會有這個主題思考，主要是在想生成式 AI 不斷普及，甚至在開發方式與效率也逐漸在改變，那麼敏捷開發，是不是也可能有什麼不同變化呢？有趣的是以這個為主題，也找到不少文章分享，每位作者在這方面的觀點也不太一樣。
參考敏捷軟體開發宣言
在敏捷開發的開始階段，團隊需要快速分析需求並依照優先度進行排序。生成式 AI 可以分析來自使用者或利益相關者的需求描述，並自動將這些需求轉化為具體的使用者故事或任務。在規劃階段的會議中，AI 還能根據歷史資料提供最佳的資源分配和時間預估，幫助團隊更準確地進行衝刺計畫。
差異：生成式 AI 不僅加速了需求轉化過程，還提升了規劃的準確性，減少了傳統敏捷開發中人力分析的偏誤與延遲。
透過 GitHub Copilot 等工具幫助開發者的生成程式碼片段，並且適用於多種程式語言與框架。這大幅縮短了開發時間，讓開發者能夠在短期衝刺中更快完成可交付的功能。此外 AI 還能自動生成測試範例，並根據程式碼的變更動態生成新的測試腳本，確保每次迭代後的穩定性。
差異：生成式 AI 能使敏捷開發的程式撰寫與測試更加自動化，縮短了迭代週期，並提高了測試覆蓋率和程式品質。
敏捷開發的精髓在於快速迭代與持續改進。生成式 AI 可以協助收集並分析來自使用者回饋、系統日誌和應用程式效能監控工具的資料，並即時生成報告，指出潛在的問題與優化空間。這些即時回饋能幫助團隊更迅速地應對問題，並在每個衝刺結束後快速調整下一步的計畫。
差異：生成式 AI 能夠大幅提升敏捷團隊的回應速度，讓回饋更加快速和精確，減少了等待人工分析的時間。
在敏捷開發中，持續整合和部署（CI/CD）是確保產品快速交付並保持高品質的關鍵流程。生成式 AI 不僅能自動檢測系統中的異常，還能優化 CI/CD 中的運行流程。例如 AI 可以自動生成文件、優化資源使用，並根據過去的部署資料進行預測，避免部署過程中的問題。
差異：生成式 AI 幫助開發團隊提升持續整合和部署的效率，並減少了手動操作帶來的錯誤與延遲。
在敏捷開發中，團隊中的開發者、測試人員和產品經理等角色需要密切合作。生成式 AI 能夠協助自動生成會議紀要、總結使用者需求，並根據團隊討論結果提供後續行動建議。這些功能不僅能夠促進不同角色之間的溝通，還能縮短合作所需的時間，確保團隊能專注於實現產品目標。
差異：生成式 AI 簡化了溝通與合作過程，讓敏捷開發中的跨部門合作變得更加有效率。
生成式 AI 能夠將團隊在開發過程中的知識，生成容易搜尋的文件或報告，或是直接與生成式 AI 對話取得這些知識。這讓團隊成員即使面對複雜的技術問題，也能快速找到需要的資料或解決方案，提升知識共享的效率。
差異：生成式 AI 的知識管理工具提升了團隊的學習與適應能力，減少了因人員流動或資訊缺失帶來的瓶頸。
iThome鐵人賽
看影片追技術