敏捷开发已主导软件行业二十年，但麦肯锡最新研究指出：AI 正在重塑软件开发范式。
麦肯锡调研近300家上市公司发现，当前企业采用AI编程工具后，整体生产力提升仅5%–15%，远低于预期。
理想与现实
问题不在工具本身——GitHub Copilot、Claude Code、Cursor等单点能力突出，代码审查提速7倍、ETL迁移提速12倍。
症结在于企业将AI简单嵌入原有敏捷流程（如8–10人团队、双周Sprint），导致个人效率提升，团队协作反成瓶颈。
麦肯锡资深合伙人Martin Harrysson在AI Engineer大会指出：“软件开发的游戏规则正在改变”——继敏捷取代瀑布之后，AI原生开发正成为下一代范式。
顶尖公司的实践路径
麦肯锡按AI落地效果划分企业梯队，顶尖公司开发速度与生产力提升达16%–30%，软件质量提升31%–45%，显著高于行业均值。
其关键差异在于：AI深度渗透设计、编码、测试、部署、监控全生命周期，规模化应用场景达普通企业的6–7倍；同时推动角色重构——传统前后端/测试边界消融，“全栈产品构建者”成为新核心，其职责转向问题定义、任务拆解与AI agents调度。
以Cursor为例，其工程师常态运行多AI agents协同处理同一任务，并引入语音实时交互；代码提交前由内部Bugbot完成自动审查。CEO Michael Truell判断：“未来十年，开发者将以代码与自然语言混合表达意图，部分人将转型为AI agents项目经理”。
团队规模重构：从“两披萨”到“一披萨”
亚马逊“两披萨团队”原则（即团队人数不超过两个披萨能喂饱）正被AI时代重新定义：理想团队规模应压缩至3–5人。
原因在于瓶颈转移：过去受限于人工编码产能，需多人分工；如今AI可高效生成代码，沟通与决策成本成为新瓶颈，小团队+AI协同反而释放更高产出。
麦肯锡与某国际银行合作验证：重构Sprint流程（AI分配任务、辅助需求撰写、按工作类型分组），实现代码合并量提升51%、AI agents调用量增长60倍。
不可忽视的质量风险
速度提升伴随隐忧：卡耐基梅隆大学分析807个Cursor开源项目发现，AI加速代码生成的同时，质量呈下滑趋势；GitClear对2.11亿行代码变更分析显示，复制粘贴比例上升、重构复用率下降，技术债加速累积。谷歌DORA报告亦证实：AI使用量提升25%，代码审查提速，但交付稳定性下降7.2%。麦肯锡建议聚焦“影响指标”，而非单纯统计AI使用率。
顶尖公司的三大共性策略
培训方式：57%的领先企业提供手把手实操培训与一对一辅导，内容覆盖问题拆解、提示词工程与AI输出评估，而非仅工具操作教学。
衡量方式：不孤立统计AI使用量，而是将代码质量、开发速度等数据交叉关联，识别真正有效的实践路径。
激励机制：近八成企业将AI应用成效纳入绩效考核，重点奖励利用AI产出实际成果的行为，而非惩罚未使用者。
敏捷诞生于“写代码慢”的年代，其核心是靠流程提效；AI时代瓶颈已转向“如何指挥AI”，麦肯锡强调：工具进化迅速，但组织与人的转型需要立即启动。