点团队共建、SDD 与 Harness 工程实践、研发效能度量、标杆复制及规模化推广等方向，重点关注如何将快速演进的 AI 能力转化为企业可持续、可度量、可复制的研发生产力。

多智能体重构生产力：超级团队进化与人力价值跃迁

张广发

货拉拉 AI应用技术运营负责人

内容简介：

本次分享聚焦“用智能体重构生产团队工作体系，以外呼bot研发落地为例”的可复制路径：从人工经验驱动，到流程化标准作业，再到AI化的端到端自动执行。我们将给出企业级落地方法与工程实践：如何将任务拆解为状态机与可编排工作流，构建Agentic Harness，把记忆系统从“存对话”升级为组织记忆。以真实案例呈现效率、质量与成本的量化收益，并说明如何从试点走向规模化推广。让AI承担最耗时的执行性工作，人工把精力投入到更高价值的判断、协同与创新中，持续学习并拓展个人与团队的价值边界。

演讲提纲：
1.开场：点题与重点
当下 AI 高速迭代，很多企业陷入“AI 能帮我做什么、我能用 AI 做什么”的反复试探：即使用上了、效率也提升了，但工作量和工时并没有真正下降。本次分享以“研发外呼机器人”场景的传统模式为例，我们将原本以人工研发执行为核心的交付方式，重构为可编排的工作流程状态机。
2.背景：现状与痛点
说明人工研发外呼机器人的核心矛盾：研发成本高且滞后、需求口径不一致、经验不可复制、合规风险难前置、数据回流断裂导致“越做越乱”；引出外呼业务研发落地的最关键的现状问题和痛点
3.方法：AI应用实践和落地链路
从个人使用agent提效，到工作全链路团队agent协作，端到端落地链路：业务需求准入→流程拆解→记忆系统调用→模型与检索增强→执行治理→离线评测→灰度上线与在线观测→质检回流驱动agent自迭代
4.应用效果
从需求承接到应用上线，梳理各个 Agent 在关键环节的实践案例，量化其释放的人力投入、缩短的研发周期，以及由此带来的团队规模化价值增长。引入 AI 并不意味着我们从此“不用干活”，而是把人从低价值、重复性的劳动力中释放出来。
5.未来展望
未来希望能够让 Agent 主动发现问题、完成验证与修复，实现自我进化；人只在关键节点进行确认与把关，人的价值由过去的“研发执行者”转变为“业务对接与决策把关者”，从聚焦单点业务交付，进一步跃升到战略方向牵引与规模化推进。

听众收益：
1.学会一套可复制、可落地的外呼研发团队工作模式的重构体系：如何把一项团队工作从“人工经验”变成“标准流程”，再升级为“AI自动执行+人工复核”的端到端闭环，真正实现“一人团队”模式。
2.一套 ""人机分工"" 的判断思维学会以价值而非工时衡量任务：重新审视团队的工作结构，找出被重复劳动占用的部分，作为调整团队工作重心的起点。
3.企业级AI应用在外呼研发场景下的实现细节和运行框架：如何让智能体从“能用”变成“稳定、可控、可治理”。人在前面完成高价值工作突破，AI在后面持续覆盖和迭代的思维进化。

拥有丰富AI应用业务落地经验，覆盖AI产品、模型训练、体系构建、数据运营生产与管理。专注于将AI能力与业务场景深度融合，打造可规模化复制的解决方案，并持续推动大模型效果提升与业务价值产出。

数字员工平台驱动AI原生组织升级

丁涛

腾讯技术专家

内容简介：

企业AI提效为何常停留在“能聊天、难办事”，难以贯通复杂工作流程？本次分享围绕企业级数字员工平台的落地实践，介绍知识与工具基建、Agent运行引擎、多Agent协作、人机协同及记忆进化机制，解析如何通过开发者生态与度量体系，持续降低人工干预、任务成本和执行耗时，将分散的AI能力转化为可协作、可度量、可进化的组织生产力，推动AI原生组织变革。

演讲提纲：
1.背景与挑战：为什么有了 AI 工具，仍难实现业务流程提效？
1.1从“能聊天”到“能干活”，再到“协同完成复杂任务”的能力断层。
1.2企业落地的关键障碍：知识与数据缺失、工具能力碎片化、定制流程依赖及协作机制不足。
2.整体方案：构建企业级数字员工的三层能力体系
2.1原子基建层：将领域知识、业务工具和技能沉淀为可复用资产。
2.2AI 平台层：统一支撑数字员工的装配、运行、调度、管理与度量。
2.3业务能力层：通过单 Agent 与多 Agent 工作流，承接真实业务任务。
3.基础建设：让数字员工读懂业务、可靠行动
3.1知识体系：建立知识感知、标准化与持续度量机制。
3.2工具体系：统一鉴权、接口契约与稳定性保障，打通业务操作链路。
4.引擎实践：数字员工如何工作、协作与进化？
4.1任务执行：从员工配置与启动，到任务规划、Agent Loop 执行及产物交付。
4.2协同机制：多 Agent 的任务分派与过程监督，以及预览、确认、人工介入等人机协作设计。
4.3记忆进化：通过 Summary → Memory → Experience 三层体系，沉淀工作经验并持续优化能力。
5.规模化落地：开发者生态与生产力度量
5.1通过 Agent 配置、多 Agent 工作流、快速调试与插件机制，降低业务能力建设门槛。
5.2围绕 Token 效率、平台稳定性与任务执行效率，建立可观测、可评估、可优化的度量体系。
6.组织变革：构建数字员工驱动的持续进化机制
6.1打通“基建与能力建设 → 任务执行 → 生产数据 → 度量反馈 → 能力升级”的正向循环。
6.2以降低人工干预频率、单任务 Token 成本和任务耗时为目标，推动 AI 从局部提效工具走向组织生产力体系。

听众收益：
1. 获得企业AI驱动组织升级与研效升级的系统方法：理解知识、工具、平台与业务场景之间的关系，识别从零散 AI 工具应用走向流程级协作的关键建设环节。
2. 掌握数字员工平台的关键设计思路：了解 Agent 运行、多 Agent 协作、人机协同与分层记忆机制，为自身业务的架构设计和工程落地提供参考。

腾讯前端&低代码&AI技术专家，Tech-Lead。连续2届担任腾讯前端技术委员会委员，腾讯云架构师上海理事会理事。目前带领团队在数字员工驱动组织研效升级相关领域进行实践落地，有丰富的Agent产品研发和落地实践经验。此外，在低代码相关领域实践多年，曾参与信通院低代码无代码标准制定、主导IEEE，大湾区，公司内低代码相关标准编制，在阿里 D2 、GIAC等大会上进行多次出品和演讲工作。

AiDD峰会

K+峰会

联系我们