ARTICLE · 软件编程
2026 年文化与方法趋势：AI 工程中人的因素
一语总结InfoQ 2026 年文化趋势专题讨论探讨了 AI 采用成熟度、团队规模缩小，以及工程师从代码贡献者向 AI 系统守护者的转变。
本期 InfoQ 播客是年度《文化与方法趋势报告》的一部分，邀请了一组工程领导者讨论 2026 年 AI 工程中人的因素。讨论首先呼吁建立 AI 采用成熟度框架：组织必须诚实地评估风险与具体情境，而不是在所有地方都推行 AI。随后，讨论探讨了协作模式的变化——双披萨团队正在缩小为由少数人与 AI 智能体组成的小型团队，传统角色边界日益模糊。小组成员警告称，AI 生成代码的爆炸式增长（GitHub 拉取请求数量预计到 2026 年将从 10 亿激增至 140 亿）造成了不可持续的认知负荷，需要新的质量、可观测性和问责流程。他们认为，那些未能内化敏捷基本原则的组织将在 AI 上遭遇灾难性失败；工程师正在从贡献者演变为守护者——负责指导、验证并为智能体建立护栏。对话最后指出了环境成本、导致思想多样性受损的同质化输出，以及当没有任何一个人完全拥有 AI 生成系统时的问责缺口。
- AI 采用需要成熟度框架，并根据情境进行诚实的风险评估。
小组成员认为，组织应该针对每款软件、每个团队和每种业务场景评估风险和适当的 AI 集成程度，而不是默认到处使用 AI。
- AI 生成的代码正在压垮现有的审查和质量流程。
随着 GitHub 拉取请求数量预计到 2026 年将从 10 亿跃升至 140 亿，工程师面临不可持续的认知负荷，必须建立新的质量、可观测性和问责体系。
- 敏捷基本原则是成功采用 AI 的基础。
小组赞同 Jim Highsmith 的警告：未能成功采用敏捷会导致 AI 实践的灾难性失败，这使得快速反馈循环、可观测性和交付正确价值比以往任何时候都更加关键。
- 工程师正在从贡献者演变为 AI 系统的守护者。
未来的核心技能不再是编写代码，而是指导、验证 AI 智能体并为其建立护栏，以推动正确的业务成果并提高对 AI 输出的信任。
- 团队结构正在缩小，传统角色边界日益模糊。
双披萨团队正在变成由少数人与 AI 智能体组成的单披萨团队，关键问题也从如何组织团队转向如何在任何配置下有效协作。
2026 年文化与方法趋势：AI 工程中人的因素
本期 InfoQ 播客是年度《文化与方法趋势报告》的一部分，邀请了一组工程领导者讨论 2026 年 AI 工程中人的因素。讨论首先呼吁建立 AI 采用成熟度框架：组织必须诚实地评估风险与具体情境，而不是在所有地方都推行 AI。随后，讨论探讨了协作模式的变化——双披萨团队正在缩小为由少数人与 AI 智能体组成的小型团队，传统角色边界日益模糊。小组成员警告称，AI 生成代码的爆炸式增长（GitHub 拉取请求数量预计到 2026 年将从 10 亿激增至 140 亿）造成了不可持续的认知负荷，需要新的质量、可观测性和问责流程。他们认为，那些未能内化敏捷基本原则的组织将在 AI 上遭遇灾难性失败；工程师正在从贡献者演变为守护者——负责指导、验证并为智能体建立护栏。对话最后指出了环境成本、导致思想多样性受损的同质化输出，以及当没有任何一个人完全拥有 AI 生成系统时的问责缺口。
文章金句
"如果你在敏捷上失败了，你在 AI 上也会遭遇灾难性失败。
"工程师正在更多地成为守护者，而不仅仅是贡献者。
"你真的能读完 AI 生成的所有代码吗？
"写代码现在真的很简单了，比以往任何时候都更容易。