人工智能拥有从根本上变革软件产品开发的巨大潜力，能够显著提升流程速度和最终产出的质量。
在生成式人工智能问世的两年多时间里，企业对这项技术的关注，大多围绕其提高软件工程师和开发人员生产力的能力。诚然，麦肯锡预计AI 可为全球经济贡献 2.6 万亿美元至 4.4 万亿美元，而效率提升是其中的重要驱动力。然而，越来越多的组织正以更宏大的视角，审视这项技术对整个软件产品创建过程的全面影响。
通过将各类人工智能技术整合到端到端软件产品开发生命周期 (PDLC) 中，企业能让产品经理 (PM)、工程师及其团队将更多时间投入到高价值工作中，减少在日常任务上的耗费。作为这一广泛转型的一部分，他们可以在优先发展以客户为中心解决方案的新开发框架中，纳入更可靠的数据和反馈来源。这种整体性的重塑，最终应能加速开发进程、改善产品质量、提高客户采纳率和满意度，并激发更强大的创新活力 (图 1 和图 2)。行业领袖们也持有相同观点。Twilio 的首席产品官 (CPO) 兼研发主管 Inbal Shani 强调了人工智能的变革潜力：“随着人工智能的落地实施，我认为最重要且独特的改变将是产品质量的提升，因为它具备更强的分析、整合信息和提供建议的能力。”
作为产品开发流程全面改革的一部分，人工智能有望为软件产品开发生命周期 （PDLC） 带来五项根本性变革，这将深刻影响开发速度、产品质量、客户价值和整体创新。
1. 上市时间显著提速
许多组织已在软件工程中感受到生成式AI 带来的省时效应，而生成式AI 也能为整个产品管理和开发过程带来同样的提速。这种加速主要源于缩短了从早期战略和愿景阶段到后期产品部署和规模化之间的历程。人工智能能够自动化项目管理、市场分析、性能测试以及反馈分析与文档等耗时的例行任务，从而将产品经理、工程师和设计师解放出来，让他们专注于更高价值、更具满足感、需要人类创造力和判断力的工作。这些工作包括设定产品愿景和战略，概念开发以及功能优先级排序等。
这一转变不仅加快了开发周期，也为创新提供了前所未有的机遇。人工智能工具节省的时间和提供的洞察力，能让团队创建产品的多次迭代，从而更好地适配市场需求。作为提速的一部分，组织应能进行更快的市场测试，并更迅速地响应用户反馈、消费者变化以及不断演进的市场动态或趋势，最终产出更优秀的产品。
2. 产品更快地实现客户价值
成功的产品开发取决于能否实现市场相关创意的价值。虽然开发团队的出发点往往是好的，但过去通常需要经过几次版本发布，才能充分听取并吸纳客户反馈，从而实现真正的价值。人工智能正在重塑这一过程，它将零散的客户反馈和产品使用数据源整合到开发周期中，使得构建的产品从一开始就能加速交付，并紧密关联客户价值。
例如，人工智能可以将发现和可行性阶段的初步客户研究数据，与遥测、服务工单数据和支持反馈结合起来，以跟踪端到端的影响。人工智能工具还能整合实时客户输入、社交媒体情绪/互动、竞争研究，以及历史数据和市场趋势。采用这种方法的团队可以获得可执行的洞察，帮助创建更严谨、以客户为中心的产品概念，从而提高成功发布的几率。在线开发者社区 Stack Overflow 利用人工智能高效梳理过去和当前的客户研究与反馈，在团队迭代时提供洞察。该公司首席执行官 Prashanth Chandrasekar 表示：“我们正在进入一个新经济时代，知识即服务将驱动未来的发展。这套新的商业模式依赖于一个创作者社区，他们基于高质量、经过验证和可信赖的数据，逐步创造新的、相关的领域特定内容。我们的产品始终在更新以反映客户的需求，并利用 Stack Overflow 及其 AI 合作伙伴之间强大的协同作用，通过准确数据基础支持的前沿工具，为开发者生态系统带来新的生产力水平，这一数据基础受到数百万开发者的信任。”
3. 更多优秀创意得以实现
在传统的软件 PDLC 中，识别（或发现）市场机遇，以及测试解决问题想法的可行性使其能吸引客户，是其中最基本但耗时且成本高昂的环节。这两个阶段在过去通常是独立进行的。传统的原型设计流程需要大量的时间和资源，并涉及巨大的风险，因此公司一开始必须专注于规划和研究。人工智能消除了这条严格的界限，实现了快速原型设计和自动 A/B 测试，从而验证各种假设并识别有前景的创意。这为快速迭代和数据驱动的决策奠定了基础。
利用人工智能进行新产品创意的原型设计和测试，显著减少了可行性阶段所需的资源。因此，产品团队可以进行更多的实验，增加了有前景创意获得充分考虑的几率。组织还可以利用人工智能消除一些凭空猜测。例如，组织不再需要采取有时并不可靠的步骤——在测试可行性之前，对想法进行优先级排序。由于缺乏数据支撑这一决策过程，该过程一直容易受到“会议室里最响亮的声音”或“薪酬最高者意见”（即 HiPPO 偏见）的不当影响。虽然认为人工智能会完全消除层级驱动的决策似乎不切实际，但它确实有潜力降低过程的主观性。
Twilio 的 Shani 认为，人工智能所带来的感知公正性可能影响深远。她说：“掌握更多数据点可以改变业务领导者的战略和优先级决策。人工智能可以帮助分析数据集，并在对话中成为一个公正的元素。在做出战略决策后，人工智能可以帮助持续监控指标和评估进展。”通过这种方式，人工智能加速了开发周期，并增加了资源分配给最有前景创意的几率，从而降低了成本和失败的风险。
Reddit 的产品团队体现了这种方法。其工程师利用人工智能帮助快速定义和原型化创新功能。该公司首席产品官 Pali Bhat 指出：“新功能的定义、原型设计和测试都在并行进行，且速度比以往任何时候都快。我们的团队现在可以今天构思一个想法，第二天就拥有一个功能原型。就是这么快。”
4. 产品经理“迷你 CEO”的理念终获实现
传统的软件 PDLC 始终不是一项无缝衔接的工作。产品经理不得不依赖由专业角色组成的团队来完成许多基本任务，在产品发布前会发生多次交接。有了人工智能，产品经理可以“向右转移”（行业术语），在流程的后期阶段承担更多的职责和监督。他们现在有能力和容量拥有从构思到价值实现的端到端监督权。他们将主导发现阶段，并利用人工智能工具快速原型化产品，创建营销材料（包括产品单页介绍和推介演示文稿），并构建技术概念验证 (POC)，而只需产品营销人员、设计师和工程师的极少参与。产品经理还可以承担更复杂和更高价值的工作，例如长期战略规划、创造性问题解决、深度访谈关键客户和利益相关者以及评估用例。
能力的这种扩展应能让产品经理更快地将想法从概念转化为具体的演示，同时具备更多的端到端责任制，从而模糊了产品管理、产品设计和产品营销之间的界限。在此过程中，这也能培养出更优秀的产品经理。正如 AI 工具可以综合客户反馈一样，它们也能分析会议记录和通话记录，以提供有价值的内部反馈，帮助员工更频繁、更高效地学习和接受指导。
作为这种责任扩展的一部分，产品经理的角色很可能会整合其他独立的职位，如产品营销经理 (PMM)、产品负责人 (PO)、技术产品经理 (TPM) 以及用户界面 (UI) 和用户体验 (UX) 角色。最终，随着人工智能工具在传统上由其他角色拥有的领域（例如市场分析和信息传递或以客户为中心的研究）增强产品经理的能力，职位的逐步融合可能最具合理性。Adobe 总经理兼 Miro 前首席产品官兼首席运营官 Varun Parmar 表示：“PMM 和 PM 角色很可能会在同一个产品组织下融合。随着越来越多的 PMM 任务（例如信息传递）被人工智能自动化，PMM 职能将需要真正深入定位，并完全整合到产品团队中。”
5. 质量、风险、合规性和可访问性与编码和构建并行解决
鉴于人工智能有望加速整个软件 PDLC，组织将希望更早地嵌入风险、合规性和可访问性测试，以避免忽视潜在成本高昂的错误或缺陷的风险。这些问题将不再在相对较晚的阶段解决，而是从发现阶段开始就成为决策团队的优先事项。这应有助于确保产品创意符合要求，同时为这些保障措施成为软件 PDLC 的持续组成部分奠定基础。例如，产品团队将需要在整个开发过程中纳入评估并自动应用编码标准和要求。
人工智能使得这种在流程中的“向左转移”（技术术语）成为必要，也能帮助实现它。解决方案范围从自动代码合规性和可访问性检查，到威胁检测和预防，再到开发人员编写代码时的漏洞扫描。例如，GitHub 最近宣布了一项功能，允许公司在代码存储库中设置企业范围的安全和合规性指南，以便开发人员的代码可以立即合规。此外，GitHub Copilot 将代码审查速度提升了最高七倍，同时发现并修复了漏洞和样式问题。
Reddit 的 Bhat 指出：“当我们能够消除瓶颈并确保我们的产品从一开始就合规且高质量时，最大的价值就会实现。我们已经在可访问性方面这样做了，我们确保它从 PDLC 的开始就‘内建’，而不是事后才附加。”通过分析测试结果，团队可以识别模式并预测潜在问题区域，从而实现持续的质量提升。这种对风险、合规性和可访问性的早期测试最终应能实现更高质量的产品，并降低客户流失率 。
这对组织意味着什么
人工智能有望为软件 PDLC 带来的转变将对产品组织的结构和运作方式产生深远影响。虽然一些效果已经开始显现，但随着领导者努力解决关于这个新时代将如何演进的复杂问题，其他影响则不那么确定。
商业模式
随着人工智能整合不同的数据源，软件公司可以比以往更快地将产品与客户价值挂钩，客户将越来越期望一种基于结果而非使用量付费的商业模式。直到最近，这在实践中一直难以实现，传统软件 PDLC 中责任和数据的分散阻碍了公司可靠地衡量和清晰地展示给定产品所实现的价值。人工智能带来的数据平台连接性和产品经理角色与职责的增长，应能使公司将定价与端到端价值交付联系起来。一些先行组织已经在试验针对精选产品提供基于结果的定价——例如，营销潜在客户生成软件。虽然仍处于早期阶段，且围绕端到端结果的可见性和控制可能存在潜在挑战，但随着越来越多的客户要求供应商承诺其产品将交付特定结果，这种模式可能会变得越来越普遍。
工具和平台
为了将人工智能嵌入到软件 PDLC 中，组织将需要投资于超越编码辅助的新人工智能工具，包括一个全面的数据平台和用于人工智能增强产品开发的工具。然而，过度依赖过多单一功能的工具可能会导致流程分散且不理想。相反，组织可能希望致力于能够管理整个开发者堆栈的集成解决方案。Reddit 的 Bhat 认为：“点解决方案的激增正在分散开发者体验。工程团队只能有效地使用一定数量的工具作为其核心工作流程的一部分。整合将变得更加关键，我们将看到工具链随着时间的推移而整合。”
将各种开发工具整合在一起只是个开始。行业领导者正在考虑单独的产品管理、设计和开发工具是否最终会成为一个集成解决方案。这种完全集成的模型将最大限度地减少从产品路线图到设计师模型再到工作代码的过程中复杂交接或容易出错的转换的可能性，从而实现实时共同创造和更明智的决策。Twilio 的 Shani 说：“公司应该投资于那些能增强跨角色生产力、贯穿发现和商业化整个环节的工具。”
Shani 强调的标准软件 PDLC 中最大的挑战之一是数据连接性的缺乏。一个强大、人工智能增强的集成数据平台对于明智的产品决策至关重要，它能整合从开发工件到用户反馈和市场情报的各种数据源。分析这些数据的人工智能助手可以追踪功能的发展历程、识别相关性，并根据历史模式预测问题。只有通过以这种方式打破数据孤岛，公司才能获得其产品生命周期的整体视图，从而实现更以用户为中心的决策。
人才和组织结构
将人工智能整合到软件 PDLC 中，需要组织技能组合发生一些重大变化。随着人工智能加速时间线并自动化某些低级和中级任务，公司可能需要重新思考其人才组合和学徒模式，以利用这些转变。例如，随着AI 自动化更基础的编码，可能对能够熟练驾驭复杂架构和审查 AI 生成代码的资深/骨干 (L2/L3) 工程师的需求增加。GitHub 首席执行官 Thomas Dohmke 强调：“知道如何判断人工智能提供的内容是否确实是正确的答案将至关重要。”
对更高级技能组合的需求将使人才结构向资深工程师倾斜，但这将如何影响新一代工程师的指导和培养仍有待确定。毕竟，维持强大的资深工程师人才管道需要强有力的入职培训和结构化的能力建设，包括给予初级人才早期责任和提供频繁的反馈。一个答案可能是人们更多地自主学习。很大程度上归功于通过 GitHub 等平台进行的开源贡献，学习如何构建任务关键型软件的途径正在扩大和民主化，以至于有抱负的工程师现在可以有效地进行自我学习。
人工智能驱动的其他重要的产品相关技术能力的转变包括以下几点：
对纯粹专注于 UI 设计的技能的需求将减少，而对精通“人在回路”设计的用户体验 (UX) 研究人员的关键性将提高。Microsoft Office AI 副总裁 Ritcha Ranjan 预测：“在设计方面，人工智能使团队能够比以往更快地进行原型设计。然而，这种转变凸显了对空间推理和系统思维的人类专业知识的日益增长的需求——这些技能对于创造连贯和令人愉悦的产品至关重要。”这对于应对采用这些工具带来的挑战尤其有用，例如人工智能模型和数据集中的偏见，或由于 Ranjan 所说的“失去人情味”而导致的用户挫败感。
网站可靠性工程 (SRE) 任务已经在自动化，人工智能接管了系统检查、日志分析和事件分类。这种趋势应在人工智能软件 PDLC 下继续，使 SRE 角色能够专注于更高价值的工作，例如开发用于主动维护、预测性异常检测和自愈系统的工具，从而增强整体系统可靠性和性能。
人工智能将推动开发人员走向全栈精通，并要求他们成为 AI 栈开发人员。随着人工智能工具越来越多地处理 UI 编码和自动化例行操作，前端开发人员将被期望逐步过渡到全栈开发人员角色，推动端到端创新。此外，这种全栈人才将被要求理解将人工智能整合到他们正在构建的内容中的技术和业务影响，例如人工智能能力的成本。Microsoft 的 Ranjan 指出：“人工智能正在改变产品开发生命周期，将人类的精力转向我们增加最大价值的领域——那些需要更深层次推理和解决问题的领域。传统上，工程师遵循一个过程：确定需求范围、确定系统集成、塑造解决方案、编写代码、测试、与同行审查以及完善设计。今天，人工智能加速了代码编写和测试。随着技术的发展，它将开始处理过程中更复杂的方面，但进步将局限于模拟人类推理的文本思维链。这些进步将继续转移工程师投入时间的地方。”
新的 PDLC 可能会重新定义（或淘汰）软件开发工程师测试 (SDET) 角色。随着人工智能工具越来越多地处理单元测试、集成测试和预测性异常检测，组织可能会考虑将测试职责纳入更广泛的开发职责中，包括审查 AI 生成的代码、设计测试策略和确保整体软件质量。
开始软件 PDLC 的AI转型
为了充分利用人工智能驱动的软件 PDLC，公司可能需要在多个维度上转变其方法。在组织方面，这涉及投资于人工智能人才和提升现有员工（特别是在研发部门）的技能，以满足不断变化的劳动力需求。在战略方面，公司应优先考虑多样化的数据源，为产品决策提供信息，并围绕基于结果、数据驱动的指标重新调整业务规划，从而侧重于用户采用和持续的产品演进。在运营方面，投资于人工智能增强的工具和集成平台可以简化开发、促进跨职能协作并加速上市时间。
然而，组织可能只有在工作方式发生根本性转变的情况下才能实现人工智能驱动的软件 PDLC 的好处。正如敏捷工具未能使产品经理更快地创造商业价值，DevOps 工具也未能使工程师在不采用新角色和运营模式的情况下更频繁地发布更新一样，仅仅采用人工智能工具不足以改变软件 PDLC。公司将需要强烈考虑投资于新的工作方式——重新培训他们的团队以适应新的组织结构、人才和能力以及工具和平台的转变。
最终，这种整体转型应能带来更高质量的产品更快地到达客户手中，将他们的需求置于开发流程的核心，并在人工智能驱动的未来为他们和软件提供商带来更大的价值。
本文转载编译自https://www.mckinsey.com/｜原文地址：https://www.mckinsey.com/industries/technology-media-and-telecommunications/our-insights/how-an-ai-enabled-software-product-development-life-cycle-will-fuel-innovation｜（编译：Katerina）