宝洁童熙谈ADLC:研发流程要重画,团队分工也跟着改
Agent 能把几个环节连着做完之后,企业要重答三个问题:流程怎么走,团队怎么分工,哪些判断还得留给人。 在今天的宝洁中国, AI 已经贯穿整个业务链条:从消费者研究、产品研发、品牌营销、供应链、到客服等等,每个环节都有 AI 的触角。 一家穿越周期有着百年历史的消费品企业如此拥抱 AI,比仅仅谈论上线了多少个 AI
Agent 一旦能把好几个环节连起来做完,企业就得重新回答三件事:流程怎么走,团队怎么分工,哪些判断仍然要留给人。
眼下的宝洁中国,AI 已经铺到整条业务链上。消费者研究、产品研发、品牌营销、供应链,再到客服,每个环节都能看到 AI 的影子。
一家走过百年、穿越过周期的消费品公司这样去拥抱 AI,比单纯说上线了多少个 AI 工具更值得琢磨。极客时间 9 周年「AI 落地见真章」访谈里,宝洁大中华区 CTO 童熙讲了研发团队正在试的一件事:让 Agent 把从业务需求到开发、测试、发布、运维的更多环节串起来。这就是他在访谈中提到的 ADLC。
生成代码快了多少,只说明其中一步。从需求进团队到结果真正能用,中间还压着多少等待和返工,才是流程重构要算的那笔账。
一、中间几步快了,整条流程还在等谁
做开发的人都熟 SDLC(软件开发生命周期):需求提出、开发编码、测试验证、发布上线、运维监控,中间还夹着提单、代码评审、上线工单、发布检查。一个环节一个角色,交接一次。
这套流程跑了几十年,前提是每个环节都得有人决策、有人执行,流程本身就是按人的协作方式设计的。Agent 出来之后,这个前提松动了。
童熙说,把开发工作交给智能体、交给数字员工去做的时候会发现,它不再按角色分配任务,甚至有好几个环节都不需要存在了。
童熙举了个假设。一项工作有七步,即便 Agent 能顺畅完成第二到第五步,第一步和第六步仍可能卡在人工交接上。
哪些交接可以简化,哪些检查要明确责任人,是流程重构里最需要判断的地方。
ADLC(Agent 驱动的开发生命周期)想解决的正是这个问题:当 Agent 介入的环节越来越多,整个生命周期该如何重新设计。光给每个环节配一个 AI 助手,解决不了这件事,得把流程图重画。
原有流程是以人为中心设计的,现在要设计一套新的、以 Agent 为中心的流程。童熙认为,流程本身变了,组织也得跟着匹配。
技术问题到这儿,就撞上了组织问题。
二、研发流程变了,团队如何匹配?
有个现象挺普遍:一个人用 AI,效率提升看得见;放到整个团队、整个公司,交付速度没怎么动。
童熙把这归到部门墙上。他提到,个人提效经常看得到,到了公司层面效果就不明显,原因在于不同部门、不同角色之间协同沟通的成本。
哪怕你在自己的工位上把效率提高了一倍,工作流一旦流到下一个部门、下一个角色,该走的审批、该做的沟通一样都少不了。局部省下的那点时间,最后全被流程里的人为节点耗掉了。
所以宝洁先动的不是技术。人才招聘、人才培养、技术治理,三件事一起推。
拥抱 AI 的人才招聘
过去,IT 岗位描述分得很清楚:前端、后端、测试工程师,各有技能要求和职业路径。
今年,描述换了。不再细分岗位,统一为拥抱 AI 为中心、围绕 AI agent 开发的岗位
背后的判断不复杂:AI 把编码门槛降下来,工程师能跨过原来的专业分工,岗位需求就跟着往 Agent 开发上挪。
这也接上了童熙反复讲的那句话:“AI 本身不是目的,如何能运用好 AI,最终为业务为消费者产生价值,这才是我们的目的。”
用人标准在从“你会什么技术栈”变成“你能不能用 AI 创造消费者价值”。
研发团队向 AI 全栈工程师转型,宝洁正在推进
以往的研发团队走的是标准敏捷路子:五人一组,前端、后端、测试各管一段。从去年起,宝洁开始让研发人员往 AI 全栈工程师的方向转,用 AI 工具把原先的分工打通,一段工作从弄懂需求一直做到实现和验证。
童熙认为,转型这件事,自上而下和自下而上都少不了,难的是怎么让人打心底里认。
他们靠社区和黑客松来破题。公司内部办过不少黑客松,也建了各类技术社区,其中有个叫 Vibe Coding 的社群,一个月要开好几场讨论会,大家轮流讲自己怎么用 AI 提效。业务部门的同事也会被请来分享:不少人已经能用 AI 做原型、搭小系统,这对 IT 团队是个刺激,“他们都可以,为什么我们自己不行呢?”
这一条恐怕是整场访谈里最难照搬的。它不靠制度,靠的是身边有人先干成了。
工具怎么选,一线也要有发言权
组织变革还有一块地基常被忽略:技术治理的节奏。
以前不少公司的技术雷达按季度更新,Gartner 的甚至一年才一次。技术迭代平稳的时候,这个频率够用。
童熙说,眼下技术雷达可能每周、甚至每天都在盯新动向。
新东西涌得太快,单靠一个委员会按月评审根本追不上,治理本身反倒成了瓶颈。
他们的做法是把社区拉进治理流程:核心成员先讨论某项新技术在实践中究竟有没有用,有用就推动引入。公司层面的合规流程照旧保留,但评估频率从每月一次提到高频。分寸就在这里,合规不能省,评审的速度得跟上迭代的速度。
治理速度说到底落在几个很具体的环节上:一线员工发现一个好用的做法,知不知道去哪里说、由谁来评估、怎么让其他团队也用起来。这三步走不通,实践就只能停在试点。
三、FDE:让技术坐到业务旁边
变化不只在 IT 内部发生,IT 和业务的交界处也在变。
过去的链条很经典:业务提需求,产品整理成 PRD,技术出方案,然后开发、测试、上线。环节多,链条长。
AI 时代这条链正在被压缩,压缩的方式叫 FDE(Forward Deployed Engineer,前沿部署工程师):技术同事直接坐到业务同事旁边,从理解问题、设计流程开始,就一起做原型、验方案。
童熙说,团队一方面会参考外部 FDE 的做法,另一方面也想从内部找出、培养能胜任这类工作的人。产品侧能用 AI 做原型、做小功能,技术侧则提前参与到业务流程设计里,双方合力把方案落地。
四、技术负责人要自己先动手
“以前我们谈得更多的是领导力,但我也经常在思考这个问题:我们到底在带领谁?是人还是智能体?智能体需要我们带领吗?未必。”
他的判断是,未来的技术负责人会越来越多地和 Agent 一起工作:判断哪些事可以交给 Agent,哪些事需要人来决策。
先跑原型,再谈方案
动手不只是负责人的事,也是团队的工作方式。
童熙手上有批智能体,每天干的活是正反论证:围绕某个技术方向或架构方案,正反方互相辩论。
但辩论不是目的。童熙说,多说无益,光靠论证没有足够的事实证据,最终还是要把原型跑出来看效果。
原型做出来不贵了,争论的分量就轻了,验证的分量重起来。会议室里那种“你理解错了我的意思”的来回,会少掉不少。东西摆在眼前,结论自然明摆着。
不过这套做法有个条件:原型得跑得快、跑得省。要是一个原型耗上两周,争论照样卷土重来。
亲手去做,别只听汇报
“技术出身的负责人,一定要自己下场干。公众号文章刷再多、视频号看再多,都不如自己搭一个智能体,让它替你把活干了。”
他拿自家 CIO 举例。“我们的 CIO 就是冲在前面的那种人。很多事他不光是告诉我们该怎么做,而是自己先把原型做出来,再丢给我们:你们看这样行不行?”
负责人为什么要亲自动手做原型?道理在于验证的成本降了。一个点子靠不靠谱,不必开一堆会、写一堆文档,让 Agent 跑个原型出来就能看个大概。
反过来,只靠听汇报拍板的负责人,容易被信息差带偏,方案到底能不能落地,很难判断准。
把想的过程也存进知识库
团队一起干活时,很多沟通其实没必要发生。
“以前敏捷团队协作,少不了互相握手确认:我这边做前端,对接口设计有这样的要求;你做后端,接口这样定义能不能满足我?然后两边就开始争:这个参数到底加在接口里,还是前端自己生成?”
争来争去,根子在于每个人的思路和上下文没被共享出来。
童熙说,团队正在搭大模型知识库,把设计时的思路和取舍记下来,让同事和他们用的 AI 都能理解背景。
过去的知识管理管的是文档,把结论写下来给人看。眼下要管的可能是过程:你是怎么想的、跟 AI 怎么聊的、在哪儿做了取舍。给人看,也给 AI 看。
接口文档能写清最后定了什么。可设计时的取舍只装在参与者脑子里,下一个接手的人,同样的问题还得再问一遍。
童熙也承认,交流没法彻底消灭。有人讲“最好的 AI 原生组织是没有交流的组织”,他并不完全认同。沟通交流肯定有必要,该减的是没必要的那部分,不是把沟通本身干掉。
五、“因为相信,所以看见”
聊到最后,童熙说最要紧的一条经验,既不是技术选型,也不是组织架构,是相信。“我始终觉得,就是因为相信所以看见。很多 AI 变革失败,其实是不相信 AI 能做到、能达成。”他拿 AI 帮孩子学习、找薄弱点,生活里这些尝试一点点撑开了他对“AI 能干什么”的认知边界。生活里见过 AI 能干的事,回到工作里自然会想:这个能不能交给它做,那个能不能让它试试。反过来,心里先不信,就只会让它干些边角料的活,它真正的用处也就一直看不见。
从哪里起步:三个问题
宝洁在研发流程上的摸索,并非从零搭一套新体系,而是在现有体系里,一点点把 Agent 引进来、把流程理顺。
方向是清楚的:从 SDLC 到 ADLC,改的不光是开发流程,还有招聘标准、人才结构、协作方式,以及技术负责人的角色。童熙自己的说法是,“都是一个探索的过程……现在的状态就是这样,大家都在野蛮生长的一个状态,也还蛮好。”
要在自己团队里迈出第一步,可以挑一件经常发生、交付结果明确的工作,跟着它从需求走到交付,问三个问题:
-
哪一次交接最容易让工作卡住?
-
哪些步骤能交给 Agent 一口气做完,哪些决定得由人来做?
-
下一个接手的人,需要提前知道些什么?
一轮跑下来,把需求到交付的耗时和返工次数摆在一起比一比,交付质量则用同一套标准去查。个人层面的提效到底有没有落进流程,拿这个来验证,比开一场复盘会管用得多。
这三个问题里但凡有答不上来的,那基本就是下一轮该动手改的地方。