AI 作为 Scrum 团队成员的潜力与挑战

Scrum.org 最近发布了一篇由首席运营官 Eric Naiburg 撰写的文章《AI 作为 Scrum 团队成员》，探讨了人工智能（AI）在 Scrum 团队中的应用及其对生产力提升的潜力。与此同时，Thoughtworks 的全球 AI 辅助软件交付负责人 Birgitta Böckeler 也发表了一篇文章《探索生成式 AI》，分享了在工程场景中使用大型语言模型（LLM）的实验经验，揭示了其在软件交付中的倍增效应。

AI 在 Scrum 团队中的角色

Naiburg 将 AI 工具比作结对编程的协作者。他提到，AI 可以帮助减轻 Scrum 团队中关键角色的认知负担，涵盖从 LLM 集成到分析工具的应用。具体来说，AI 可以为 Scrum Master 提供支持，帮助优化团队协作、提升团队表现和流程效率。例如，AI 可以为 Scrum 团队提供关于如何提升 Sprint 回顾会议参与度的建议。

对于开发者，AI 可以协助分解和理解用户故事，简化原型设计、测试、代码生成、代码审查以及测试数据的合成。Naiburg 强调，AI 工具的应用需要确保团队关注价值，而不仅仅是工具的输出，以免产生过多的无关信息。

LLM 在工程场景中的实验

Böckeler 分享了她在开源项目中使用 LLM 进行实验的经验。她使用 LLM 理解项目中的问题和代码库，并通过 RAG（检索增强生成）技术获取项目相关的内容。例如，她让 LLM 解释开源项目 Bhamni 中的医疗术语，并帮助理解用户故事的上下文。尽管 LLM 的回答有时冗长且重复，但总体上提供了有用的信息。

此外，Böckeler 还尝试使用 Bloop 和 GitHub Copilot 等工具生成和理解代码，并实验了 Autogen 构建基于 LLM 的 AI 代理，用于跨框架移植测试。她发现，这些代理在某些特定问题空间中表现良好，但尚未达到能够解决任何编码问题的通用水平。

AI 工具的局限性与挑战

尽管 AI 工具在提高生产力方面显示出潜力，但其应用仍面临挑战。Böckeler 指出，AI 代理的成功率有限，且需要进一步优化。此外，InfoQ 报道的一项研究显示，部分受访者认为 AI 工具可能降低生产力，因为他们需要花费更多时间审查 AI 生成的内容。

Naiburg 提醒团队在使用 AI 工具时需保持警惕，避免过度依赖工具生成的信息，从而影响团队对价值的关注。Böckeler 也强调，AI 工具的价值在于解决特定问题，而不是作为通用问题解决者。

总结

AI 作为 Scrum 团队成员的潜力巨大，能够提升各个角色的生产力，但其应用仍需谨慎。团队应关注 AI 工具在特定场景中的价值，同时避免过度依赖其输出，以确保最终交付的价值最大化。