Daniel Jones & Tomasz Maj - More software, faster - Odevo's AI Native transformation - AI DevCon '26
三句話摘要
瑞典房產管理軟體公司 Devo 如何通過系統化 AI 編程訓練，將組織開發效能提升至指數級並激發大膽創新的文化。 系統化 AI 訓練的成功不在工具本身，而在先建立開發基礎、用工作坊消除恐懼、課程聚焦故障排查、最後重新設計流程，文化從害怕轉向大膽嘗試才是真正的成功指標。 前置基礎決定成敗 — DORA 2025 報告警示：若軟體開發基礎差就導入 AI 編程會讓情況惡化。Devo 先花 1.5 年建立 CI/CD、自動化測試、編碼標準等現代實踐，才進行訓練，確保 AI 加速的不是混亂而是良好系統。
重點整理
重點- 1
前置基礎決定成敗 — DORA 2025 報告警示：若軟體開發基礎差就導入 AI 編程會讓情況惡化。Devo 先花 1.5 年建立 CI/CD、自動化測試、編碼標準等現代實踐，才進行訓練，確保 AI 加速的不是混亂而是良好系統。
- 2
發現與工作坊化解組織抵觸 — 不是發授權就完事，而是用 Liberation Structures 工作坊了解員工恐懼、用 TRIZ 創意問題法讓團隊自己發現症結（如「測試不足」），建立共同認識，大幅降低訓練阻力。試點訓練也暴露流程風險。
- 3
故障排查是課程核心 — 教舊模型如何幻覺、提示詞如何誘導偏差、context window 如何影響行為，不教「幸福路徑」。每個練習後用黑板圖解「剛剛發生什麼」，讓多感官學習鞏固知識，比單純做練習有效。
- 4
流程重設是釋放潛能的鑰匙 — 個別開發者用 AI 快並不夠；某支團隊徹底重新設計軟體交付：PRD 自動轉錄 → 代理生成 → 分解任務 → 開發者每日領多個史詩 → 自己做 7-8 次 AI 審查 → 自動合併，完全去除人工代碼審查瓶頸，才是真正的轉型。
實用技巧與重點
乾貨- 公司背景：
- Devo（瑞典房產管理軟體）：瑞典第三大私營科技公司
- 7 年成長：5 萬房屋 → 250 萬；1000 人 → 14000 人
- 活躍地區：美國、墨西哥、英國、瑞典、歐洲
- 訓練前狀態：
- AI 採用率：30%（主要 GitHub Copilot）
- PR 合併週期：常超過一週
- 技術棧：多個、碎片化
- 孤立使用：存在零星「Claude 小島」
- 發現評估項目：
- CI/CD 是否完善
- 測試覆蓋率
- 編碼標準一致性
- 部署可靠性
- 訓練設計：
- 試點日期：2025 年 11 月 11 日
- 大規模訓練：80 人、每週半日、共 5 週
- 地點：斯德哥爾摩（Devo 辦公室，Spotify 舊址）
- 上午禁用筆電，強制面對面討論
- 課程模組：
- Context window 與 effective context 管理
- 故障模式與提示詞偏差
- 幻覺示例（用舊模型演示）
- VS Code vs Claude Code 的心理轉變
- MCP 和 Spectrum Development
- 多代理工作流程
- 訓練技巧：
- 每個練習後黑板圖解「發生了什麼」（追蹤輸入 → 工具呼叫 → 執行位置）
- 用 Liberation Structures 會議破除權力動態
- 用 TRIZ（創意問題解決理論）的假想情景引導自主發現問題
- Fika（瑞典咖啡休息）和聚會增進連結
- 課後回到實際專案應用（如安裝 JIRA MCP）
- 訓練成果指標（2月後）：
- AI 採用率：94%（最近 10 個 PR 中至少用 3 次）
- 高度採用：60% 全部 10 個 PR 都用
- 未採用：6%（進行中訪談瞭解原因）
- PR 吞吐量：持續增加（有儀表板追蹤、可聊天查詢）
- 上市時間：明顯縮短
- 具體案例與數據：
- 8 年產品重寫：8 年、20 人開發 → 3 週、外部專家協助重寫、一對一功能等價；現態：4 人持續迭代
- 3 天行動應用開發：嘗試但失敗（作為「大膽實驗」例子）
- 統一平台計畫：用 AI 為多市場整合單一軟體來源
- AI 優先工作流程團隊：產品需求自動轉錄、代理生成 PRD、分解任務、開發者每日領多個史詩、自做 7-8 次代碼審查、自動合併（完全去除人工靜態分析）
- 團隊成員案例：
- Dominic：曾是 AI 懷疑論者、有倫理疑慮；用 Opus 4.5 後改觀；現 4-5 月未寫工作代碼，改作家庭編碼愛好
- Daniel（DevX 團隊）：未寫工作代碼、建構遙測和觀測工具；性能提升聲稱達 2000%
- Nicolas：高績效者轉訓練師，向其他公司開發者授課
- 未來計劃：
- 已完：工程師訓練（2月完成）
- 進行中：產品經理、設計師、業務分析師訓練
- 計劃：13000 多名員工基礎 AI 使用訓練
- 組織挑戰：
- 開發者報告無法關閉（多巴胺成癮）
- 感知工作量增加壓力（功能交付預期提升導致加班）
結論
結論“系統化 AI 訓練的成功不在工具本身，而在先建立開發基礎、用工作坊消除恐懼、課程聚焦故障排查、最後重新設計流程，文化從害怕轉向大膽嘗試才是真正的成功指標。”
完整解析
詳細Devo 是瑞典一家房產管理軟體公司，近七年經歷爆炸性擴張——房屋管理數從 50 萬增至 250 萬，員工從 1000 人增至 14000 人——並透過大量併購在美國、墨西哥、英國等多地開展業務。這種快速成長帶來的直接後果是技術棧、開發文化、工作方式高度碎片化，每家被併購公司幾乎都有自己的技術選擇和流程。
當 Daniel Jones 在 2024 年加入時，公司面臨的核心問題是 AI 編程採用率嚴重不足。儘管已有 GitHub Copilot 和自建的隱私保護聊天工具，整體採用率不超過 30%，且主要以零星的「Claude 小島」形式存在。PR 合併週期緩慢，大型 PR 往往超過一週。Devo 領導層意識到 AI 浪潮即將來襲，決定投資找一家專業訓練夥伴，幫助全組織系統化地採用 AI 編程。經過篩選 80 份 RFP 回覆，最終選定了訓練方。
訓練前的準備至關重要。基於 DORA 2025 報告的警示——軟體開發基礎差時導入 AI 反而會惡化——Devo 先花了 1.5 年時間建立現代開發實踐，包括 CI/CD、自動化測試、編碼標準等。接著進行「發現」階段，詳細評估各團隊的現況：是否有可靠的部署管道、是否有測試、團隊是否共同理解什麼是「好代碼」。同時舉辦工作坊，用 Liberation Structures（破除權力動態的會議方法）了解員工情緒與恐懼。特別的是，他們用 TRIZ 創意問題解決法提出假想情景——「如果公司雇 200 個從不說不的初級開發者會怎樣」——讓團隊自己找出答案。結果幾乎所有人都指向同一症結：測試不足。這種共同發現大幅降低了對訓練的抵觸。
訓練本身分為試點和大規模兩階段。試點於 2025 年 11 月 11 日（波蘭獨立日）進行，針對小規模群體，幫助訓練方發現流程中的風險。隨後 1 月至 2 月進行大規模訓練，80 名開發者參加，每週進行半日課程，共五週。訓練特別強調在人進行，禁止上午使用筆電，逼迫面對面討論。會議還包含 Fika（瑞典傳統咖啡休息）和聚會，讓人互相認識。課程核心不是教「幸福路徑」，而是故障排查：舊模型如何幻覺、提示詞偏差如何誘導、context window 如何影響行為。訓練師採用獨特技巧，每完成練習後即時用黑板圖解「剛剛發生了什麼」，追蹤從使用者輸入開始的整個流程——提示詞從哪來、代理如何決定工具、工具在哪執行。這多感官學習比單純做練習有效得多。
課程進度循序漸進：Context 管理 → 故障模式 → Claude Code 心理轉變 → MCP → Spectrum Development → 多代理工作流程。每週課程後，開發者回到工作，在真實專案上嘗試新技能，如安裝 JIRA MCP 詢問代理下一步做什麼故事。這種邊學邊做的循環讓人親眼看到工具的實際威力，而非只停留在訓練室。
訓練成效遠超預期。AI 採用率從 30% 飆升至 94%（在最近 10 個 PR 中至少用 3 次），其中 60% 開發者在全部 10 個 PR 都使用。PR 吞吐量和上市時間明顯改善。但最重要的文化轉變是一股「大膽嘗試」的風氣。經典案例是一個建了 8 年、投入 20 人的平台，團隊決定用 AI 輔助完全重寫，結果 3 週內交付功能等價版本，現在僅需 4 人維護迭代。雖然也有失敗實驗（如嘗試 3 天開發行動應用），但組織不再懼怕嘗試端到端代理工作流。
更激進的改變來自某支團隊的流程重設。他們不再逐故事進行，改採 AI 優先模式：產品需求自動轉錄並由代理生成 PRD、分解為任務計劃，開發者每天領取多個史詩級故事，完成後自己執行 7-8 次 AI 代碼審查再自動合併——完全繞過人工代碼審查瓶頸。這展現出真正釋放 AI 潛能不只是讓個別開發者更快，而是需要重新思考整個組織流程。
個人層面的轉變同樣深刻。原本的 AI 懷疑論者 Dominic，在 Opus 4.5 發布後親身體驗代理編碼的品質，現已 4-5 個月未在工作中寫代碼，反而把編碼當作家庭愛好——像買宜家傢俱後自己在家做木工。DevX 團隊的 Daniel 完全未寫工作代碼，卻透過構建開發工具和遙測系統，推動組織進步，據稱性能提升達 2000%。訓練師 Nicolas 也是原高績效者，轉職為培訓師後將親身經驗分享給其他公司開發者，比外來顧問更真實有說服力。
展望未來，Devo 計劃擴展訓練至產品經理、設計師和業務分析師，已發現他們成為下一個瓶頸。最終目標是向全體 13000 多名員工進行基礎 AI 使用培訓，甚至讓財務或會計人員用 Claude Code 為自己構建應用。同時也面對新挑戰：開發者報告無法停止使用 AI（多巴胺成癮），以及因為功能交付預期提升而感受的工作量壓力。但 Devo 的終極願景是授權全組織成為「建造者」，讓每個人都能用 AI 工具解決自己的業務問題，而不再依賴集中的軟體開發團隊。這標誌著從「公司替員工構建軟體」轉向「員工用公司支持自己構建軟體」的根本轉變，最終實現組織內 1.3 萬人都能構建而非等待。
關鍵時刻
Pipeline v2帶時間戳的重點，會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。
事實查核
Pipeline v2說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。
