软件工程3.0实践之路(九)：LLM驱动组织变革

在软件工程3.0 被提出来之后，各种大模型陆续开源，如Meta Llama、Google Gemma、马斯克的Grok、Databricks的DBRX等，各种编程助手GitHub copilot、CodeArts Snap、Comate、iFlyCode、CodeGeeX和测试助手TestAgent、TestPilot 等相继推出，还有像LangChain、ChatDev、AppAgent、Devin、AutoGen、DevAuto 等基于智能体的研发平台/框架也相继推出，大模型（LLM）的能力表现逐渐提升，以及RAG技术的引入，LLM幻觉问题得到极大的缓解，tokens的长度也越来越不是问题（如很火的Kimi就支持200万tokens），总体看，LLM技术日趋成熟，越来越多的人相信，软件研发的范式正在发生变化。

在AI和LLM驱动之下，软件研发的范式已经发生了变化，自然也会驱动组织发生变革。 面对这样的技术发展和组织变革，我们不禁要问：组织变革将我们带向何方？

为了写这篇文章，前两周也发了几篇文章预热一下，让大家了解大模型对软件研发人员或工作岗位的影响。

• “程序员”这个职业会不存在吗？

• 警报拉响：第一位 AI 软件工程师 Devin

• 什么样的工作最有可能被AI取代？让我们看看500万份工作分析的结果

其实，关于大模型时代的人和组织，综合之前这方面专家和我在AiDD、QECon、K+峰会上的一些分享，以及最近的深度思考，将未来组织变革概括为以下4点。

1. 哪些角色会消失？一些初级的研发岗位会消失，研发中间的某些职位会消失，两头的职位（需求和测试）不可或缺。

（华为AI算法科学家马宇驰在AiDD2023上的分享 ）

2.开发者和机器人（如AI助手）之间有怎样的关系？之前认为AI机器人是助手、副驾驶，所以喜欢用Copilot，但我觉得看谁强，很有可能AI机器人超过80%的研发人员，所以对这些开发人员来说，机器人是人类的导师。只是许多人会强调，不能让AI背锅，而是我们的工程师背锅，需要我们工程师决策，所以机器人只能是助手。如果简单地看两者关系，可以看成是伙伴关系，那么过去难以执行的结对编程、结对测试，未来反而成为常态，只是人-机（非人-人）结对编程、结对测试、结对设计、结对需求分析等。之前华为云 代码智能技术专家申博有一个分享，展开讨论两者之间的关系，比较全面地描述了两者之间的关系。相信未来的代码编程助手不仅能力越来越强，而且具有自主学习的能力，各种关系都会存在，不仅仅是助手。

（华为云 代码智能技术专家申博在2023K+峰会上的分享）

甚至我们可以把AI助手（暂且叫助手，它可以是智能体、机器人或数字人）当作外包资源来管理，根据公司团队需求，引入多少外包资源，完全取决于公司内部人力情况。如果降本增效压力没有那么大，可以少引入AI助手，如果降本增效压力大，那么多引入AI助手。其次，还要看内部人员的能力，能否驾驭LLM和AI助手的能力，包括数据的管理、知识库的建立、精调/微调技术、提示工程能力等，来决定如何引入AI助手、引入哪些AI助手。这里说的AI助手，不限于编程助手，还包括文档助手、业务分析（BA）助手、测试助手、运维助手等。每个企业需要拥有一支小型的内部团队来指导和驾驭AI助手构成的团队，并确保AI编码输出符合公司的整体战略规划和长远发展目标。

（作者在去年AiDD峰会上的分享）

3.把人-机关系扩展，其实会成为智能体群（人也是智能体）协同工作的关系，即不是单个人和单个机器人的关系，而是多个工程师和多个机器人之间的协同工作关系。这类研究、探索和实践，体现在AutoGTP、ChatDev、AutoGen、AutoDev等框架上。

（AutoDev工作原理示意图）

而且这种自动化程度还可以不断提升，从现在半自动化的结对工作（AI作为副驾驶存在），到全自动化的研发协同工作（相当于自动驾驶），AI智能体（ agent）将会接收需求、编写代码、修复错误并将最终产品部署到生产环境中。之前我们可能会想，这样的场景会在5-10年后出现，但Devin的演示证明了我们可能错了，尽管它现在只能执行简单的开发任务，但半年后可能会像AutoDev那样完成复杂的工作。

（从半自动的助手升级为全自动的智能体）

4. 超级个体是否出现？在软件工程2.0时代，敏捷开发团队是2-pizza团队，团队人数少，低到几个人，而且是全职能的特性团队。在软件工程3.0，研发团队是否可以进一步缩小，是否有可能出现一个人或两个人的团队？完全有可能。虽然一个人（超级个体）也许还面临很大困难，例如业务用户在没有软件开发人员协助的情况下完成产品开发，非常有挑战。系统的分解和对生成的代码进行review，估计不是几天就能掌握的，即使有LLM帮助。但很可能存在两个人的团队——业务专家和技术专家组合的团队，业务专家可以从目前的BA、产品经理转型过来，技术专家目前是存在的，或者从目前的架构师、资深开发人员等转型过来。他们两个人联合起来，并借助LLM（含编程助手、测试助手等），差不多无所不能，完成需求定义、架构设计、代码生成和优化、测试与验证等工作，直至交付。研发过程中，不清楚、不懂的，可以问LLM，LLM输出的结果，两个人是可以review、验证或判断的。如果未来有更好的智能体，独立扮演不同角色，生成的代码有智能体review，多智能体协作，人类超级个体又善于学习、善于思考，一个人就是一个团队，也不是不可能的。超级个体和多个LLM 智能体协同工作，完成下列任务：

• 收集业务需求，确保软件解决方案能够满足业务目标

• 细化这些需求，使其能够被转化为具体的代码实现

• 与设计和产品方面的智能体交流、协同工作，共同制定解决/设计方案，并制定实施策略，并不断完善设计细节

• 搭建必要的基础设施、进行配置设置、准备模板代码等前期工作

• 生成编写代码并进行测试，将设计方案转化为功能性的软件

• 理解并修复代码中的问题，生成文档以支持代码的维护和理解

• 将软件部署到生产环境，确保其能够在实际运行环境中稳定工作

• 应对生产环境中出现的紧急问题，确保系统的稳定性和可靠性

AI智能体是我们的得力助手，也是我们的竞争对手，会不断地从人类开发者手中夺走工作。未来，大部分的软件研发工作由基于LLM构建的机器人/智能体来做，估计3/4的工作可以交给机器人/智能体来做，1/4的工作交给超级个体或资深的研发人员完成。

但也不要着急，好消息是软件定义网络、软件定义汽车、软件定义制造，软件将渗透到每个领域，这样的话，会诞生更多的软件研发工作，即原来那张“饼”会变得很大，即使机器人抢走了我们3/4的工作，但总的工作翻了10倍，那么软件研发工作留给人类的岗位数量没有减少，反而增多了。

5. 总结

•  未来业务价值和结果验证更为重要，在组织上表现为抓住两头人员的能力建设，定义好的产品，确保交付的质量；

• 每一个开发者至少拥有一个得力的AI助手（或AI导师、机器人伙伴），关键看开发者的能力，如果能力强，可以驾驭更多的智能体，使自己成为超级个体；

• 作为企业，可以把AI助手（或机器人、数字人）作为外包资源来考虑，这样也有利于企业的成本控制；

• 未来（最近1-2年）的研发团队会进一步缩小（不算机器人、只算人类的话），甚至出现1、2个人的团队，但能力和干的工作，不低于原来7-8个人团队所做的工作；

• 整个组织也会随着AI技术、开发流程的变化进行重组。