iT邦幫忙

2026 iThome 鐵人賽

DAY 29
0
Software Development

Phoenix 2026:當《鳳凰專案》遇上 AI Agent —— 30 天 DevOps 職場 RPG 冒險系列 第 29

Day 29: 你敢不敢重串整個組織,而不只是修系統?

  • 分享至 

  • xImage
  •  

https://ithelp.ithome.com.tw/upload/images/20260807/20183265j5OXJsGFWT.jpg

半年期限剩兩週,你盯著系統架構圖,看了十分鐘。

技術架構設計得非常漂亮:清晰的邊界、標準的介面、優雅的資料流,Platform、Data、AI 三隊的 Lead 都 review 過,大家都點頭說沒問題。

但為什麼每一次跨團隊的交付,最後還是在接縫處炸掉?

今天凌晨的一場線上事故,讓你終於徹底懂了。

問題從來不在系統,而是在組織。

你花了三個月優化技術,但溝通結構完全沒有改變。系統設計得再漂亮,只要團隊邊界發生錯位,Bug 就會源源不斷地冒出來。


場景:完美的架構,錯位的團隊

凌晨三點,告警(Alert)炸開了手機。推薦引擎塌了。

API 呼叫顯示正常、模型也正常,但推薦出來的結果全是一片空白。

六個人火速拉進 War Room:Data、Platform、AI 團隊各出兩人。經歷兩個小時的緊張排查,真相浮現:

  • AI 團隊:上週五修改了推薦邏輯,假設 Feature API 會回傳一個新欄位 user_preference_v2
  • Data 團隊:三週前就把這個欄位加進資料管線了,但當時只部署到 Staging 環境,Production 環境還沒開啟。
  • Platform 團隊:的 API Gateway 設定了嚴格的 Schema 欄位驗證,遇到定義以外的欄位直接拋棄(Drop)。

三個團隊,三個各自的假設,零個對齊。

修復之後,三方在 Slack 上吵成一團:Data 說「我們早就在 Slack 發過 Release Note 了」,AI 反駁「那個頻道我們又沒加進去」,Platform 則堅持「Schema 的變更必須先走 RFC 審查流程」。

你看著三個團隊各自做著假設、各自封閉溝通、各自安排部署。

你突然想起了一句經典名言:

「系統的結構,終究會複製設計該系統之組織的溝通結構。」

這就是著名的康威定律(Conway's Law)。當你把系統圖與組織圖放在一起比對,你會瞬間頓悟:

【你理想中的技術架構】
[User] ──> [API Gateway] ──> [推薦引擎]
                  │
                  ▼
            [Feature API] <── [資料管線]
(乾淨的介面、清晰的邊界、單向依賴)

【實際上的組織溝通結構】
[Platform 團隊] <──> [AI 團隊] <──> [Data 團隊]
(各自 Roadmap)    (各自 Release)  (各自時程表)
(三個筒倉、三套時間表、三種溝通方式)

系統架構長這樣,組織圖長那樣,誰會贏?

康威定律無情地回答:組織永遠贏。

技術系統設計得再優雅,只要組織溝通結構不支持,交接地帶就一定會天天爆炸。在交接處加上更多的流程、更多的溝通工具、更多的簽核檢查,都只是在痛苦地對抗地心引力。唯一能從根本解決的方法,是重新設計組織,使其支持系統。


兩難:修復系統?還是改造組織?

事故檢討報告寫完,CEO 下週一定會問:「怎麼確保不再發生類似問題?」

你可以保守地回答:「我們會加強溝通、建立 RFC 變更流程、要求三方在部署前進行會簽。」

但你心裡非常明白,這些都只是治標不治本的修修補補。

流程越加越重,下一次依然會在另外一個看不見的接縫處爆炸。根本問題不在流程缺失,在於組織結構本身。

🔴 選項 A:維持組織結構,在流程與工具上加強 🔵 選項 B:重畫組織邊界,讓團隊結構支持系統架構
短期效益:✓ 政治風險極低,不需調整組織架構,團隊習慣原本的模式長期代價:✗ 流程越來越繁雜,團隊間的溝通與協調成本持續攀升✗ 康威定律持續發揮反作用,舊有問題將以新形式冒出結果:✗ 始終在對抗組織結構的地心引力,改革寸步難行 短期代價:✗ 牽涉組織重組,可能面臨一定的政治風險與重組陣痛期長期效益:✓ 組織與系統架構深度對齊,溝通與協作成本大幅下降✓ 消除團隊交接處的雷區,系統終於能按預期設計運行結果:✓ 痛在一時,但這是唯一能從根本解決架構問題的坦途

如果是你,現在就要做出決定。是繼續在現有組織之上疊加防禦性流程,還是咬牙重新調整組織架構?


翻牌:組織即架構

正確答案是 選項 B——這是你 29 天以來,需要最大勇氣的決定。

修改代碼你是專家,但改動組織結構,一不小心就會被貼上「搞政治」的標籤。

技術人天生直覺是:「組織架構是 HR 和老闆的事,與我無關,我只要把系統設計好就行。」

但《鳳凰專案》裡 Bill Palmer 最終學到的深刻一課,正是如此:

「技術無法脫離組織獨立運作。組織的形狀,決定了系統的形狀。」

Melvin Conway 在 1967 年提出的康威定律(Conway's Law)

「設計系統的組織,其產出的系統結構會複製該組織的溝通結構。」

說得更直白一點:如果你的組織有三個獨立的筒倉,你的系統架構就必定會長出三道無法逾越的防火牆。如果兩個團隊平時不說話,那這兩個模組的對接處就會充滿 Bug。如果你的決策需要繞過五層管理鏈,你的軟體架構中就會多出五層多餘且無意義的抽象。

康威定律從不是一個建議,它是一條無法規避的定律。

試圖對抗康威定律的技術架構,終將落敗。唯一的生路是順應它——重組組織,使其自然支持你想要的系統架構。

回想一下前面的歷程:Day 7 打破 Dev 與 Ops 的邊界、Day 20 讓 Business 與 IT 看著同一張儀表板、Day 24 透過內部平台消除英雄依賴。

但這些都只是局部微調。在 Day 29,你需要做的是整體的重新設計。

因為所有的技術難題,背後幾乎都有一個沒被解決的組織難題。

這就是**社會-技術架構(Socio-technical Architecture)**的核心精髓:

好的技術架構 = 團隊邊界 + 責任模型 + 回饋循環 + 系統架構,四者必須同時被設計。

絕對不能是「先設計好系統,再強行塞進現有的組織結構裡」,而是:

  1. 看清理想的系統樣貌:定義出清晰的邊界、資料的流向、誰依賴誰。
  2. 按照系統架構重畫團隊邊界:讓每個團隊 Own 一個高內聚的業務領域,而不是橫切式地分工。
  3. 讓團隊對最終 Outcome 負責:不再以「我完成了 API 規格」定義成功,而是以「推薦引擎能穩定運作」為標準。
  4. 設計良性的回饋循環:確保團隊能以最短路徑獲得 Context、共享指標,出事時能跨領域聯合修復。

當你的組織結構主動適應並支持技術架構時,康威定律就會成為你強大的盟友。


如果有 AI Agent:看見組織的真實溝通結構

問題在於,組織內部的溝通結構往往是隱形的。官方組織圖只告訴你「誰是誰的主管」,但真實的協作流卻隱藏在 Slack 對話、PR Review、會議參與及 Incident 處理中。

而這些散落的操作數據,才構成了組織真正的形狀。

2026 年,AI Agent 可以:幫你把這些隱形的溝通結構可視化,讓你看清楚康威定律此時正在哪裡發揮作用。

graph TD
    A[Agent 從操作數據抓取] --> B[分析組織真實溝通結構]

    A1[Slack 對話頻率] --> A
    A2[PR review 網絡] --> A
    A3[會議參與記錄] --> A
    A4[Incident 協作模式] --> A

    B --> C[產出溝通結構圖]

    C --> D[標出高頻協作路徑]
    C --> E[標出溝通斷層]
    C --> F[標出隱形依賴]

    D --> G[對比系統架構圖]
    E --> G
    F --> G

    G --> H[標出錯位點:<br/>系統想這樣、組織長那樣]

    H --> I[建議團隊重組方案]

Agent 自動分析後發現:

  1. Slack 訊息頻率:Data 與 AI 團隊每天交流 47 條訊息,但 Platform 與 AI 團隊卻只有 3 條 ➔ Platform 成了資訊孤島。
  2. GitHub 代碼評審:AI 團隊有 70% 的 PR 需要 Data 團隊審查,但反向審查率僅有 12% ➔ 存在嚴重的單向強耦合依賴。
  3. 會議參與:API Gateway 設計會議只有 Platform 與 AI 團隊參加,關鍵的 Data 團隊從未被邀請 ➔ 嚴重的溝通斷層。
  4. 線上事故:83% 的 P0 故障需要三個團隊同時上線排障,但平時三隊的協作極少 ➔ 系統高耦合但組織零對齊。

Agent 繪製出這張溝通結構圖,並將其與系統架構圖重疊對比,你第一次驚恐地發現:組織的真實社交網絡,與系統想要的架構邊界完全背道而馳。


🚨 系統與組織錯位診斷:

  • 錯位 1:推薦引擎強烈依賴 Feature API,但 AI 與 Data 團隊的日常溝通卻在組織上被切斷了。
    • 改善方案:將 Feature API 的 Ownership 移交給 Platform,實現 AI 與 Data 團隊的架構解耦。
  • 錯位 2:API Gateway 應為輕量薄層,但 Platform 團隊卻因溝通孤立而成為了整體的交付瓶頸。
    • 改善方案:將部分 Platform 工程師直接編入產品特性團隊。
  • 錯位 3:三個小組看似獨立,但高達 83% 的線上事故需要三方共同介入。
    • 改善方案:打破職能筒倉,將其合併為同一個對終端產品負責的「Feature Team」。

這就是 2026 年的做法:不靠主觀直覺,而是讓 Agent 從海量數據中梳理出真實的協作流,精準指出康威定律的摩擦點。

你拿著這份數據去說服 CEO 時,不再是說「我覺得需要調整組織」,而是拿出鐵證:

「數據顯示我們的系統架構與組織結構發生了錯位。這導致 83% 的重大故障都需要跨三隊協調,平均 MTTR 被拉長至 2.7 小時。如果我們按照架構重組團隊,預估 MTTR 能直接壓縮至 1 小時以內。」


現場推演:按照系統架構重畫團隊

我們來看一個業界真實的組織重組案例(綜合改編,數據為示意):

想像 2026 年一家 AI SaaS 公司,五個團隊各自忙碌,卻總是無法按時交付:

  • 前端團隊(Frontend):7 人,負責 UI。
  • 後端團隊(Backend):9 人,負責 API。
  • 資料團隊(Data):8 人,負責資料管線與特徵工程。
  • 演算法團隊(ML):6 人,負責訓練與調參模型。
  • 基礎設施團隊(Infra):5 人,負責 K8s 與部署監控。

看似分工極其明確,對吧?但實際執行時卻是災難:每次推出新功能都需要五個團隊同時動手,協調會議沒完沒了;線上出問題時,大家端到端互甩黑鍋;每個團隊都完成了自己的 OKR,但拼湊出來的產品體驗卻很糟糕。

CTO 最終決定大刀闊斧,按照產品的核心價值流(個人化推薦、智能搜尋、內容生成),將原本橫切的職能團隊重新打破,編制為三個端到端小組:

  • 推薦團隊(12 人):前端 + 後端 + 資料 + ML 專家,端到端 own 整個推薦引擎。
  • 搜尋團隊(9 人):前端 + 後端 + ML 專家,端到端 own 搜尋體驗。
  • 生成團隊(8 人):前端 + 後端 + ML 專家,端到端 own 生成功能。
  • 平台團隊(6 人):提供共享基礎設施與內部工具平台服務。

重組三個月後,團隊的效能指標發生了天翻地覆的變化:

🏢 2026 年 AI SaaS 團隊重組效益指標(三個月後對比):

  • 👥 跨團隊協商會議:減少了 62% ── 大部分決策在團隊內部即可快速拍板。
  • ⏱️ 交付前置時間(Lead Time):縮短了 41% ── 功能發布不再受限於其他團隊排期。
  • 🩹 平均修復時間(MTTR):降低了 53% ── 線上事故由單一端到端團隊內部即可就地排障。
  • 📈 淨推薦值(NPS):提升了 11 分 ── 產品具備了「為最終Outcome負責」的團隊支撐。

團隊邊界成功對齊系統邊界,康威定律從阻力變成了強大的助力。


今日金句

「你的系統結構,終究會長成你組織的溝通形狀。與其痛苦地對抗康威定律,不如主動設計能支持技術架構的組織形式。」


留給你的問題

在你的系統中,目前最卡、Bug 最多、最難以交付的那個對接接縫,是不是剛好也是公司兩個不同團隊的組織邊界?

如果答案是「是」,那代表問題從來不在程式碼上,而在你們的組織架構上。

明天,是我們這 30 天挑戰的最後一天。

半年的死線已然到來。你將站在最初接下爛攤子的那間辦公室裡,回顧這趟波瀾壯闊的轉型之旅。

Bill Palmer 的傳奇故事在 2026 年會如何謝幕?

而屬於你自己的故事,又會如何開始?

Day 30 見。


上一篇
Day 28: 當 Agent 也是團隊成員,你敢不敢給它 KPI?
下一篇
Day 30: 如果 Bill 活在 2026,他會怎麼選?那你呢?
系列文
Phoenix 2026:當《鳳凰專案》遇上 AI Agent —— 30 天 DevOps 職場 RPG 冒險30
圖片
  熱門推薦
圖片
{{ item.channelVendor }} | {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言