AI 项目总踩坑？小团队、渐进研讨带你找到正确打开方式

作者 | Rafiq Gemmail

译者 | 田橙

Cloud Native Summit 日前公布了 2025 年奥克兰大会的演讲视频。大会的主题之一，是探讨企业如何借助 Open Practice Library（开放式实践库）将协作模式转化为可落地的成果。这个实践库收录了经过筛选的最佳实践，旨在帮助团队通过协作来推动工作进展。会上，Andrea Magnorsky 分享了她的 Byte-Sized Architecture 方法，展示如何在团队中建立对架构的共同理解；而《Technology Operating Models for Cloud and Edge》的合著者 Ahilan Ponnusamy 与 Andreas Grabner 则探讨了如何利用实践库，为企业成功引入 AI 提供支持。

Magnorsky 作为架构师和顾问，曾在与英国广播公司 ITV 合作时设计了 Byte-Sized Architecture 工作坊。她的思路是让架构工作更具连续性和包容性，通过定期、短时且结构化的研讨，帮助团队逐步建立共同理解。她的演讲题为 《The Deliberate Practice of Thinking about Your Systems》，强调该方法的关键在于避免把复杂问题压缩到一次过度乐观的架构讨论中，而是通过规律性的研讨，将架构对齐与演进融入团队节奏。她指出：

每次研讨大概 45 到 90 分钟……虽然也有办法处理大规模团队，但通常不会超过 10 个参与者。最关键的是，这些研讨会是循环开展的，一场接一场，团队就能在过程中一点点把目标实现。

Magnorsky 解释说，在这种反复进行的工作坊里，大家会把自己对架构组件的理解画出来、讲出来。这样一来，原本藏在脑子里的东西就能被摆到台面上，团队也能逐步提炼出洞见、澄清隐藏的假设，并最终积累出一套会跟着系统一起成长的“活的架构知识库”。她进一步指出，本质上这是把程序员脑海里的认知编码化，而在系统出现故障时，如果工程师的心理模型与软件最初的设计脱节，出了问题时就很难迅速定位和恢复。

与之呼应，Ponnusamy 和 Grabner 的主题演讲 《Technology Operating Model for Enterprise AI Adoption》，介绍了一种帮助企业逐步采用 AI 的迭代式框架。该模型借鉴 Open Practice Library 的实践，强调利益相关方对齐、平台工程方法以及增量交付。

Ponnusamy 提到，每个组织都有自身的技术运行模型，但大多数并未显性化。而在生成式 AI、混合云架构和新平台迅速落地的背景下，AI 的引入更显迫切。企业也面临“影子 AI”的挑战（员工偷偷使用未经批准的 AI 工具等）、方法和工具的无序扩散，以及人才稀缺等挑战。他强调采用平台工程方法的重要性：

它能为所有工具提供统一的入口，为各项计划提供唯一可信来源，并设立安全与合规的护栏……将平台当作产品运营，可以确保既满足当前需求，又保持对未来的灵活性，从而提升采用率和用户体验。

他们的技术运行模型基于 “streams（流）、dimensions（维度）和 dimension items（维度项）” 的结构。比如，在 AI 平台和用户体验这一领域，可以进一步拆分成多个维度，包括平台接入、生命周期管理和 AI 运维等。每个维度又被分解为一系列可衡量的阶段性目标，就像一座座里程碑，最终指向的目标是实现标准化、自动化，并能主动识别偏差的 AI 运维模式。Ponnusamy 解释说：

你必须清楚起点，设定可实现的过渡状态，并逐步迈向目标状态。比如，先让客户知晓 AI 的使用，再收集反馈，接着引入偏差检测，最终实现完全自动化的 AI 运维。

在这个模型中，企业需要不断评估自己向目标状态迈进的进展，并结合 Open Practice Library 中的一些精益方法。例如，用 Impact Mapping 来确保目标和利益相关方保持一致，用 story mapping 和 value slicing 把工作拆解得更清晰，再辅以多种协作技巧，帮助团队稳步前进。

就像 Magnorsky 的 Byte-Sized Architecture 一样，AI 的技术运行模型也强调小规模、持续性的研讨，让团队在协作中不断改进架构，并增强责任感。这与 2025 年 InfoQ《文化与方法趋势报告》中的观点一致——在快速推动 AI 采用的同时，团队必须保留用于协作、反思和学习的空间。

这一点也得到了 Thoughtworks 亚太区技术负责人 May Xu 的呼应。她近期提出领导者在推动 AI 落地时应聚焦的五个维度：技能、AI 素养、协作学习、治理、不断试验与操作指南。其中，AI 素养与协作学习与 Byte-Sized Architecture 思路高度契合，而治理与实验等内容则与技术运行模型相辅相成。

Magnorsky 在演讲最后提醒听众，所有人本质上都是“知识工作者”，因此最有效的方式是通过协作，从不同角度去理解系统，从而推动变革与价值交付。她总结道：

知识工作就是理解并运用知识——包括你的经验、价值观、背景以及各种启发方法——从而帮助组织实现真正有效的变革。

https://www.infoq.com/news/2025/09/open-practices-for-ai-adoption/

声明：本文为 InfoQ 翻译，未经许可禁止转载。