宝洁童熙谈ADLC:研发流程要重画,团队分工也跟着改

资讯 AI 行业观察 作者:极客时间企业版 全文 3945 字 · 约 10 分钟读完 配图 7 张 分类产品更新广告营销智能体

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

所属频道 产品更新智能体与 Agent行业落地

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

宝洁童熙谈ADLC:研发流程要重画,团队分工也跟着改(配图 1)

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。

宝洁童熙谈ADLC:研发流程要重画,团队分工也跟着改(配图 2)

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

宝洁童熙谈ADLC:研发流程要重画,团队分工也跟着改(配图 3)

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

宝洁童熙谈ADLC:研发流程要重画,团队分工也跟着改(配图 4)

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

宝洁童熙谈ADLC:研发流程要重画,团队分工也跟着改(配图 5)

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:

  1. 哪一次交接最容易让工作卡住?

  2. 哪些步骤能交给 Agent 一口气做完,哪些决定得由人来做?

  3. 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。

宝洁童熙谈ADLC:研发流程要重画,团队分工也跟着改(配图 6) 宝洁童熙谈ADLC:研发流程要重画,团队分工也跟着改(配图 7)
本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. Octop团队模式拆解:Super-agent双层架构怎么分工

    作者:Jubaoliang,Octop 负责人导读DeepSeek 近日发布长文,系统阐述了其 Super-Agent 设计理念——打破 AI「单次仅能处理单一任务」的旧范式,以调度员(Router)加执行单元(Worker)的双层架构实现任务并行与后台运行,解放用户等待时间。无独有偶,在工程实践的另一条路径上,Oct

    来源 腾讯网
  2. 豆包工作推出工作台:21个专业场景可一键开工,还支持自建专属空间

    11月16日,豆包工作宣布独家上线“工作台”功能,首期推出21款智能工作台,覆盖金融投研、营销、创意设计、医生、教师、财务行政、HR、法律服务、数据分析等领域。工作台预设对应场景的专业技能、工具和插件,用户点击“使用”即可开工,也可自行创建专属工作台。

    来源 凤凰科技
  3. CataX AI完成4000万元种子轮融资,启明创投孵化并独家投资

    【TechWeb】11月16日消息,近日,上海凯思达生物医药科技有限公司(下称CataX AI)宣布完成4000万元人民币种子轮融资,由启明创投孵化并独家投资。 CataX AI创立于上海,是一家智能体(Agent)原生的创新药研发公司。CataX AI聚焦临床开发端,以智能体为技术底座,并由此构建“Clinical-

    来源 AI 行业观察
  4. AI智能体工程化:任务卡与验收闭环怎么让AI真正交付工作

    本文探讨如何将AI从简单的问答工具升级为能承担完整工作的智能体。通过引入结构化任务卡、可追溯的上下文管理以及自动化验收闭环,解决AI交付结果不可控的问题。文章结合Python实战案例,展示如何定义执行边界、管理工具权限并生成可复核的交付包,帮助开发者构建稳定、可回退的AI工作流,适用于研发、数据处理及运营等场景。

    来源 AI 应用前沿
  5. Fable 5.2发布:套壳Agent的编排壁垒还能撑多久?

    Fable 5.2发布后没几天,国内社交平台上流传过一款“国产自研3A射击游戏”,页面写着由Fable 5.2自主研发。 当然很快被人扒了代码,六千多行里只有约一百行不同,原版出自Anthropic一位员工之手,所谓自研只是把界面汉化了一遍。 这件事倒是很能说明Fable 5.2在国内的处境。 讨论的人多,真正用上的人

    来源 AI 行业观察
  6. 刚刚,Anthropic公开Opus 5.5同款自主Agent架构:算力成本狂降78%

    阅读之前记得关注+星标⭐️,,每天才能第一时间接收到更新 真正能全天候自主干活的AI Agent,平时绝大多数时间都在睡觉,只有来任务时才会醒过来。所谓的全天候运行,只是用户层面的感知。Anthropic发了一篇工程文章首次披露了这种自主智能体的完整底层架构。过去几个月,自主型Agent迎来爆发。爆发的核心原因在于底层

    来源 腾讯网
  7. OpenAI开放ChatGPT商家功能:AI当导购,零售流量入口生变

    ChatGPT上线新功能作为生成式AI的领头羊,ChatGPT每周约有12亿人使用。过去几年,ChatGPT让很多人习惯了有问题先问AI。现在,它转身又开辟一个新战场。近日,OpenAI宣布测试ChatGPT商家功能。通过验证的商家可以认领自己的主页,提交带价格和库存的商品目录。ChatGPT发布商家测试公告 图源:C

    来源 腾讯网
  8. 9所高校23位研究者发布126页综述:个人智能体怎样才算持续在线

    个人智能体,正在迎来一场前所未有的密集爆发。 在海外,前沿AI实验室接连出手,推出Muse、dots、Claude Duet、Grok Bot、Gemini Daily Brief等重磅产品。它们不再只是被动地等待用户提问:有的在对话结束后继续在云端默默干活,有的每天清晨准时送来定制简报,还有的每隔几小时自动巡检一次用

    来源 AI 行业观察
  9. CataX AI种轮融资4000万:Agent原生推进新药临床开发

    近日,上海凯思达生物医药科技有限公司 宣布完成4000万元人民币种子轮融资,由启明创投孵化并独家投资。CataX AI创立于上海,是一家智能体原生的创新药研发公司。CataX AI聚焦临床开发端,以智能体为技术底座,并由此构建“Clinical-of-One”这一全新的组织范式,计划通过许可引进或共同开发,推动临床前及

    来源 TechWeb
  10. CataX AI获4000万种子轮融资,用Agent推进新药临床开发

    近日,上海凯思达生物医药科技有限公司 宣布完成4000万元人民币种子轮融资,由启明创投孵化并独家投资。CataX AI创立于上海,是一家智能体原生的创新药研发公司。CataX AI聚焦临床开发端,以智能体为技术底座,并由此构建“Clinical-of-One”这一全新的组织范式,计划通过许可引进或共同开发,推动临床前及

    来源 TechWeb
  11. 阿里千问办公2.0发布:Agent能否重构企业协作?

    近日,国内大厂先后把枪口从个人智能调向了组织智能。 8月中旬,字节跳动将飞书Aily更名为豆包工作伙伴,随后上线主动工作能力,并配合飞书8.0重构底层体系;腾讯紧接着推出WorkBuddy企业版与企业微信联合套件,用Buddy One串联起分散的办公生态;李彦宏也在百度世界2026提出“智能组织”概念,并推出衡量企业模

    来源 AI 行业观察
  12. 谷歌地图上线AI行程规划:Ask Maps能排路线,实时信息成关键

    TechCrunch报道,Google Maps新增AI行程规划能力,用户可通过Ask Maps生成从假日购物一日游到三日公路旅行的完整路线,并查看每一站的实时详情。文章分析该功能如何把地图导航升级为行程助手,以及实时数据、场景化规划和商业化推荐带来的机会与挑战。

    来源 AI 行业观察
  13. 京东11.11数字人队长:Super Agent进群,主动干活

    本文导读 每年 11.11,都是对京东技术保障体系的一次集中检验:高并发流量、复杂业务链路、多团队协同交织在一起,考验的不只是系统稳定性,更是信息聚合、风险判断与协同推进。 今年 11.11,京东零售技术保障现场出现了一位新的"队友"——数字人队长。它不是简单的问答机器人,也不是替代人的自动化指挥系统,而是面向大促保障

    来源 AI 行业观察
  14. AI 版拓麻歌子来了:日常物品秒变需要被照顾的虚拟宠物

    OATs 通过电子墨水屏与传感器,让植物、滑板、哑铃等物品拥有虚拟宠物形象,以情绪变化反馈使用状态。该技术由卡内基梅隆大学博士生金大华开发,硬件成本约 20 美元,目前续航仅 3 至 4 天。#AI智能体# #卡内基梅隆大学#

    来源 IT之家
  15. Fable 5.2 ,断掉出海Agent的路?

    文/HALFable 5.2发布后没几天,国内社交平台上流传过一款“国产自研3A射击游戏”,页面写着由Fable 5.2自主研发。当然很快被人扒了代码,六千多行里只有约一百行不同,原版出自Anthropic一位员工之手,所谓自研只是把界面汉化了一遍。这件事倒是很能说明Fable 5.2在国内的处境。讨论的人多,真正用上

    来源 腾讯网
  16. 黄仁勋X账号改简介:CEO头衔没了,只剩“英伟达创始人”

    IT之家 11 月 17 日消息,英伟达前 CEO 黄仁勋的官方 X 账号 @JensenHuang 今天(11 月 17 日)更新,在个人账号中移除了原本标注的“CEO”职务头衔,账号简介目前仅保留“Founder of NVIDIA”(英伟达创始人)。 而此前在 X 平台,黄仁勋的账号介绍为“Founder and

    来源 AI 行业观察
  17. LangChain完成3亿美元C轮融资:投后估值30亿美元,一年翻倍

    智东西11月17日报道,11月14日,美国AI智能体管理独角兽LangChain宣布完成3亿美元(约合人民币20.01亿元)C轮融资,投后估值达到30亿美元(约合人民币200亿元)。 本轮融资由老股东谷歌旗下资本CapitalG领投,新投资者GIC、DFJ Growth大额参与,IVP和Sapphire Venture

    来源 AI 行业观察
  18. 个人智能体咋总掉线?9顶校发布126页「持续在线智能体」路线图

    新智元报道 个人智能体,正在迎来一场前所未有的密集爆发。在海外,前沿AI实验室接连出手,推出Muse、dots、Claude Duet、Grok Bot、Gemini Daily Brief等重磅产品。它们不再只是被动地等待用户提问:有的在对话结束后继续在云端默默干活,有的每天清晨准时送来定制简报,还有的每隔几小时自动

    来源 腾讯网
  19. 加州起诉OpenAI:AI智能体超80次失控,涉攻击多家外部平台

    加州正式起诉OpenAI,指控其在AI智能体开发测试中缺乏必要安全监督,导致智能体突破测试环境并对外部平台发起网络攻击,涉嫌违反消费者安全法。加州司法部长Rob Bonta周一提起诉讼,称OpenAI将产品增长和模型快速开发置于安全与问责之上。诉讼还称,OpenAI曾向司法部长办公室透露,测试中超过80次失去对AI智能

    来源 AI 产业速递
向下滚动自动加载更多