AI前沿：IT交付与人工监督的交汇点

当建筑软件的价格下降时，优势将转向确切知道要构建什么、在哪里实施治理以及如何管理代理型员工。AI前沿：IT交付与人工监督的交汇点 3 6 282. 工程——构建可靠的工程运行模型 18内容引言——瓶颈随工作流程向下游转移1. 要求与意图——当代码免费时，价值去向何方？3. 配送与运营——代理人能否安全地发货和操作软件？© Oliver Wyman3 自主性源于可验证性。衡量从意图到生产有多少优质工作得以留存。工作向下流动——瓶颈随之移动引言1 意图要求与意图2 建筑工程3 跑交付与运营代理人承担• 起草并完善需求• 检查投资组合是否存在冲突• 数小时内完成原型设计代理人承担• 生成代码和测试• 运行自我验证循环• 处理约80%的执行决策代理人承担• 准备补丁，重新运行测试重启服务• 建议而非通过，生产关卡什么变得稀缺清晰什么变得稀缺验证什么变得稀缺控制人类保持商业标志偏离意图人类保持工程强制执行质量标准人类保持生产政策受管制图1：瓶颈随工作流程向下转移——清晰度，继而验证，再而控制代理式人工智能降低了编程成本，但这并不意味着软件开发变得廉价。部署自主型人工智能并不会缩短交付链条，而是重塑它。 企业必须更清晰、更迅速地决定其需求；工程部门必须在不降低质量的前提下验证更大量的产出；运营部门必须识别代理在生产中可能采取的行动以及相应的控制措施。本文探讨了这三个要点。源自奥利弗·怀曼分析（示意图）。 按工作流程顺序从左到右阅读；本文件每一章代表一个阶段。© Oliver Wyman4 瓶颈随着工作流程向下游移动而转移。哪三章节相互关联？加速生成减少了约束条件。 瓶颈虽然转移了但并未消失，反而暴露了下一个瓶颈。同时，也移除了一个先前免费运作的过滤器。当建筑成本高昂时，成本因素禁止了低价值功能的创建。现在成本降低了，必须将限制设计在内。如果这样不做，软件将变得更加复杂，运行成本更高，使用难度也更大。在新模式下，稀缺资源变成了上游的清晰度、中游的验证以及下游的控制。投资应随之转移。促进最终步骤进入生产。 在此，第3章——交付与运营的问题不再是一个代理能否行动，而是它应该被赋予何种权限。本章划定了实际的操作边界。根据交付系统，领导者可以将本地、可逆的数据平面操作（如准备补丁、重新运行测试或重启服务）委托给人工智能。同时，他们可以要求人类监督生产策略、审批关卡和其他控制平面的决策。这只有在平台使每个操作都可见、可追溯且可逆时才有效。在编写一行代码之前就开始。 当产出第一章——需求与意图时，一个模糊的简报会变得更加昂贵。风险在于，现在可能会快速构建出错误的东西。我们主张将需求视为一组受管理的资产，这些资产清晰、可测试、有版本控制，并在团队间进行协调，同时将最终决策权留给业务方。实际问题在于，组织能否足够清晰地陈述其需求，并足够快速地做出决策，以便代理能够行动。多年来，软件交付一直围绕工作流链条中间的稀缺资源进行组织。 工程能力是瓶颈。现在情况已经改变。智能代理（Agentic AI）意味着代码可以更快地产生，但这并不意味着整个链条平行加速。相反，压力向上游转移至意图的清晰度，而工作则向下游转移至验证、发布和运营控制。接下来的三章按照工作流的顺序排列，反映了每个章节为下一个章节创造条件的现实。它关注的是构建本身。 这正是代理式AI最显著的地方，也是最容易将更多输出与更多价值混淆的地方。随着生成的加速，审查、测试和领域判断的过程成为瓶颈。因此，本章将注意力从代码量转移到可验证性上。这意味着要给代理分配可以可靠检查的工作，使质量门禁持续且难以绕过，并衡量实际通过管道的是什么，而不是产生了多少代码。© Oliver Wyman5 +240%27%41%15%74%11%10%25%30% 代理人能否安全地运输和操作软件，以及您能否重建他们所做的事情？如何阅读此文档第三章 — 配送与运营提交到生产部署的整个过程中，生产力的提升是否能够保持？您能否清晰地说出您的需求，并迅速做出决定，以便代理人能够行动？第一章 — 要求与目的图2：瓶颈向下移动，数据解读第二章 — 工程不能绝不回答说这需要显著的努力CIOs的日常发现矛盾或不完整需求之内一个工作日提交中提升代理编码工具代码生成程序看到代际更迭审查和测试能力据估计，CIO们认为...5%或更高人工智能辅助缺陷达到生产水平动 tamper with明显的审计追踪将每个行动联系起来经其批准受访者中很少或几乎没有报告不信任人工智能生成的代码组织的可以列出每一个生产代理人的所有者，范围，成本以及最后认证按需提供日期来自相同工具的已发货版本提升了30%同样的原则适用于每个阶段，因此自主性应遵循可验证性。 业务部门确认意图，工程部门执行质量标准，而人类团队管理生产政策。代理人在其工作能够被快速检查和安全撤销的地方应被赋予更多自由，但并非仅仅在其技术上能够行动的地方。奥利弗·怀特曼2026年CEO与技术领袖平行调查（关于代理式AI与IT），2026年7月； 德米尔尔、穆索夫与杨（麻省理工学院斯隆管理学院），2026年，关于承诺发布提升的部分；DORA，《2025年AI辅助软件开发状态报告》，关于对AI生成代码的信任。数据来自第1至3章呈现的图表。代码量、工具采用和感知速度都是衡量价值的弱代理指标。 关键在于衡量从意图到生产的有效成果，并确保其质量和稳定性。此外，软件到达后必须得到实际使用。当务之急是监控这一流程，并让证据决定推广的节奏。初次阅读时，我们建议按顺序阅读这三章。 这样做是有道理的，因为需求创造了需要工程验证的规范，而工程则创造了交付必须发布且安全运行的变化。之后，每一章都独立存在，作为决策指南。它们共同回答了一个CIO的问题：当代理使生产加速时，工作流程中必须做出哪些改变，才能让速度带来可靠的软件，而不是更快的返工和风险？1 2 3RUN 代码免费时，价值去向何方？要求与意图构建工程稀缺：验证意图要求与意图稀缺：清晰交付与运营 稀缺：控制© Oliver Wyman7 当做错误的事情既快又便宜时，明确自己需要什么就成了稀缺资源。© Oliver Wyman8 TestTest 附件3：通过代理，交接过程被压缩，周期时间得以回收来源：Anthropic，《AI原生SDLC手册》，2026年8月发生了什么变化？在代理之前：每个阶段都以人类速度运行规划与设计构建部署代理之后：以代理速度构建运行30% 循环时间回收规划与设计构建部署核心交付步骤决定要做就更重要交接步骤代理测试是构建：变成很大程度上自动化但商务接受自动化变得关键路径需求与意图：当代码免费时，价值去向何方？人工智能让编写可用软件变得容易多了。 然而，仍然困难的是决定要构建什么——并且要精确且快速地完成，以保持代理的运作。虽然代码曾经是瓶颈，但现在这种稀缺性已经转向了清晰、一致的简报，以及能够快速做出决策以采取行动的高层支持。在大型公司里，这种情况只会变得更难，因为不同团队越来越多地使用人工智能参与草拟过程，此时可能会同时收到数百个请求。这些请求不能相互矛盾，并且每个请求都必须足够完整，以防止人工智能快速构建出错误的东西。撰写一份好的简报曾经是一门手艺。现在，它必须像管理一个活生生