《Proceedings of the Design Society》：From models to impact: a human-AI approach for effective support of collaborative teams in agile product development
编辑推荐：
敏捷团队在系统识别协作挑战的根本原因并推导有效对策方面常遇障碍。本研究基于设计研究方法（Design Research Methodology, DRM），探讨了一种混合人工智能（Artificial Intelligence, AI）-人类方法，用于针对性生
敏捷团队在系统识别协作挑战的根本原因并推导有效对策方面常遇障碍。本研究基于设计研究方法（Design Research Methodology, DRM），探讨了一种混合人工智能（Artificial Intelligence, AI）-人类方法，用于针对性生成问题特定的参考模型（Reference Model, RM）和影响模型（Impact Model, IM），以增强敏捷产品开发中的系统性改进。结构化工作流集成了AI能力（如脚手架、一致性）与专家知识（因果性、情境），同时三阶段评审确保了方法的严谨性和结果的可靠性。
研究背景与问题
在动态且不确定的开发环境（VUCA）中，组织必须保持响应能力。敏捷框架（如Scrum）虽被广泛采用，但实践中常流于形式而非精神，导致团队难以识别协作问题的根本原因。团队往往仅描述期望目标的缺失，而非根本原因，这使得有效支持措施的推导因问题定义质量差和对影响因素及机制的了解不足而受阻。为实施针对性干预，需要精确描绘当前状态。然而，现有方法缺乏系统性，改进措施常泛化且短暂。因此，亟需一种方法来辅助团队准确建模问题特定状态并推导有效对策。
研究内容与结论
针对上述挑战，研究人员提出了一种人机（Human-AI）方法，旨在协助开发团队处理协作挑战。该方法基于Batora等人（2025）提出的主模型（Main Model, MM），该模型包含148个影响因素和333条因果关系，捕捉了敏捷团队协作的相关影响因素、关系和机制。人机方法利用大语言模型（Large Language Model, LLM）进行可扩展的结构分析和模型脚手架，同时依赖人类专家进行因果和情境解释、评估与验证。通过结合LLM的效率与人类判断的情境有效性，该方法确保生成的模型既结构合理又具情境效度。长期目标是实现基于需求的、问题特定的支持，以改善敏捷产品开发中的团队协作。研究结论表明，这种混合方法能有效支持问题特定参考模型和 impact模型的生成，并推导出潜在有效的支持措施。该研究发表于《Proceedings of the Design Society》，具有重要意义，为系统性诊断和基于证据地推进团队协作提供了方法论流程框架。
关键技术方法
作者采用设计研究方法（DRM）作为方法论框架。他们利用主模型（MM）作为初始知识库，该模型综合了学术文献和专家输入。为应对模型复杂性，研究人员将MM导出为JSON文件并版本控制于开源GitHub仓库。定义了三个主要用例：1）使用编码代理（Coding Agent）适应和演化MM；2）使用LLM脚手架问题特定RM；3）使用LLM脚手架IM并推导支持措施。工作流结合了编码代理（如OpenAI Codex、Claude Code）和LLM（如GPT 5、Claude 4）。为确保严谨性，建立了三阶段评审过程：编码代理执行任务（如评估新影响因素是否符合守门标准），专家评估标准和因果性，同行评审协作结果。此外，针对LLM幻觉，采用了检索增强生成等保护措施。样本队列来源于先前调查（Batora等人，2025）中识别的团队问题场景。
研究结果
4.1. 人机工作流用于模型开发
研究人员分解了混合方法三个用例的主要任务，设计了结构化工作流。该工作流聚焦于AI端到端执行模型开发任务，人类定义目标、约束并审查变更。接口结合了编码代理用于模型演化和结构化提示接口用于模型脚手架。为规范MM扩展，逐步开发了守门标准（Gatekeeping Criteria），要求新影响因素符合正确表述（元素属性）、相关性、可观察性、可测量性和领域对齐。编码代理在引入新因素时表现出高效性，能将任务分解为可管理的子任务。类似地，制定了RM标准（RM-Criteria）和IM标准（IM-Criteria）来指导连贯开发。RM标准要求识别问题特定的关键因素（Key Factor）和清晰的因果链连接到成功因素（Success Factor）。IM标准则要求在验证的RM基础上加入支持元素，直接针对关键因素并贡献于成功因素。测试评估了多种LLM（ChatGPT 5、Claude Sonnet 4.5、Perplexity Pro、Grok 4）的脚手架有效性，最终选择ChatGPT 5作为主要模型，因其在维持因果结构和遵循标准方面一致性最高。
4.2. 参考模型和影响模型的开发
4.2.1. 所需提示的评估
为开发RM，设计了从JSON MM提取问题特定模型的提示，锚定于DRM相关章节。以“无效的每日站会（Daily Scrum）”作为初始测试用例，因其在MM中是理解良好且连接密集的知识簇。使用Grok 4时，模型虽理解图状结构，但出现幻觉因素、术语不一致、因果序列错误和关键因素识别不正确。改用ChatGPT 5后，产生了更连贯一致的模型结构，机制和映射准确，仅需少量调整。基于验证的RM，使用类似提示生成IM，LLM在数秒内产生连贯IM，展示了一致的因果推理和支持假设推导。专家评估确认了实质有效性。该用例建立了提示设计和人机方法的基本功能有效性。
4.2.2. 用真实团队问题场景验证提示
验证旨在评估提示支持的方法在实际场景中是否产生稳健结果。使用调查中识别的真实问题，如“工作中外部中断频率”。LLM生成的RM提供了语义框架，将问题结构化起始、中间和结束节点，带有定向注释连接。RM经专家评审和同行评审确认适合问题情境。随后生成IM，包含操作干预（如带时间盒的焦点块和明确在制品（Work-in-Progress, WIP）政策的看板（Kanban）板）。ChatGPT 5执行一致，仅需微调颜色表示等视觉调整。该管道能从观察到的问题可靠生成RM和IM，形成透明因果叙述，转化为可测量的干预杠杆，并通过专家评审保持可审计性。
4.3. 支持干预及其实践实施
针对第二个研究问题，研究人员展示了如何从MM生成包含支持措施的IM。LLM基于MM知识库和预定义约束生成预期有效的支持措施，其有效性通过MM内加权关系证明。对于“外部中断频率”问题，LLM提出两种措施：1）实施带时间盒的焦点块（focus blocks with timeboxing），即团队范围的同步限时规则以建立不受干扰的焦点阶段，减少中断和任务切换，从而提高平均吞吐量（Average Throughput）和团队生产力与成果质量；2）实施带明确WIP政策的看板（Kanban）板，建立可视拉动系统和明确WIP限制及阻塞可视化，同样预期提高吞吐量。这些措施经专家评审概念、情境和因果评估，必要时调整，然后同行评审。为在实践中实施，可采用助推研讨会（nudge workshops），由行业合作伙伴参与共同完善干预，增强接受度和适用性。这提供了针对特定团队的有效修改，提升支持措施的成功实施可能性。
总结讨论部分
研究人员讨论了人机方法对解决敏捷产品开发中协作问题的贡献。集成AI（编码代理和LLM用于脚手架、结构化、一致性）和人类专家（情境化、因果评估、验证）显著促进了问题特定模型的高效生成、相关影响因素的系统探索和潜在有效支持措施的推导。两组件互补，多阶段验证过程对纠正语义不准确和幻觉、确保因果合理性至关重要。混合方法不提供通用干预集，而是提供方法论流程框架，允许迭代适应，增强灵活性。团队文化、组织结构和技术条件会影响措施有效性，因此需通过助推研讨会进行共同设计以适应具体情境。LLM生成模型的质量依赖于底层MM的成熟度；随着MM动态扩展，优先级和权重可能变化，直至达到稳定。未来研究应探索互补方法如多域矩阵（multi-domain matrices）加强MM一致性。该方法支持模型开发、问题定义、关键因素识别、因果理解和透明推导支持措施，划分AI与人类职责提高了效率，结构化隐性知识并促进所有权感，从而增强实施意愿。
研究结论翻译
本研究表明，人机方法能为解决敏捷产品开发中的一个核心挑战做出结构化贡献。该挑战集中于难以精确识别协作问题的根本原因并从中推导有效干预。研究结果证明，AI（分为编码代理和LLM，如脚手架、结构化、一致性）与人类专业知识（如情境化、因果评估和验证）的集成，极大地促进了问题特定模型的高效生成、相关影响因素的系统探索以及适合实际应用作为初始解决方案的潜在有效支持措施的推导。这两个组成部分被证明是互补的，多阶段验证过程对于纠正语义不准确和幻觉以及确保因果合理性至关重要。然而，混合方法并未产生一套可泛化的干预措施；相反，它提供了一个方法论流程框架，允许迭代适应，从而增强了支持措施在实践中成功实施的可能性和灵活性。
