2026 年去哪儿旅行基础架构团队推动公司 AI 研发落地，经历了从追求出码率和使用率、到研发流程渗透最后到端到端交付三个阶段，在技术需求场景和业务需求场景中探索出一条切实可行的 AI 研发落地路径，沉淀出研发基础设施改造、AI 研发平台建设、AI 研发全流程质量和效能度量、研发流程和组织协作重构等方面的建设和踩坑经验，可以对于想要在研发团队中进一步发挥 AI 生产力、追求 AI 端到端交付的技术团队和管理者提供经过实践检验的经验参考。

演讲大纲

一、研发团队落地 AI 的困境和解决思路

1. 常见困境：AI 能力 ≠ 组织生产力

2. 我们踩过的三个坑：

• 把"使用率高"当成"落地成功"——数据涨了，交付没变快
• 提效停留在员工个人电脑里——个人省下的时间，组织收不回来
• AI 在干什么看不见——无法衡量，就无法管理

3. 解决思路：AI 落地不是接入问题，是管理问题；无法度量 = 无法运营

二、AI 落地三步走其一：先解决"看得清"——给 AI 装上一套仪表盘

1. 为什么度量要先于推广：没有度量，token 花在哪里、换来什么，就是"开盲盒"

2. 我们做了什么：建立覆盖全公司、全研发流程的 AI 效能度量体系

3. 管理者视角的三个关键指标：使用率 → 产出贡献率 → 交付结果

4. 我们的实践现状

三、AI 落地三步走其二：从个人提效到组织产出——让 AI 嵌入业务流程

1. 为什么个人提效会被"稀释"：一个环节快了，流程其他环节成为新瓶颈

2. 我们的做法：把 AI 铺到研发全流程的每一个环节

3. 组织配套动作：流程规范、统一平台、虚拟组织建设

4. 我们的实践现状

四、AI 落地三步走其三：让 AI 自主干活——端到端交付的边界与条件

1. 什么场景适合让 AI 独立完成整个任务：用度量数据回答，而不是靠感觉

2. 为什么不能套用老流程：AI 自主交付需要重新设计流程和验收方式

3. 决策者的误区：端到端是方向，但盲目推进的代价远大于收益

4. 我们的实践现状

五、总结：组织决策者的推进建议和展望

1. 先度量，后推广

2. 当组织变革做，不当能力接入做

3. 务实划定边界：全流程渗透是当下最扎实的价值，端到端自主交付循序渐进

4. 展望

听众收益

• 分清"使用率高"和"落地成功"的区别，了解用"使用率 → 产出贡献率 → 交付结果"三层指标衡量 AI 投入的真实回报
• 掌握"先度量看得清 → 再嵌入业务流程 → 有边界地让 AI 自主交付"的三步走路线图，以及流程规范、统一平台、虚拟组织等组织配套动作，可直接对照自身团队所处阶段找到下一步。
• 掌握如何用度量数据识别哪些场景能让 AI 自主干活