主要观点：不要将 AI 当作团队成员进行“入职培训”，而应通过情境化 AI 集成的轻量级、模块化方法，将其与现有工件连接，为特定任务提供足够上下文并设定清晰边界，以提升团队能力。
关键信息：

• 传统 AI 与敏捷产品团队工作方式存在根本不匹配，导致诸多问题，如理解偏差、优化目标错误等。
• 情境化 AI 集成的关键原则包括情境角色框架、即时上下文注入、敏捷工件锚定和 AI 工作协议。
• 不同角色（如产品所有者、开发者、产品设计师）可通过特定方式利用情境化 AI 集成。
• 成功的 AI 集成应应用敏捷的实证过程控制，包括透明度、检查和适应。
• 应通过价值导向的指标（如流程影响指标、上下文对齐分数、成果贡献等）衡量情境化 AI 集成的成功。
• 要避免无效的 AI 集成反模式，如全面入职陷阱、AI 团队成员谬误等。
  重要细节：
• 以银行产品团队为例说明 AI 因缺乏团队特定语言理解而误判用户故事；以医疗产品团队为例说明 AI 优化目标与团队实际优先级的偏差。
• 详细阐述情境化 AI 集成的各个原则，如情境角色框架中为不同 Scrum 事件创建特定 AI 提示，即时上下文注入中通过连接活数据源和使用模板提供动态信息等。
• 列举不同角色利用情境化 AI 集成的关键整合点、示例用途和潜在应用，如产品所有者将 AI 连接到产品待办事项、用户研究等。
• 说明实证过程控制的具体实践，如团队维持 AI 上下文日志、进行定期的 AI 对齐检查等。
• 给出测量成功的情境化 AI 集成的价值导向指标的测量方法，如比较有和无 AI 协助的工作项周期时间等。
• 列出无效 AI 集成的反模式及其解决方法，如避免花费大量时间教 AI 所有方面，建立透明的 AI 工作协议等。
• 提供开始情境化 AI 集成的务实步骤，如进行用例识别工作坊、映射最小可行上下文等。