面对金融科技强合规、高复杂度的业务特性，奇富科技持续推进AI Native组织转型，将AI Coding作为研发体系升级的核心抓手。经过三年积累，公司已从工具引入走向方法论、上下文资产与自研基础设施建设，并在技术领域需求交付、测试生成和运维辅助等场景取得可量化成效。

引入AI Coding后，公司开发人员在人机协同模式下的人均需求交付效率大幅提升，技术领域需求提升达65%，迭代周期缩短55%；测试用例生成效率提升80%，回归测试周期缩短60%；运维故障定位耗时减半，巡检脚本AI生成率达到90%。AI Coding已开始贯穿需求、开发、测试与运维等核心工程环节。

奇富科技认为，AI Coding的上限不仅取决于工具，更取决于上下文和工程资产。公司在代码架构、质量保障和稳定运维层面沉淀工程规范、测试案例与运维流程，使AI更准确理解业务、生成代码和辅助排障，形成难以复制的底座。

在团队协作层面，公司通过商业工具与自研框架，将人与智能体（Agent）纳入同一套研发流程：智能体承担规模化、可重复执行，人类在需求定义、方案评审、质量验收和关键决策中把关，形成“人在环中”（Human-in-the-loop）闭环。高质量研发来自深度协同，而非简单替代。

在技术体系上，公司搭建六层成熟度框架，明确从人工编码走向智能体团队（Agentic Team）的路径。目前已跨越AI辅助和沉浸式编码阶段，主流采用规范驱动开发（SDD），并从Agentic Engineering走向Harness Engineering：通过上下文资产、工具链编排、权限约束、执行反馈与质量验证，为智能体建立可控、可观测、可治理的工程化“安全轨道”。行业整体看，AI Coding已快速普及，但组织级、可规模化Agent工程体系仍属少数。

落地路径上，公司2024年实现AI代码补全全员覆盖，2025年沉浸式编码覆盖60%开发场景，2026年加速SDD规模化落地，并完成自研多智能体协同基础框架关键验证。公司以商业工具兼顾生态兼容，以自研框架承载任务拆解、上下文装配、工具调用、执行校验与人工把关等Harness能力，适配金融行业合规、安全和可控要求。

Token消耗与渗透率反映AI工程化深度。目前99.7%员工日常使用AI工具，全员渗透率接近88%；开发岗人均每日Token消耗达千万级，前20%头部工程师日均消耗突破亿级。Token消耗与工程师产出呈强正相关，部分高成熟度头部用户在特定场景下产出杠杆最高可达40倍，个体能力正从“经验驱动”走向“体系驱动”。

作为国内少数实现SDD规模化落地、并探索多智能体协作与Harness Engineering的金融科技企业，奇富科技以可量化成效、自研技术框架和工程化治理体系提供了行业参考。未来，公司将围绕Token成本、执行轨迹质量与可治理度构建统一度量体系，以可量化ROI作为深度工程化标尺，持续夯实技术壁垒。

文/金仁甫

如有新闻线索或对上述内容有异议
请联系jianguocaijing@sina.com

编辑/ 范辉