过去一年多，帆软一边推动内部 AI 转型，一边孵化了悟帆、Dora 等 AI 产品。回头看，要把这件事做成，关键要过三关。

第一，事怎么做。 小团队里，产品、设计、研发、测试依然有各自的分工，但彼此之间的交集很多。大家围绕能跑起来的东西不断迭代，过程中也踩过架构债、测试跟不上的坑。

第二，人从哪来。 我们没有单纯根据履历挑人，而是先把 AI 工具和使用额度发下去，看谁用得最多、具体用来做了什么。人是跑出来的，而不是选出来的。反而是做过成功项目的人，有时更容易受到过往成功经验的惯性影响。

第三，组织怎么托底。 AI 转型风险大、调整多，放在原有体系里很难做成。因此，我们把 AI 业务单独拉出来，实行独立核算，对失败和调整的容忍度也比老业务高得多。

这次演讲，希望把这三个层面的实践，以及过程中踩过的坑，讲清楚。

演讲提纲

1. 事：AI 时代的产品研发协作模式重构
   • 产品、设计、研发、测试如何从线性交接走向交集协作
   • 坑一：复杂产品仍离不开专业研发，如何重新划分职责边界
   • 坑二：编码提速后，测试与发布成为新瓶颈，如何建立新的质量保障机制
2. 人：AI 创新人才是跑出来的，不是选出来的
   • 如何通过 AI 工具使用、需求征集和黑客马拉松，在实践中识别合适的人才
   • 坑一：历史成功经验可能成为创新包袱，如何摆脱过去的增长惯性
   • 坑二：核心 AI 人才的激励与留存，以及小团队如何补齐领域专家和业务资源
3. 组织：通过组织隔离与独立核算，为 AI 创新留出空间
   • 为什么要将 AI 业务从原有组织体系中独立出来，减少传统机制和客户交付惯性的影响
   • 如何通过独立预算、团队授权和阶段性里程碑管理，容忍试错、推动业务验证
   • 坑：组织隔离后，如何避免前台创新与后台专家、交付、运维支持脱节
4.  总结与展望

听众收益

• 了解 AI 如何改变产品、设计、研发、测试之间的协作方式，以及如何划分职责、控制架构债与测试质量风险
• 了解如何通过 AI 工具使用、实际产出和项目实践识别合适的人才，以及如何突破过往成功经验带来的路径依赖
• 了解如何通过独立核算、预算授权和阶段性里程碑，为高风险、快迭代的 AI 业务提供试错空间，并平衡创新效率与交付保障