阿里云实践揭示企业AI Native需重塑组织协作

企业大量使用编码工具和通用智能体后，常出现局部提速、整体效能不升反降的情况。阿里云智能集团副总裁、CIO蒋林泉认为，AI Native不能用Token消耗量、生码率或Agent数量衡量，本质上是系统能力与组织形态同时变化。工具决定能力边界，组织则决定能力能否进入真实流程并产生业务价值。

从2024年底开始，蒋林泉的团队全员使用AI编码工具，生码率很快超过30%，但一个需求从提出到上线的总人力并未明显减少。其拆解显示，需求环节占20%，交互视觉10%，技术方案15%，编码20%，联调集成15%，测试与修复20%。编码本身只占交付流程约五分之一，其中存量系统改造及稳定性、安全等关键代码消耗了65%以上编码时间，恰是AI较难替代的部分；常规增删改查、UI、测试和胶水代码虽占代码量多数，却只占编码时间不到35%。因此，理论上AI即使完全消除这部分耗时，端到端最多也只节省约7%，业界实际提升多在3%至5%。

更大的风险是产出增长反而把骨干推成瓶颈：AI快速生成的代码仍需少数资深人员审核并对线上结果负责，绕过审核又会积累技术负债。类似问题也出现在办公协作中，员工用AI批量生成材料，再由其他人用AI总结，真正有效的信息仍依赖稀缺的专业判断。蒋林泉将风险归为价值风险和质量风险，即低价值功能消耗组织注意力，以及低质量代码增加复杂度、返工和长期维护成本。

AI带来的关键变化不只是增强单个岗位，还可能降低跨技能门槛、减少前后端设计测试之间的交接。团队据此推进两项“左移”：一是让测试、日志和Tracing尽早由研发完成，并将测试、运维职责并入研发；二是用可操作的Live Demo代替单纯依赖PRD确认需求，以更早发现业务误解。团队规定需求评审使用Live Demo，测试和可观测性由研发负责，但业务取舍与概念治理仍需人工承担。

随着实践推进，岗位开始自然融合。产品、设计和前端逐步合并为PDFE，负责理解客户需求并交付Demo；后端则与架构、测试、运维合并为ABE，承担业务实现以及可变更性、可测试性、稳定性、可靠性、高可用和扩展性。为让Demo能够落地，后端把API和数据结构整理成Repo，PDFE通过匹配的Mock API和Mock Data迭代，演示前完成约束校验，正式上线前再进行真实联调，形成协作契约。

这套调整将原有六类岗位归并为PDFE与ABE两类，岗位类型降至原来的约三分之一。其核心并非简单增加AI工具，而是借助Agent增强任务节点、减少跨岗位交接，并把验证和质量责任前置，从而同时降低技术实现的偶然复杂性与需求理解带来的本质复杂性。