行业 19

软件与 IT

3 个案例 · 交付周期 6–12 周 · 9 处踩坑

本行业 FDE 要点

这个行业做 AI 项目和别的行业不同的地方。交付团队进场前要过一遍，发起方立项前也要过一遍。

  1. 客户自己懂技术，容易直接指定方案

    工程团队常常一开始就说「用某某模型、做某某功能」。FDE 要先回到业务结果（上线周期、故障时长、迁移风险），再讨论方案。

  2. 效果要能量化

    软件团队有现成的度量（交付周期、变更失败率、故障恢复时间、告警量）。成功标准直接用这些指标，并设对照组。

  3. 代码和日志是敏感资产

    源代码、配置、日志可能含密钥和客户数据。模型部署方式、代码是否出网，要在第一周和安全团队定下来。

  4. 「行为一致」比「代码好看」重要

    迁移和重构类项目，验收标准是新旧系统的输出一致，不是代码风格。

  5. 工程文化决定落地

    评审规范、测试覆盖、值班制度不健全时，AI 会放大原有问题。有时要先补工程基础。

3 个案例

每张卡片上的引言是客户的原话。点进去看好 FDE 怎么把它换成真问题。

  • 19.112 周 · 5 个阶段 · 3 处踩坑

    遗留系统代码迁移

    客户嘴上要的「核心业务系统是 15 年前的老 Java 加几百个 Oracle 存储过程，要迁到国产数据库和新框架。用 AI 把代码自动翻译过去，半年完成。」

    真正要解决把「AI 翻译代码」变成「业务规则先找出来，行为一致再切换」

  • 19.27 周 · 5 个阶段 · 3 处踩坑

    运维告警降噪

    客户嘴上要的「每天几万条告警，值班的人看不过来。上个 AIOps，用 AI 把告警聚类压缩，再自动找根因。」

    真正要解决把「AI 压告警」变成告警规则的认领和生命周期管理

  • 19.36 周 · 5 个阶段 · 3 处踩坑

    AI 编程助手团队落地

    客户嘴上要的「给 300 个研发都开通 AI 编程助手，年底研发效率提升 30%。」

    真正要解决把「给全员买工具」变成可度量的试点

软件与 IT还有没写到的场景？

描述你手上的软件与 IT项目，或者建议补充这个行业缺少的案例。