AI+Scrum补充指南
——通用赋能版·适配全产品形态
前言 本指南核心定位
本指南为2020版官方Scrum指南结合AI的增强和补充，不替代、不颠覆、不改造原生Scrum框架。
本指南不局限于AI原生产品、不含AI模块的普通软硬件产品、硬件产品、软件产品、实体产品，适用所有：使用AI工具、AI能力赋能产品全生命周期开发的Scrum团队。
核心立论：
- Scrum的本质是经验主义、实验驱动、复杂问题自适应框架，关注「愿景-迭代-试验-反馈-调整」的价值闭环，与产品形态、技术载体、是否包含AI功能无关。
- AI在Scrum中的定位：团队生产力赋能工具、试验加速工具、反馈增效工具，而非产品核心、而非框架重构要素。
- AI不改变Scrum规则，只极致压缩试错成本、缩短迭代周期、加速检视与自适应，让Scrum在AI带来的高不确定性时代，成为更适配的工作范式。
- 无论团队交付硬件、软件、实体产品、纯服务产品、有无AI功能，只要团队使用AI辅助需求、设计、开发、测试、验证、复盘，均适用本指南。
一、AI+Scrum 通用核心五大原则（全场景通用）
基于Scrum原生五大价值观（承诺、专注、开放、尊重、勇气），新增AI赋能时代专属原则，适配所有产品类型、所有AI使用场景：
1、实验加速原则
Scrum以持续试验验证复杂问题解法，AI的核心价值是降低实验成本、提升实验密度、加快验证频率。团队不再因人力、时间成本限制迭代试错，可在同一Sprint内完成更多维度的假设验证，适配软硬件各类复杂产品的不确定性研发。
2、人机分工原则
人定义价值、目标、假设、标准、决策；AI承担执行、辅助、生成、整理、分析类工作。适用于所有团队：需求梳理、硬件结构设计辅助、软件代码生成、文案原型、测试用例、数据分析、复盘总结，统一遵循该分工逻辑。
3、透明增效原则
利用AI固化工作过程、沉淀迭代数据、梳理工件信息，补齐传统敏捷团队过程不透明、沉淀无资产的短板，强化Scrum经验主义「透明」支柱，不受产品形态限制。
4、反馈高频原则
AI可快速完成数据统计、问题汇总、用户反馈分析、缺陷复盘，帮助团队彻底摆脱传统研发阶段性、低频滞后的反馈短板，实现迭代全流程高频、实时的检视反馈，让软硬件各类产品的迭代纠错、自适应调整更及时、更精准。
5、可控适配原则
AI是辅助工具，团队保留所有业务决策、产品决策、质量决策权限。杜绝AI主导产品方向、替代团队判断，适配所有商业化产品研发场景，规避工具滥用风险。
二、三大角色 AI赋能增补定义（全产品通用）
不新增角色、不改变原生角色权责，仅增补AI工具赋能下的新增工作职责，软硬件团队通用。
1、产品负责人（PO）AI赋能职责
原生核心职责不变：产品价值最大化、产品待办列表管理。新增AI赋能工作：
- 利用AI快速梳理市场需求、用户反馈、竞品信息，辅助判断产品方向（硬件/软件/实体产品均适配）
- 通过AI拆解大型需求、细化用户场景、补充验收标准，降低需求模糊性
- 基于AI数据分析迭代结果、用户价值达成度，快速调整产品优先级
- 定义每一轮迭代的待验证假设，让AI服务于实验目标，而非单纯提效事务
2、Scrum Master（SM）AI赋能职责
原生核心职责不变：团队效能、规则落地、障碍移除、团队赋能。新增AI赋能工作：
- 帮助团队建立标准化AI使用规范：什么场景可用AI、什么决策禁止AI替代、AI产出如何人工校验
- 杜绝团队反模式：AI偷懒、AI堆砌、过度依赖工具、放弃独立思考与业务验证
- 利用AI统计团队迭代数据、阻塞问题、周期浪费，辅助团队持续改进
- 引导团队适配「高频实验、快速反馈」的AI敏捷节奏，适配软硬件不同研发节奏
3、开发团队（Developers）AI赋能职责
原生核心职责不变：自组织交付可用增量、共同对迭代结果负责。新增AI赋能工作：
- 软件团队：AI辅助编码、自测、用例生成、问题排查、技术方案对比
- 硬件团队：AI辅助结构设计、方案仿真、参数校验、问题复盘、测试数据整理
- 通用能力：利用AI完成重复性、事务性、整理性工作，将人力释放至实验验证、价值判断、创新优化核心工作
- 对所有AI生成产出做人工校验、落地验证、质量把控，确保增量符合DoD标准
三、五大Scrum事件 AI通用赋能实践（全场景适配）
所有原生事件、时间箱、核心目标完全不变，仅增补AI增效实践规则，无产品形态限制。
1、Sprint 迭代（核心容器）
AI不改变Sprint的迭代本质、时间箱规则、增量交付规则。新增适配逻辑：
AI大幅降低迭代内的事务性成本，让团队有充足时间聚焦假设验证、用户反馈、产品适配优化；高不确定的软硬件产品，可通过AI进一步缩短试错周期，适配更快的市场变化。
2、迭代规划 Sprint Planning
AI辅助需求拆解、任务拆分、风险识别、工作量辅助评估；会议核心重心回归Scrum本质：确定迭代目标、明确本轮要验证的核心假设、对齐交付价值。无论软硬件，规划会不再消耗大量时间在机械拆解工作上。
3、每日站会 Daily Scrum
AI自动同步任务进度、工作进展、常规问题汇总，减少团队汇报式内耗，站会聚焦核心：障碍排查、进度偏差、自适应调整。新增通用检视项：今日AI工具使用是否有效、是否存在过度依赖、AI产出是否需要修正。
4、迭代评审 Sprint Review
保留原生评审核心：检视增量、收集反馈、调整产品待办。新增通用检视维度：本轮迭代AI工具是否真正提升效率、是否降低试错成本、是否帮助更快验证产品假设。不聚焦AI能力，聚焦AI带来的产品价值与迭代效率增益。
5、迭代回顾 Sprint Retrospective
固定新增三大通用回顾维度（所有团队通用）：
- 效率层：AI是否减少重复工作、缩短迭代周期、降低研发浪费
- 质量层：AI产出是否带来偏差、缺陷、认知偷懒问题
- 改进层：下一轮如何优化AI使用方式，让工具更好服务产品迭代与实验验证
四、三大工件 AI通用增补规范（全产品适配）
1、产品待办列表 Product Backlog
原生定义不变：动态、有序、持续优化的产品需求清单。增补：
允许AI辅助梳理、聚类、细化、排序，但优先级、价值判断、需求取舍必须由PO人工决策。所有软硬件产品的待办项，均需明确「待验证假设」，AI仅作为细化工具。
2、迭代待办列表 Sprint Backlog
新增通用属性：记录本轮迭代AI赋能场景、AI辅助任务、工具使用范围。确保团队清晰区分：人工决策工作、AI辅助执行工作，避免工具滥用导致过程失控。
3、增量 Increment
原生定义不变：可用、完成、潜在可发布的产品增量。增补通用规则：
AI不改变增量质量标准，所有AI辅助产出的内容、方案、代码、设计、数据，必须100%符合团队DoD（完成的定义），人工校验后方可纳入增量。
五、通用DoD增补（所有AI赋能团队强制适配）
无论软硬件、无论产品是否含AI模块，新增统一完成标准：
- 所有AI生成内容已完成人工复核、校验、修正
- AI工具使用无决策替代，核心产品决策均由团队人工完成
- 本轮AI赋能效率、问题、经验已完成沉淀，为后续迭代复用
六、AI+Scrum 通用反模式（团队避坑指南）
针对所有AI赋能敏捷团队的通用误区，无产品形态差异：
- 工具本末倒置：过度关注AI工具玩法，忽略Scrum核心的实验、验证、价值闭环
- AI替代决策：让AI判断产品优先级、技术方案、用户价值，丧失团队主观判断
- 瀑布式AI滥用：用AI一次性做全量规划，放弃小步迭代、持续试验的Scrum核心
- 只提效不验证：AI加速了工作产出，但没有加速产品假设与价值验证
- 无规范滥用工具：团队无统一AI使用标准，产出不可控、不可追溯、不可复盘
七、指南核心总结
Scrum不变，AI提速；框架不变，效率升级；实验核心不变，反馈闭环更快。
AI不创造新Scrum，AI只赋能正统Scrum。无论团队开发硬件、软件、实体产品、无AI产品、AI原生产品，AI都是服务于经验主义迭代的工具，而非颠覆者。在不确定性极强的AI时代，正统Scrum + AI赋能，是复杂产品研发的最优解。
本文作者：
廖靖斌Eric Liao，Scrum.CN-Scrum中文网创始人兼CEO，Scrum.org中国总裁，资深Scrum顾问，拥有20年Scrum实战经验。
