热门文章推荐
更多 >>
当 IPD 遇上了 AI,它还会是 IPD 吗?
来源: | 作者:揭应平 和君咨询合伙人 | 发布时间: 2026-10-28 | 44 次浏览 | 🔊 点击朗读正文 ❚❚ ▶ | 分享到:


●

作者简介

和君咨询揭应平团队一直专注在产品研发管理与IPD(集成产品开发)领域,团队负责人有超过20年的研发管理和IPD的实践经验,为百亿规模以上企业和大量中小型企业做过咨询和培训。团队出版了产品研发管理标准性著作《一本书讲透产品研发管理》,并获得机工出版畅销书大奖。此外,团队还在著名期刊《企业管理》杂志上发表了中小型企业在成长过程中产品研发的底层规律和模型,为广大中小企业如何做好产品研发提供借鉴。和君咨询揭应平团队是目前国内产品研发管理理论与实践结合得最好的团队之一。

今天,AI 已经影响到企业经营的方方面面,而且未来 AI 对企业的影响还将持续加深。甚至有一种观点认为,随着AI能力变得越来越强,企业可以不要流程,直接用大模型、用智能体就能搞定企业的流程和业务运转。这是一种错误的认知,企业的 AI 落地,恰恰是建立在业务和流程规则明确的基础之上;没有了流程和规则,AI 只会让企业的业务变得更加混乱。

那么,当 AI 遇上 IPD 究竟会发生什么?AI 会不会改变 IPD,甚至让传统的 IPD 体系失去价值?

我们的观点是:IPD 的核心思想不会因为 AI 的出现而改变,但 IPD 的具体运作方式、协作模式和执行效率,正在被 AI 深刻改变。

具体运作方式、协作模式和执行效率,正在被 AI 深刻改变。

一、从 IPD 的核心思想来看,AI 并没有改变 IPD

IPD 不只是一套产品开发流程,它是一套以市场和客户为中心,通过跨部门协同、结构化流程和科学决策,提升产品开发成功率与投资回报的管理体系。

IPD 的核心,是帮助企业做正确的产品、正确地做产品、有效地开发产品,并将有限的资源投入到更有价值的产品和项目中。

无论 AI 如何发展,企业在产品开发过程中始终需要回答几个关键问题:客户真正需要什么?产品是否符合企业的战略方向?市场机会和商业价值如何?技术方案是否可行?投入多少资源才能获得预期收益?产品开发过程中出现重大变化时,应该如何决策等。这些问题不会因为 AI 能力越来越强而消失。

第一,市场和客户驱动产品开发的思想不会改变。

产品开发不是从技术出发,单纯追求技术先进;而是要从市场机会和客户需求出发,判断企业应该开发什么产品、解决什么问题,以及产品能够创造什么价值。AI 可以帮助企业分析市场信息、整理客户反馈、发现潜在需求,但这些分析最终仍然需要服务于市场判断和产品战略。即使 AI 能够生成大量产品创意,也不意味着这些创意都值得投入资源开发。

第二,跨部门协同的思想不会改变。

产品开发涉及市场、研发、制造、采购、质量、财务等多个职能部门。不同部门拥有不同的专业知识,也承担着不同的业务责任。

IPD 强调通过跨职能团队协同,在产品开发早期充分考虑市场、技术、成本、制造和交付等因素,减少部门之间的信息壁垒,避免问题在开发后期集中暴露。

AI 可以帮助不同岗位更高效地获取信息、分析问题和共享知识,但它不能自动消除组织中的目标冲突,也不能代替各职能部门承担专业责任。真正有效的协同,仍然需要清晰的职责划分和明确的决策机制。

第三,结构化流程和阶段决策的思想不会改变。

IPD 通过明确的流程、阶段任务和评审决策机制,帮助企业在产品开发过程中控制风险。比如,在项目推进过程中,企业需要根据市场价值、技术成熟度、资源投入和风险变化,判断项目是否应该继续、调整或终止。

AI 可以提升信息收集和分析效率,让决策者更快地获得相关依据,但不能因为分析速度提高,就取消必要的评审和决策。相反,随着 AI 参与的业务越来越多,企业更需要明确什么情况下可以自动执行,什么情况下必须经过人工审核,以及谁对最终结果负责。

第四,组合管理、平台化和全生命周期管理的思想不会改变。

企业的资源始终有限,不可能同时满足所有需求,也不可能将所有创意都转化为产品。因此,企业仍然需要从整体战略和投资回报出发,对产品、项目和资源进行组合管理。

平台化与复用则有助于减少重复开发,提升研发效率;全生命周期管理要求企业关注产品从规划、开发、上市到维护和退出的全过程。AI 能够为这些管理活动提供更及时的信息和更强的分析能力,但并不会让这些管理要求失去价值。

因此,AI 改变的是 IPD 的实现手段,而不是 IPD 所坚持的市场导向、价值导向、协同机制和科学决策原则。从这个角度看,AI 出现后,IPD 还是 IPD。

二、从 IPD 的具体运作方式来看,AI 正在带来深刻变化

如果说 IPD 的核心思想没有改变,那么 AI 带来的最大变化,就体现在具体的业务运作方式上。

传统 IPD 的运行,需要大量人员围绕既定流程开展工作。从需求收集、需求分析,到产品规划、方案设计、开发验证、项目管理和阶段评审,每个环节都涉及信息收集、沟通协同、专业分析和结果输出。

这些工作是必要的,但其中也存在大量重复性、信息密集型和规则相对明确的任务。例如,整理会议纪要、归纳客户需求、准备评审材料等。

传统模式下,这些工作通常依赖人员手工完成,效率容易受到信息分散、沟通成本和个人经验的影响。而 AI 智能体,可以显著提升这些工作的效率。

1. 流程中的部分工作可以由 AI 智能体承担。

过去,流程中的任务通常需要由某个岗位的人员完成。未来,在规则明确的情况下,一部分任务可以交给 AI 智能体执行。

例如,在需求管理过程中,智能体可以收集和整理不同来源的信息,提取需求要点,识别信息缺失,并根据企业设定的规则生成初步分析结果。在研发过程中,智能体可以辅助检索技术资料、比对设计方案、检查文档规范,并为技术评审提供参考。在项目管理过程中,智能体可以汇总任务进度、识别计划与实际执行之间的偏差、提示潜在风险,并辅助生成项目报告。

2. 人与人之间的协作,正在扩展为人与智能体、智能体之间的协作。

传统 IPD 强调跨职能团队协同。随着 AI 的应用,协作对象和协作方式也会发生变化。在不远的的未来,企业不仅需要明确市场、研发、制造等岗位之间如何协作,还需要明确人员与智能体之间如何分工,以及不同智能体之间如何传递任务和信息。

比如,需求搜集智能体可以将整理后的需求交给需求分析智能体;需求分析智能体形成分析结果后,再由相关人员开展评审和决策。后续的设计、验证或项目管理智能体,也可以在各自明确的职责范围内继续提供支持。

这种协作方式有机会减少信息重复录入和人工传递,提高流程运行效率。但要让这种模式真正发挥作用,企业需要明确每个智能体的任务边界、输入输出要求、数据访问权限和异常处理机制等。否则,智能体之间即使能够相互调用,也可能只是更快地传递错误信息,甚至将局部问题放大。

3. 效率提升带来岗位的合并。

在传统 IPD 时代,不同的工作需要由不同的角色来完成。需求、开发、测试和验证等重要工作,分别由不同角色的工程师来完成。但是在 AI 时代,由于效率的提升,很多角色可以合并。

比如,随着 Codex 等大量代码编写类智能体的出现,编码和测试的效率大大提升,这样原来需要几类工程师干的工作,现在可以合并成一类工程师,他们带着智能体就能完成上述工作。

在传统 IPD 时代中存在的多个角色、跨职能的沟通工作,也可能就没有了。因此,AI 时代下的组织优化和组织间的协作方式也会出现改变。

除以上提到的几点之外,IPD 中的部分流程也可能出现合并,使得它和传统的 IPD 出现区别。

从以上列举的几个现象来看,AI 的出现,让 IPD 已经不像 IPD。

三、真正的变化:AI 智能体开始进入 IPD 的实际业务

讨论 AI 与 IPD 的融合,不能只停留在理念层面。真正重要的是,AI 能否进入企业实际的业务场景,解决具体问题,并产生可衡量的价值。

从 IPD 的业务链条来看,需求管理是一个值得重点关注的领域。需求既是产品开发的重要输入,也是后续产品规划、方案设计、资源投入和开发决策的重要依据。如果需求信息不完整、需求分析不充分,后续流程即使执行得再规范,也可能因为方向错误而付出高昂代价。

因此,我们从 IPD 可以使用智能体的众多场景中,优先为企业设计了需求搜集和需求分析智能体。下面详细介绍我们为一家汽车零部件企业设计的两个智能体,以及它们为企业所带来的价值。

1. 需求搜集智能体:把分散的信息转化为结构化需求。

在企业实际业务中,需求往往分散在不同渠道和不同形式的材料中,包括客户访谈记录、会议纪要、邮件、业务文档、图片以及日常沟通信息等。这些信息可能存在表达不完整、描述不统一、背景缺失或相互矛盾等问题。传统方式下,相关人员需要逐一阅读、整理、归纳,再通过沟通确认需求的真实含义,工作量较大,也容易遗漏重要信息。

需求搜集智能体可以帮助企业改善这一过程。

  • 首先,它可以辅助处理来自不同渠道的信息,将文本、文档、图片等内容中的相关信息提取出来,减少人工整理的工作量。

  • 其次,它可以根据企业设定的需求模板,将零散的信息整理为相对统一的结构,例如需求背景、客户问题、使用场景、期望目标、约束条件和待确认事项等。

  • 再次,它可以识别需求描述中的模糊表述、信息缺失和潜在矛盾,并提醒相关人员进一步澄清。

我们为某家汽车零部件企业设计的需求搜集智能体如图1所示。此图显示,当需求管理人员把搜集到的原始需求输入到智能体,智能体经过分析之后,它会通过待澄清内容,让你补全需求,提示你缺哪些内容,然后你可以去向客户追问,或者通过市场进一步搜集。这在实战当中非常重要。

大多数企业在搜集需求后,并不清楚缺哪些内容;或者是知道缺内容,但不知道缺哪些,导致后续进行分析甚至是到了开发或者更后面的阶段,才发现需求不全,再回头补需求,这种返工会对进度、成本产生重大影响。

图片

图1:需求搜集智能体

比如,客户提出“希望产品操作更方便”这一诉求时,智能体可以提示:客户在哪个使用场景下感到不方便?当前操作流程存在哪些问题?客户期望减少哪些步骤?是否存在性能、安全或使用环境方面的约束?

这里有一个重要原则:智能体应该帮助企业发现信息缺口,而不是擅自填补缺口;应该辅助澄清客户需求,而不是把自己的推测当成客户的真实意图。需求搜集智能体的价值,不只是节省整理时间,能让需求的搜集这步工作更加科学,为后续需求分析打下扎实的基础。

2. 需求分析智能体:让需求判断更加高效和系统化。

完成需求搜集之后,企业还需要回答一个更关键的问题:这些需求究竟值不值得做,应该优先做什么?

需求分析不是简单地对需求进行分类或总结,而是需要结合企业战略、市场机会、客户价值、技术可行性、成本投入、资源约束和实施风险等多个维度进行综合判断。

传统需求分析通常需要市场、产品、研发等相关人员共同参与,收集不同维度的信息,再按照企业的分析框架开展讨论和评估。对于信息来源复杂、技术要求较高或涉及多个产品模块的需求,分析过程可能需要数天甚至更长时间。需求分析智能体可以在这一过程中提供系统化的辅助。

  • 首先,辅助判断需求与战略方向的匹配程度。

智能体可以根据企业提供的战略目标、产品规划和相关业务规则,辅助检查需求与现有产品方向之间的关系,提示可能存在的偏差或需要进一步论证的地方。

  • 其次,辅助分析需求的价值和优先级。

智能体可以围绕客户价值、市场机会、业务收益、影响范围等维度整理信息,并依据企业设定的评价标准形成初步分析结果,帮助团队识别值得优先关注的需求。

  • 再次,辅助识别技术风险和资源约束。

在已有技术资料、产品信息和相关数据的支持下,智能体可以辅助分析需求可能涉及的技术难点、开发工作量、依赖关系和实施风险,并提示当前证据不足或需要专家确认的事项。

  • 最后,形成结构化的决策支持材料。

智能体可以将需求背景、分析维度、判断依据、风险提示和待确认问题整合起来,让相关人员更快了解需求的关键问题,减少重复的信息整理和材料准备工作。

图片

图2:需求分析智能体

图片

图2续:需求分析智能体

如图2和图2续所示,这是我们为客户设计的需求分析智能体。这个智能体可以对上面介绍的需求搜集智能体中补全的需求进行分析,并判断这些需求是否值得采纳和开发。该智能体分别从商业收益价值、战略方向匹配、技术能力匹配、历史经验复用、项目风险可控和平台能力沉淀六个维度进行判断。每个公司的维度可以不同,权重也可以根据实际情况进行调整。因此,每个公司的判断因素可能都不一样,这也使得今天的智能体设计变得极具个性化,虽然设计思路和逻辑是可以借鉴的。

我们设计的这两个智能体,在试点场景中,需求分析智能体已经能够在10分钟以内形成需求决策支持分析。相比传统方式需要数天甚至更长时间,这为提升需求分析效率提供了新的可能。

需要说明的是,分析速度提高并不意味着结论必然正确。智能体的分析质量,还取决于输入信息是否完整、业务规则是否明确、数据是否可靠,以及模型本身的能力。

因此,需求分析智能体并不是替代需求专家,更不是代替企业作出最终决策,而是将原本耗时较长的信息处理和初步分析工作交给AI辅助完成,让专家把更多精力投入到关键判断、专业论证和决策当中。

从需求搜集到需求分析,智能体正在将 AI 的能力带入 IPD 的实际业务环节。这也说明,AI 与 IPD 的融合,不只是把通用大模型放到企业内部使用,而是要将 AI 能力与具体业务任务、流程规则和决策机制结合起来。

四、写在最后:不是让 AI 取代 IPD,而是借助 AI 重塑 IPD

AI 的发展正在改变企业的工作方式,也正在为产品开发管理带来新的机会。但我们不能因此认为,企业有了大模型和智能体,就不再需要流程、规则和管理体系。恰恰相反,AI 越深入业务,企业越需要明确的业务目标、清晰的流程规则、可靠的数据基础和有效的决策机制。

回到文章的主题,我们的答案清晰而肯定:AI 时代,不是让 AI 取代流程,而是让 AI 在明确的流程和规则中发挥更大的价值;不是让企业放弃 IPD,而是借助 AI 重新塑造 IPD。

题图由AI生成


联系我们

扫一扫

关注我们

地址:北京市朝阳区北苑路86号院E区213栋

邮编:100101

联系电话:010-84108866(总机)

业务咨询:400-093-2688(免话费直拨)