基于软件的敏捷协作

是未来企业的核心竞争力

对企业尤其传统企业而言，需要搭上数字经济这趟列车，怎么搭？网景的创始人马克安德森在2011年就说了一句著名的话：软件正在吞噬整个世界（Software is eating the world），后来很多地方都引用。这意味着，软件对于企业数字化的影响在持续的提升。今天，可能任何一家企业，都希望成为最起码具备一定软件能力的企业。它的关键其实就是大量的数字技术在跟我们的业务结合，然后最底下支撑的核心就是软、硬件的研发和运维。

同时我们看到软件发展，尤其是互联网领域、TOC的应用，开发和迭代速度越来越快。典型像ChatGPT，2个月就达到了一个亿的用户数，可以说是前无古人，后有没有来者还不太清楚。我们统计了一下，对比中美主流互联网应用达到1亿用户的速度，可以看到几个有意义的点。

一是社交、通信和电商领域，我们发展普及的速度比美国更快。比如用户数突破1亿拼多多大概用了15个月，抖音/TikTok用了9个月；腾讯的微信和腾讯会议更快一点，分别用了14个月和8个月。美国同类应用即使发展最快的Instagram也用了30个月，著名的WhatsApp更用了42个月，明显比我们的应用慢。

二是共享经济、O2O领域，其实我们没有想象中发展得快。这些年随着外卖、打车、共享单车等的普及，可能很多人感觉我们的共享经济、O2O发展挺快的，但实际上可能没那么快。比如打车领域Uber用户数突破1亿用了不到6年，滴滴则用了7年半，都比社交、通信应用慢很多。这除了Uber更容易国际化的因素外，可能还反映出一个问题，线下服务的数字化比单纯的信息和内容的数字化难，而我们服务领域有大量的中小企业、个体户，他们的软件能力和信息化基础比美国差。

三是现在到人工智能、大模型领域，美国把软件发展速度提到了新高度。ChatGPT2个月用户过亿创造了一个新记录，我们目前还没能出现有这个发展速度的应用。对于很多企业、从业者来讲，是丰碑式的挑战。当一个业务用户数在短期快速冲上千万、上亿的时候，你的软件开发、扩容、代码迭代能力，企业的敏捷性等等，怎么去提升与应对，这是今天一个重要的问题。

伴随数字技术与软件的迭代，企业形态与模式持续进化。最早的软件可以回溯到工业时代，信息化阶段软件更多以本地单机方式实现，还不能大范围互联。对于企业组织的影响，在于创造了一种人机简单协作的方式，更多的是人现场操作机器。到了数字化、网络化阶段，我们今天已经比较熟悉，人可以云端部署软件，对机器远程控制，实现了人机远程协作。未来再往前走就是智能化，对我们冲击力比较大是机器对人的替代，以及我们对机器能力的期待。我们希望更多的工作，尤其是枯燥、繁重的工作，能够由机器自主协作完成。比如软件开发中的写代码，现在对很多人还是有门槛的，如果靠机器自己能够降低这个门槛，就可能让更多人参与进来，促进整个组织的软件能力、乃至人机敏捷协作能力的提升。

在这个背景下，今天谈数智化对企业敏捷协作的支持，就非常有意义。主要在三方面：

一是快，快速迭代。这个做软件开发的人很熟，但对整个企业而言，今天讲快速迭代可能不能局限在软件上、局限在自己的组织内部，而需要跨过部门、甚至跨过公司自身到整个生态上下游，能够让大家一起快速迭代，尤其那些非技术人员、不是专门搞软件开发的人员，能够通过低代码、AI辅助等方式参与到敏捷协作中。

二是准，就是质量好。因为系统日趋复杂，软件工作越来越需要协作，质量的挑战也越来越大。人的能力有天花板、有误差，需要靠数智化的工具辅助协作，才能保障更精益的质量。

三是稳，即稳定性。比如高质量代码的稳定产出和系统稳定性的提升，也越来越需要数智化的工具，来提供敏捷的度量和优化手段。

从这三方面出发，我们希望能有一个较简单的量化评估指标体系，来帮助大家衡量敏捷协作的推进情况，不求全但求重要与易计算，形成了响应、交付和可持续三个维度、六个指标。响应和交付大家一看就懂，可持续性稍解释下，比如使用响应方差来衡量响应变化的水平，幅度越小说明越稳定、可持续。背后的数据，主要基于我们业务脱敏数据加上调研数据结合。

区域层面看，敏捷协作发展规模跟数字经济强相关，数字经济发达的地区敏捷协作发展也更好。以北上广为引领，全国规模排名前10的省份和城市，都地处沿海和沿江的发达区域。另一方面在增长上，西部和北部偏远地区表现较好，比如西藏、黑龙江和宁夏等，这反映出偏远地区正在积极采用敏捷协作的方式，解决地理位置不便等问题。

场景层面看，可分成两个大场景。一个是狭义的研发协作场景，核心就是追求敏捷研发和快速响应的能力提升。从我们数据统计看，数智化工具和方法对企业敏捷协作的提升很明显，大部分企业水平可以达到：1天内响应客户需求，3天内解决缺陷问题，1周内完成需求交付，2周内完成迭代。

另外一个是广义的企业通用协作，或者说全面协作场景。如果未来企业都会变成软件公司，或者至少是具备软件开发和应用能力的企业，那未来企业组织运营管理，可能就需要参考软件敏捷开发和运营的方式或思维。不仅是软件开发，企业在更大范围的项目管理、协同办公等层面，都可以跟软件开发平台做好对接和协同。这样最大的一个好处是，从后端底层的开发到前端的业务界面及对接的用户需求等，所有的信息能够更有效的打通和传递，实现“研产供销服”业务全流程的高效、敏捷协同。

这时就需要各种平台系统打通并形成工具链，并通过AI嵌入等方式提升信息流通和处理的智能水平，更好地分发到不同环节和应用中去提升效率和效果。根据我们统计，2023年共有6000多万个协作任务在腾讯TAPD上完成，约6亿条工作消息被接收，业务协同效率提升近30%。这些信息和任务不仅仅只是软件开发的，还有不少协同办公、项目管理、人事管理等，涉及企业运营管理的多方面，可以协助提升工作效率和业务健康度，如每天可节省3个多小时的沟通协作时间。

企业规模层面看，中小企业和大企业实施敏捷协作的目标和方式不太一样。中小型企业敏捷重在低成本快速提效，因为抗风险能力较弱。对此，腾讯TAPD通过“小微企业扶持计划”等提供针对性帮扶，助力数十万小微企业加速数智化敏捷转型。2023年小微企业软件总产值提升25%、人均产值提升30%多，每家小微企业平均每年可节省成本约45万元。大型企业敏捷则重在可持续发展，相比成本和短期效益，更重视中长期实施的可靠性和投入产出的持续回报，因此更愿意全盘规划、自上而下实施。

走好敏捷协作成长路径“三级台阶”

今天，企业从软件研发角度出发实施敏捷协作，我们和信通院合作研究团队一起归纳成三个阶段。第一阶段当然是研发敏捷，核心是敏捷开发框架的采用和实施，一般可选特定产品、特定研发团队开始，提高研发敏捷迭代能力。第二阶段是产品敏捷，涉及到产品上下游的敏捷协作，如需求管理、运营反馈等，覆盖产品全生命周期。第三阶段是业务敏捷，敏捷协作扩大到其他产品线，实现整个业务部门、乃至全公司的敏捷，将涉及组织文化、流程、工具等整体的敏捷建设，包括非技术、产品团队人员的敏捷协作能力提升。

举几个例子。一个是信息化、数字化程度比较高、能力比较强的，像金融机构。在传统行业里，它们对敏捷的追求可能最强，同时安全要求也很高，因为金融业务大规模、快速、实时交易等特征需要。所以，金融机构对敏态和稳态双模态兼具的系统需求很强。我们在帮助金融机构数智化时，关键就要平衡好这两个点。一般来说比较稳妥的方式，是从一个点的研发敏捷开始，跑通了再逐步扩展。

第二个是高科技制造企业，往往涉及软硬件一体化体系构建，大多也已经有自己的各种平台，具备较强的技术开发能力，比较容易理解和实施较大、复杂的系统。这类企业一开始可能就会从平台、“面”的层面去考虑敏捷。可以从关键的软硬件产品及平台的协同研发入手，自上而下对齐相关部门目标和计划再协同实施。

最后是大众更熟悉的服务型企业，比如交通运输业的航空公司，大多涉及终端用户、消费者，对业务前端、用户体验有较强需求。因此，它们的敏捷不仅是在研发本身，更要对市场需求、用户体验的变化快速响应。对这类企业，就需要提前考虑研发和产品如何与市场、客服等敏捷协作问题。

走向全面敏捷的关键支点

一站式平台与全流程AI

可见，随着数智化的推进，不同企业都有从研发敏捷走向全面敏捷的需求。全面敏捷意味着要研产供销服各环节都能打通和协同好，而不同环节涉及不同的标准、工具等等，因此近年来企业对能打通标准、便利使用各种工具的一站式敏捷研发效能提升平台的需求日趋强烈。腾讯的TAPD就在重点做这件事，从2006年开始经过自己十几年互联网敏捷研发沉淀，今天已经形成了一个一站式的、久经实践验证的平台体系，除了兼容各种主流框架外，还通过开放平台等打通跟开发、办公、运维等众多主流协同工具的连接与集成，让研发之外的其他相关工作也能高效协同。

这里重点讲下AI。最近大模型领域高热度持续，很多人在说冲击、说颠覆。我们可能更务实些，希望能把现在的技术用起来，放到真正的实际场景中做应用探索，看大模型是不是确实能发挥一些效能。当然就整体终极目标而言，我们希望AI在整个敏捷协作过程中，都可能发挥作用，贯穿全流程。不过现在刚开始不可能全覆盖，因此我们把全流程分成四大环节，筛选出其中最关键的点嵌入大模型能力进行尝试。

首先是生产，这里除了代码生成，文本生成也能发挥较大作用。比如做产品需求描述，产品经理可能对技术把握不精准，或者研发可能对需求理解不敏感，通过LLM来帮着做文本的梳理、翻译和完善等，输出给阅读方更容易理解的内容，可以有效降低沟通成本、提升沟通效率。

其次是协作，我们找到一个很合适AI协助解决的核心痛点，就是工作拆分。协作涉及多人、可能跨团队和部门，大家会用到各种工具，信息和内容就会留在不同工具中，比如需求提个单、会议开个会、企微留个言、邮件发个通知等等。这些碎片化的信息多了，人工处理一定是效率走低、误差增大。因此我们在各工具联通基础上，让TAPD AI来帮助快速提炼、拆分各信息源的关键信息，包括需求、缺陷、测试用例等，自动生成任务项，人再去做确认和优化，就能提高效率、降低人的事务性工作量。

然后是流程，整个协作过程的优化，AI可以做自动化执行和监测预警。TAPD构建了智能流程引擎，通过简单的语义化规则配置，就能实现DevOps过程的执行流自动化和智能通知预警。这里大模型虽然不一定是必须，但可以探索通过自然对话更高效生成或查找语义化规则等方式。

最后是度量，像BI分析这块，大模型的多模态能力有较高应用价值。比如通过文字对话生成报表、图形等，甚至生成整个图文分析报告，能大幅提升项目分析和管理的效率。

目前TAPD AI还在测试使用中，大模型的能效还没有充分的数据来评估。但从更大范畴看，AI应用已能发挥出好效果，比如智能流程引擎，2023年平均为每家企业节省了20个工作日的协同工作时间。

最后展望下，更长远视角看AI的价值和意义。今天的企业源自几百年前的工业革命，形成的固定范式也是工业时代的特征，比如比较固定的科层制和单一的工作职能细分等，这样的企业灵活性有限。AI的深度融合可能让企业进化向更高等级的“智慧生物型组织”，借助数据智能企业整体都能够实时学习和进化，从而灵活响应环境和市场需求的快速变化。在这样的未来企业中，一个人类员工管理多个智能机器“员工”可能会成为常态，而企业敏捷性和竞争力的提升关键之一将在人机高效协作系统的成功构建——即AI原生的下一代敏捷协作平台。

扫描二维码查看/下载

《2023年企业数智化敏捷协作报告》