写在前面
“我们要用 AI 提效”——这个目标没有问题。
问题在于执行。很多企业的做法是：拿出现有的研发流程，然后把每一个步骤替换成"让 AI 来做"。
表面上看，这很合理。实际上，这是把一个旧瓶装新酒，然后问为什么没有效果。
这篇文章想说清楚一个问题：AI-Native Workflow 和"用 AI 做每一步"的平移 Workflow 之间，本质区别是什么？
问题根源：让错误的人用错误的框架定义 Workflow
在很多企业里，主导 AI Workflow 定义的是有流程专员背景的人，其经验集中在 ASPICE、CMMI 等标准流程体系上。
这类框架能给出高层阶段划分（需求分析、架构设计、详细设计、编码、单元测试……），但无法回答实际操作问题：每个阶段具体由谁、用什么工具、执行哪些步骤来完成，步骤之间真实的信息流和等待点在哪里。
根本原因是能力模型不匹配：ASPICE 框架描述的是 what，而不是 how。用它去设计 AI Workflow，层次对不上。
但更大的问题不是框架选错了，而是发现 Workflow 的方式。
发现 Workflow 的正确方式：别靠访谈
如果执行方式是访谈，得到的是"人认为自己在做什么"，而不是"人实际在做什么"。
认知与行为之间有巨大的鸿沟。最有价值的隐性操作步骤，连研发自己往往也说不清楚：
- “我在分析根因之前会先看一眼日志里的时间戳……”——说不清楚为什么，但每次都会做
- “我会先快速过一遍最近提交的代码改动……”——下意识的动作，访谈里不会提到
- “如果 CI 里有这个报错，我通常会先查 xxx 配置……”——经验积累的捷径，从没有被文档化过
更有效的挖掘方
)
