12.1 從瀑布到敏捷到 AI 原生組織(Micro-Flows)
學完本節,你能夠:
- 比較瀑布、敏捷與 AI 原生微工作流三種開發流程的假設與適用情況。
- 指出 AI 導入後,流程瓶頸從「寫程式」移到了哪裡。
- 把一段人工審查流程,拆成「可自動檢查」與「必須由人判斷」兩部分。
壹、開場情境:開發一個下午,等待三週
📌 以下為教學情境(依企業導入實務改編)。
一家跨境電商的業務經理提出需求:「訂單確認後,自動產生出貨文件草稿。」工程師用 AI 開發工具(例如 Google Antigravity、Claude Code)寫規格、產生程式、跑測試,一個下午就完成了。
接下來的三週,這個功能在排隊:
更麻煩的是,團隊每天都能做出好幾個這樣的功能,全部堆在審查佇列裡。做好卻沒上線的功能,就像工廠裡做好卻沒出貨的在製品庫存(WIP):佔資源、會過時,還會和其他修改互相衝突。
本節要解決的問題: 當寫程式不再是瓶頸,組織流程該怎麼調整?
貳、核心概念:三個時代的流程假設
| 瀑布模型 | 敏捷開發 | AI 原生微工作流 | |
|---|---|---|---|
| 常見年代 | 1970 年代起 | 2001 年《敏捷宣言》之後普及 | 2023 年 AI 開發工具普及後逐漸出現 |
| 流程 | 需求 → 設計 → 開發 → 測試 → 上線,依序一次走完 | 短週期反覆交付,Scrum 常用 2 週一個衝刺(Sprint) | 小改動隨時產生、自動檢查、逐步上線 |
| 核心假設 | 需求一開始就能想清楚 | 需求會變,要快速取得回饋 | 寫程式很便宜,驗證與決策才是稀缺資源 |
| 交付週期 | 數月到一年以上 | 數週 | 數小時到數天 |
| 主要風險 | 做完才發現市場已經變了 | 會議與行政工作越來越多 | 審查跟不上,或為了跟上而放水 |
💡 一個常見誤會
瀑布模型常被歸功於 Winston Royce 1970 年的論文,但 Royce 在同一篇論文裡就指出,純粹依序、不回頭的做法風險很高,並建議加入回饋與原型。
瓶頸轉移是理解本節的關鍵。依照「限制理論」(Goldratt)的觀點,一條流程的產出由最慢的環節決定。過去最慢的是寫程式;AI 把這一段大幅縮短後,最慢的環節變成了審查、驗證與決策。只加快開發,不處理審查,產出不會增加,只會多出排隊的庫存。
參、AI 原生微工作流:把審查也變快
核心想法:把「一次審一大批」改成「每個小改動都自動檢查,只有例外才找人」。
(人審查規格)"] S --> G["② AI 產生程式與測試"] G --> T["③ 自動測試"] T --> P{"④ 自動規則檢查
資安、內控、合規"} P -->|"全部通過"| C["⑤ 先開放給 5% 使用者
觀察業務指標"] P -->|"觸發例外"| H["⑥ 送人審查"] H --> C C -->|"指標正常"| Full["全面上線"] C -->|"指標異常"| Back["自動退回舊版"]
| 做法 | 說明 | 詳見 |
|---|---|---|
| 規格即審查 | 人審查的是規格與驗收條件(白話、短),而不是 AI 產出的上千行程式 | 第 2.6 節(規格驅動開發)、第 5.2 節(BDD) |
| 規則寫成程式(Policy-as-Code) | 把「不得寫死密碼」「單筆付款超過門檻需主管核准」這類規定寫成自動檢查,每次修改都跑一遍 | 第 12.4 節 |
| 金絲雀發布 | 新功能先開放給一小部分使用者(本例 5%),指標正常再擴大,異常就退回 | 第 6.1 節(CI/CD) |
再往前一步:迴圈工程(Loop Engineering)
即使流程自動化了,很多人用 AI 的方式還是「下指令 → 看結果 → 不滿意 → 再下指令」,人仍然被綁在每一輪對話上。2026 年起,業界開始用「迴圈工程」稱呼另一種做法:不要親自一輪一輪下指令,而是設計一套會自己下指令、自己檢查的迴圈。 Google 工程師 Addy Osmani 在〈Loop Engineering〉一文介紹這個概念時,引用了開發者 Peter Steinberger 的說法:「你不該再親自對 coding agent 下指令,而該設計替你下指令的迴圈。」
產生 → 執行 → 自動評估 → 未達標就把錯誤回饋給 AI 修正 → 再執行
→ 達標(或超過次數上限)就停下交給人
這個迴圈能不能運作,關鍵在「自動評估」:人必須事先寫好評估案例與及格標準,這種做法稱為評估驅動開發(Evaluation-Driven Development, EDD)。例如為一封催款 Email 草稿準備 20 個情境(客戶已部分付款、信用狀快到期、匯率剛大幅波動……),每個情境都寫明及格條件。迴圈和流程圖各適合什麼任務、怎麼把「退回重做最多 N 次」放進一條有核准關卡的流程,詳見第 9.5 節;怎麼建立評估資料集,見第 10.2 節。
注意兩件事:迴圈一定要有次數上限,否則可能無限燒錢;評估案例沒涵蓋到的情況,迴圈再跑一百輪也驗證不到。
肆、應用到情境:拆解三週的等待
| 原本的審查 | 可以自動化的部分 | 仍需要人的部分 |
|---|---|---|
| 每週架構審查會 | 檢查是否使用核准的元件、是否符合命名與結構規範 | 新架構、新外部系統的引入 |
| 資安部簽核 | 掃描寫死的密碼、已知漏洞套件 | 新的資料流向、權限設計 |
| 法務合規審查 | 檢查是否處理個資欄位、是否有遮蔽 | 新的資料用途、對客戶的新承諾 |
| 固定發布窗口 | 金絲雀發布 + 自動退回 | 重大功能的上線時機 |
調整後,「自動產生出貨文件草稿」這種不碰新資料、不碰付款、不改對外承諾的小功能,可以在自動檢查通過後當天上線;只有觸發例外的功能才進人工審查。審查人員的時間集中在真正需要判斷的地方。
伍、判斷看看:敏捷儀式還需要嗎?
AI 可以取代會議中的資訊傳遞,但取代不了判斷與共識。
| 傳統做法 | 可以交給 AI / 自動化的部分 | 仍然值得由人做的部分 |
|---|---|---|
| 每日站立會議 | 依據程式提交紀錄與任務狀態自動產生進度摘要 | 卡關時的求助、跨人協調 |
| 工作量估算會議 | AI 協助拆解任務、提出初步估計 | 決定優先順序、取捨範圍 |
| 任務狀態更新 | 測試通過後自動更新任務狀態 | 無 |
| 會議紀錄 | 語音轉文字、自動整理待辦事項 | 確認誰負責、何時完成 |
| 回顧會議 | 彙整本期的錯誤與退回紀錄 | 討論流程該怎麼改 |
陸、回到情境
瓶頸轉移之後,管理的重點也要跟著轉移:從「催工程師快一點」,變成「讓審查跟上、讓驗證自動化、讓例外才找人」。
| 限制 | 後果 | 在哪一節解決 |
|---|---|---|
| 自動檢查規則寫錯或太寬鬆 | 有問題的功能也會自動通過 | 第 12.4 節(規則本身也要審查與版本控管) |
| 評估案例太少 | 迴圈「通過」但真實情況仍會出錯 | 第 10.2 節 |
| 大家只審規格、不看結果 | 規格與實際行為悄悄脫節 | 第 6.3 節(上線後監控業務指標) |
本節小結
- 三個時代的差別在於假設:需求能否事先想清楚?寫程式貴不貴?
- AI 讓寫程式變便宜,瓶頸移到審查、驗證與決策。
- 微工作流的做法:人審規格、規則寫成程式自動檢查、小範圍上線再擴大。
- 迴圈工程把人從每一輪下指令中解放出來,但前提是先寫好評估案例與次數上限。
柒、練習
- 算算看(5 分鐘):團隊每天產出 15 個新功能(每週 5 個工作天),法務每週只能審 2 個。每週積壓會增加多少個?如果導入自動規則檢查,只有 10% 的功能需要法務審,積壓還會增加嗎?要讓積壓不再增加,需要人審的比例最多是多少?
- 寫評估案例(20 分鐘):替「自動產生出貨文件草稿」這個功能寫 5 個評估案例,每個包含:情境、輸入資料、及格條件。至少 2 個要是例外情境(例如:品名含危險品、收貨國在管制名單上)。
- 管理反思(討論):有人說「AI 時代 Scrum 已死」,也有人說「敏捷精神在 AI 時代更重要」。請用本節的「瓶頸轉移」觀點提出你的看法。