主要观点：当今多数工程领导者在“软件交付中的 AI”方面感到纠结，不知从何处开始，其实第一步应明确要转化的项目类型，包括现有项目的效率模式、新（空白）项目的 AI 优先模式和转型项目的整合模式；要停止用旧方式衡量“速度”，需同时追踪短期的功能速度和长期的转型速度；应从小处开始，快速测量，遵循评估、联合执行、验证影响、过渡和扩展的节奏；要预期并以数据管理阻力，让 AI 增强团队而非取代；需系统地思考，具备架构愿景、DevOps 掌控等能力。

关键信息：

• 有三种 AI SDLC 项目类型及特点。
• 不能仅用传统速度指标，要同时追踪功能速度和转型速度。
• 成功的 AI SDLC engagement 有特定节奏和步骤。
• 要以数据管理阻力，让团队接受 AI 转变。
• 需系统思考，具备多方面能力以实现工程与 AI 的融合。

重要细节：

• 不同项目类型在目标、架构等方面的差异。
• 以实际案例说明用传统速度指标会误判。
• 成功的 AI SDLC engagement 各阶段的具体内容。
• 管理阻力的具体做法，如涉及交付冠军等。
• 系统思考涉及的多个维度及其意义。