别急着盖“软件工厂”：没这4项硬指标，你只是在用AI堆积技术债务

神译局是36氪旗下编译团队，关注科技、商业、职场、生活等领域，重点介绍国外的新技术、新观点、新风向。

编者按：没改工作流、光买Copilot就自称AI原生？别自欺欺人了。百家团队实测：绝大多数公司连“第0阶段”都没过。文章来自编译。

“AI 原生工程”（AI-native engineering）已经变成了一个人人挂在嘴边却没人能定义清楚的热词。供应商用它来推销工具；创始人用它来装点董事会 PPT；CTO 们用它时，意思其实只是“我们买了 Copilot 的授权”。

这些都算不上真正的 AI 原生工程。

所谓 AI 原生工程，是指 AI 从根本上改变了团队的运转方式。工作流程、代码审查机制、质量门禁以及评估体系，全都围绕着作为核心参与者的 AI 进行了重塑。

大多数团队并没有做到这一点。他们只是在三年前沿用至今的运营模式之上，额外叠加了一些工具而已。

你究竟处在什么位置

据 Akkodis 数据显示，今年 CTO 对规模化应用 AI 的信心已降至 48%，远低于 2024 年的 82%。HCLTech 报告称，预计有 43% 的企业级 AI 部署项目将以失败告终。Gartner 调研了 350 家通过裁员来凑集 AI 资金的大型企业，发现绝大多数企业获得的收益充其量微乎其微。

工具本身确实有效，但运营模式却没有跟上步伐。

这条鸿沟比大多数 CTO 想象的都要宽，且忽视它的代价正变得日益昂贵。

人人都在谈软件工厂，但大多数团队尚未做好准备

关于“软件工厂”的讨论已全面爆发。Zach Lloyd 发表了一份内部备忘录，断言他的工程师是“工厂工程师，而非产品工程师”；Chamath 畅谈其团队在 8090 打造的工厂；微软也在大力推介智能体工厂（Agent Factories）。

但软件工厂属于第 3 或第 4 阶段，而绝大多数团队其实还停留在第 0 阶段。

我们拥有数百名 AI 原生工程师，现在已经深入嵌入到 100 多家公司中，其中许多是由私募股权（PE）支持的中型企业。

我们不做空洞的 AI 落地咨询。

我们将工程师直接嵌入客户团队，与他们一起搭建。

在我们合作过的团队中，几乎每一个都在使用 AI 工具，但在我们加入之前，几乎没有一家改变了围绕这些工具的运营模式。

AI的五个阶段（以及为什么你直接跳过了其中四个）

因此，我们总结了在 100 多个工程团队中实际部署的经验，并在此基础上构建了一套框架。这些绝不是凭空想出来的理论，而是在大量项目实践中重复出现、经得起验证的规律模式。

第 0 阶段：诊断期

在这个阶段你甚至都不知道自己处在什么位置。你的工程师可能正在使用 AI，但你无法摸清究竟谁在用、用了多少，更无法判断它创造的是实际价值还是技术债务。

缺乏基线，更没有衡量指标的基础设施。

解决方案：部署开发者智能化分析工具，建立涵盖研发速度、质量及 AI 采纳率的 DORA 式基线，并对代码库进行全景梳理。耗时 2 到 4 周，成本极低。

大多数公司实际上正处于这个阶段，却对外宣称自己已达到第 2 阶段。

从第 0 阶段向第 1 阶段跨越，是大多数团队卡壳的地方。原因并非技术瓶颈，而是因为无人为此转型负责。缺乏 AI 生产力负责人、没有推广落地计划，也没有固定的衡量节奏。那些 Copilot 授权就这样挂着，孤零零地在虚无中生成着代码补全建议。

第 1 阶段：AI 赋能（个人层面）

每位工程师都变成 AI 原生工程师。AI 智能体拥有真实完整的代码库上下文；AI 生产力负责人对团队进行针对性指导；资深工程师则担任代码审查的把关人。耗时 1 到 3 个月。

第 2 阶段：AI 赋能（组织层面）

团队的工作流程发生根本变革。从 Task 工单到 PR（合并请求）的过程实现了智能体化：规划、实现、运行测试、提交 PR 供人工审查，全部在沙盒环境内自动完成。

分享我们服务过的一个真实案例：一家拥有 50 多名工程师的物流平台。仅靠 2 名工程师，就在 3 个月内提交并成功合并了 122 个 PR，其中约 90% 的代码由 AI 生成。AI 使用成本：每名开发者每月仅需约 200 美元。耗时 2 到 4 个月。

第 3 阶段：AI 工厂（产品维度）

AI 从“你怎么搭建产品”转变为“你卖什么产品”。大语言模型驱动的功能直接融入客户自身的产品中，带来全新的收入增长与更强的用户留存。

大多数关于“软件工厂”的讨论都是以此为起点的。但在我们看来，这已经是第 3 阶段，而非第 1 阶段。耗时 3 到 6 个月以上。

第 4 阶段：AI 工厂（治理维度）

构建完整的控制平面。包含模型网关、针对单一代码库的策略控制、全链路追踪、影响分析、合规审查以及审计日志。

核心衡量指标转变为：“单位 Token 产生的实际价值”（impact-per-token），而非单纯生成的代码行数。耗时 6 到 12 个月。

在把任何东西叫做“工厂”之前

先回答以下四个问题：

你的团队审查 AI 输出的速度，能否跟上 AI 生产代码的速度？

你是否有足够的资深工程师，来精准识别并纠正 AI 犯下的错误？

你的系统架构文档是否具备机器可读性？

你是否明确梳理并记录了目前哪些工作类型中 AI 实际上是“拖后腿的负担”而非“效能倍增器”？

如果你无法肯定地回答全部四个问题，说明你还没准备好迈入“工厂”阶段，你正处于需要“赋能”的阶段。

你很可能所处的真实位置

与我交流过的绝大多数团队，都自以为已经处于第 2 阶段。

然而，绝大多数团队实际上只是买了 Copilot 授权、依旧停留在第 0 阶段罢了。

率先理清这一差异的团队，其交付速度将拉开无法弥补的代差；而未能察觉的团队，只能不断通过招人来徒劳地弥补差距。

靠堆砌人手已经无法填平这条鸿沟。

今天，你的工程团队能够清晰回答这四个问题中的几个？

译者：boxi。