最近读了麦肯锡的一篇采访文章，访谈对象是 Jellyfish 的 CEO Andrew Lau，主题是 AI 对软件研发效率的真实影响。
这不是一篇讲“AI 多厉害”“程序员会不会被取代”的文章，相反，它讨论的是一个更现实、也更困难的问题：
企业到底该怎么判断：AI 真的提高了研发效率吗？
以及——
如果提高了，为什么很多团队却“感觉没那么明显”？
一、这次变化，可能比云和敏捷都大
Andrew Lau 在采访里有一个非常明确的判断：
未来三年，整个软件研发流程（PDLC）都会被重新定义。
过去 20 年，软件开发基本遵循一条稳定路径：
需求定义
开发（IDE）
代码管理
CI/CD
测试
发布与监控
AI 的出现，不是把其中某一步“加速一点”，而是可能重写整条链路。
这也是他认为：
这次变化，甚至比当年的云化、敏捷转型还要大。
二、最关键的变化，不是技术，而是“人”
采访中有一句话我印象很深：
The shift is not just technical — it is human.
这次转变，不只是技术的，而是人的。
什么意思？
当一个开发者开始大量使用 AI：
于是角色开始模糊：
开发者开始像架构师、产品经理
产品经理开始像设计师、系统建模者
真正变难的，不再是“怎么写代码”，而是“到底要做什么”。
三、为什么很多公司“用了 AI”，但效果一般？
Andrew 把企业的 AI 转型拆成了三层，非常现实：
第一层：有没有人在用（Adoption）
如果大部分人不用，一切免谈
不只是“装没装工具”，而是真正在用、常态化使用
第二层：流程是否真的更快
看的是系统级指标，而不是个人感觉，比如：
如果 coding 变快了，但 review、测试、合规没跟上，
瓶颈只是被挪了位置。
第三层：业务结果有没有变好
最终还是要回到：
Roadmap 是否更快兑现
缺陷率是否下降
客户体验是否改善
四、一个很“反直觉”的数据
Jellyfish 跟踪了 600 多家企业，发现：
差别不在工具，而在：
是否全员 adoption
是否调整流程
是否重构角色与激励机制
只给程序员发一个 Copilot，远远不够。
五、下一波 AI 的战场，不在写代码
采访里提到，下一阶段真正困难、也最有价值的地方在于：
Code Review
跨阶段协同的 Agent 系统
测试与质量保障
尤其是测试：
自动化测试的前提，是“什么是对的”
但很多老系统，根本没有清晰的规格定义
在强合规行业，这个问题更尖锐：
AI 能不能算“独立审查者”？现在还不行。
所以 AI 并不会减少合规要求，反而要求：
更早、更前置、更系统化的控制。
六、一个很“老工程师”的结论
采访最后的判断，其实非常朴素：
过去我们以为 coding 最难，
现在发现，定义清楚要做什么才是最难的。
未来人的价值，不在于敲代码，而在于：
写在最后
这篇麦肯锡的采访，真正有价值的不是结论本身，而是它点出了一个很多团队正在经历、但还没说清楚的事实：
AI 不是效率工具升级，而是一次研发组织与角色的再设计。
如果组织、流程、激励机制不变，
AI 只会让局部更快，而系统依然拥堵。
本文基于麦肯锡（McKinsey）对 Jellyfish CEO Andrew Lau 的采访内容整理与思考，原文为英文采访，本文为个人理解与再表达。
