在一家軟體公司，軟體還是手工業。
軟體公司就是把許許多多軟體開發的人才聚集在一起，用一群人的手，大家一起打字、寫文件、寫碼、一起開發軟體。
所以既然是「人」在生產軟體，人越多，做越快，對吧？所以軟體公司越大，開發團隊人越多，理論上生產力就越高。就像下面這張圖，對嗎？
不過這種理論上線性的圖形，現實上絕對不可能發生。畢竟人就不是機器，不是擴增產線，就會擴增產量。通常狀況是，人越多、問題就越多，人多口雜，容易吵架。
1975年出版的《人月神話》，就用一整本書了解釋了這個經典的迷思。只是過了50年，時常還是會遇到不信邪的老闆在挑戰他。
現實上，有可能遇到的圖形會長成這樣：
開發人員越多，理論上生產力會在某個階段會提升，但最終就會遇到一個天花板。為什麼會這樣？
因為人一多，想法就越多，溝通問題就越多。如果以溝通線數對比人數，溝通線數隨著人數成長還是一個指數，是 n(n-1)/2。
人一多，就是管理問題，還有組織設計問題。
於是就會一直遇到很阿雜的狀況：怎麼錄用了更多開發人員，可是生產力卻沒有明顯提升，甚至還比人數少時還沒效率？
當團隊超過某一個人數的臨界點，擴增人力的邊際效益會快速遞減。
那，應該怎麼解決呢？
一群人一起開發軟體開發，他是一個組織管理問題，也是一個專案管理問題，更是一個心裡學的問題，綜合起來，後來發展出的解決方案是「軟體工程方法」。
所謂軟體工程方法，是近代軟體產業，為了讓一大群軟體開發人才，能夠有效率的合作起來做事，在軟體產業慢慢發展出自己的一整套方法，或是法則，或是一種 Guideline。
有別於傳統的瀑布流開發（Waterfall），新的軟體工程方法像是：敏捷開發（Agile）、DevOps、Scrum / Kanban、等等，有許多不同的方法跟派系。
這些軟體工程方法的導入，有機會突破原本生產力的天花板，讓團隊人數越多的時候，同時又能拉出一個生產力成長的新波段。
不過，最挑戰的階段，是在剛導入新方法的過渡期。你以為的成長飛躍，需要能挺過一段死亡低谷。
因為，在團隊剛導入一個新的軟體工程方法時，生產力不會立刻提升，反而會「立刻」下降。因為，團隊運作的慣性給改變了。
新方法改變了大家日常作業的習慣，改變了每天做事的Routine，要養成新習慣，創造新日常，是一個非常困難的過程。而且某些人也可能會不開心離開。
「不是說導入新的軟體工程方法會提升生產力嗎？」「這個方法真的有比較好嗎？」「我覺得這個做法根本在亂搞」在過渡期，這類懷疑的聲音會不停的在公司內部盤旋，無論來自老闆的質詢，或是團隊內部的困惑，這些聲音會不停的挑戰新的改革。
有些公司會撥一小群人先POC，再逐步擴增參與團隊。雖然是一種循序漸進的好方法，但在過渡期，不同團隊之間節奏不同、做法不同，也一樣會遇到團隊間產品整合與溝通的問題。
我們（91APP）完整經歷了上述個各個階段，91APP的開發團隊從20人到300人的過程中，就經歷了上述的各個階段的組織變革。（這一篇文章詳細描述了整個過程與挑戰：91APP的軟體開發之道—從20人到200人的組織發展旅程）
當時團隊走到70~80人，使用傳統的瀑布流的方式開發，但就是一直感覺很卡，整個開發效率感覺跟30人的階段差不多。我們遇到了第一個成長的天花板。
於是我們導入敏捷開發（Agile），經歷了1~2年的過度轉型期，終於才感受到敏捷開發帶來的生產力成長，而跑到今日將近300人的開發團隊規模。
但，這兩年以來，我們又開始感受到生產力提升的「第二個天花板」。接下來，還有什麼方法，可以讓我們再一次提升生產力呢？
2023年生成式AI的出現，讓我們似乎感覺到了新機會。
這兩年我們很用力在探索，Can AI Help？AI能否再一次幫助我們提升生產力呢？
在今年的Generative AI年會上，我分享了我們初步探索的成果。我們發現，AI可以作為團隊內「每一個人」的助手，協助提升個人的效率，同時也就提升了整個團隊的效率。
也就是不是單純放手讓AI去開發，而是人還是開發主力，只是每ㄧ個人都有不同的AI幫助「個人」提升效率。
所以其實還是跑Agile，只是加上了人加上了AI，叫做「Agile for AI」（ChatGPT說的）。
但，有AI真的會比較快嗎？加上AI之後，整個團隊生產效率真的變好了嗎？
事實上，目前感覺上、客觀上都還不敢說。
如同上面在導入Agile時提及的一樣，這是標準的「過渡期問題」，改變工作方法時的死亡低谷，我們已經在導入Agile的那個年代經歷過一次了。
跟AI協作這件事，對許多團隊同仁來說，也是打破原本的工作慣性，尤其在嘗試的初期，生產力是一定下滑的。在團隊一起找出「新日常」之前，其實都是非常痛苦的過程。
只是如果我們不嘗試，我們即將撞到天花板。改變不一定比較好，但不改變就沒有機會。
不過更有趣的事，整個生產力成長的思考維度開始出現變化了。
我們現在的做法，是讓每一個同仁都多了一個助理，只是是AI。我們有300個開發同仁，等於多增加了300個AI助理。
如同我在Generative AI年會分享的，透過Agile for AI的方法，等於我們有了300人+300 AI Agents，Hire 300 AI Agents，如果一個AI Agent算20美金(約新台幣620元），一個月只要花6,000美金(約新台幣18萬元），如果用這個錢去Hire一個人，可能只能請到一位資深工程師。
隨著公司的成長，我們曾經想像300人、600人、900人這樣的成長。不過因為AI的到來，我們現在的新想像是300人+300 AI Agents、300人 + 600 AI Agents這樣的成長、300人+900 AI Agents這樣的成長。
新的方向一定是，透過導入更多的AI，來拉出新一波的生產力曲線。
不過這還只是現階段。AI正在快速發展，也許明年、或者明天，就會有了新的方法。
我們已經預見一條新的路徑正在發生，突破以往所有軟體工程的思維，會顛覆整個軟體產業既有的框架。
本文授權轉載自《零售的科學》，作者：李昆謀，原文標題：AI與軟體公司的生產力
