策略：研发数字化转型战略和思路
数字化转型本质是以用户为中心、以“数据、技术”双要素驱动、以价值创造为目的实现转型升级和创新发展的过程。关注内部运营优化，建设流程驱动，利用数据和技术（算法等）提升效率。目标是打造工行“数字化、智能化”研发体系，持续提升研发效能和组织数字化能力。具体包括：
- 一个愿景：打造工行“数字化、智能化”研发体系。
- 两个使命：持续推动研发效能提升、持续推动组织数字化能力提升。
- 三大抓手：围绕“用户思维、数据思维、运营思维”，以触点统一、数据集中、持续运营为抓手推进数字化场景建设。
- 四大目标：打通数据孤岛，建立研发数据中台；以数据洞察研发过程，调整研发管理模式；以数字化（含AI）手段服务研发一线；营造工程师氛围，激活人才数字基因。
体系：如何转？系统性工程
整体框架基于2023年工行“321”研发数字化框架，建设大模型技术应用体系，强化平台支撑及编码测试等专业场景建设，完善研发数字化运营机制，推动人工智能技术的规模化探索与实践。
场景
- 研发全旅程数字化：基于DevOps研发流程，建立工程效能北极星指标，围绕研发全旅程，形成涵盖研发阶段、研发活动、研发角色、耗时指标与支撑工具的对照矩阵和数字化视图，明确各环节的效能目标，引导效能团队识别研发痛点堵点，持续改进工具、流程。
- 研发效能度量：建立研发过程度量体系及量化目标，为研发管理提供抓手，透明研发效能情况。聚焦价值流动，从以“资源效率”为核心转变为以“流动效率”为核心，减少各环节的等待，倡导持续、快速、高质量地交付有用的价值。
- 数字人阮晓妍：利用现有各系统的数据及大模型技术建设的数字人，成为员工工作的“百事通”，员工的“小秘书、工作助手”。
- 触点平台统一：将用户入口统一内聚到e企研、IDE、e办公三大平台，各触点之间横向打通，实现一点触达，全局接入，打造高效协同的数字化研发支撑体系。
数据
- 流程建模：对研发流程、人力资源和工具使用进行3级流程建模，形成价值流和活动，作为数据中台建设的输入，从中识别出源应用清单和源表清单，指导贴源层建设，识别出维度和事实，指导聚合层建设。
- 聚合层建设：通过维度建模，共形成维度表、事实表。并建立上下级关系等关系图谱资产。
- 萃取层建设：从需求角度出发，形成各类指标和标签，支撑如质量、进度、成本等，同时承载文档类知识的检索查阅和各类模型服务。
- 知识库建设：依托模型数据管理能力，收集各类历史需求数据、设计数据、规范数据、安全数据等，构建面向不同功能的知识库，扩展模型知识边界，减少模型幻觉，提升任务效果。
技术
- 研发运营流水线建设：基于AI工作站，围绕大模型的数据标注、建模、应用、运营四阶段研发运营全流程，按照MLOPS理念，构建流程化的大模型数据标注和建模流水线，打造基于提示词的大模型服务封装编排工具，具备大模型用户反馈数据的运营管理能力，端到端降低大模型技术的应用难度。
运营
- 研发数字化运营能力蓝图：打通研发管理与产品运营数据底座，建设研发领域的数字化运营框架与公共运营服务，统筹e企研、e办公、IDE运营，面向科技人员提供运营全流程支撑。
- 场景运营：面向部分试点用户开展伴随式运营工作，结合客观指标数据与主观用户感受，持续打磨优化产品能力。并通过打造标杆团队，营造数字化、智能化研发氛围，带动整体研发效能提升。
- 埋点运营：对工具运营进行3级流程建模，共形成价值流节点5个，活动18个，以此为基础识别出相关的维度和事实等成果，指导研发数据能力中心资产建设。
- 数据监测：通过数据漏斗、热图分析等运营模型和运营看板的可视化，为运营人员提供直观数据，分析广告布放转化率、产品渗透率、软文宣传点击率等，反哺运营流程形成数据闭环。
组织保障
- 数字化小组：由小组委员和领域专家两部分组成，同时新设AISE小组，均为虚拟组织。小组委员负责数字化转型整体工作的目标制定、战略分解、方案评审、成效评估，并提供落地实施的建议。领域专家为研发管理领域、技术管理领域、人力资源管理领域、用数赋智领域、员工体验领域等各个方面的专业人员，配合小组委员，依托专业背景进行总体规划和统筹思考，支持各部门完成数字化转型的设计。AISE小组负责AI在SE领域的前瞻性研究和对标，做好行内智能研发的规划，推进场景建设和进度管控，组织研发知识库建设，组织试点、运营、推广等工作。
各部门专业线管理
- 人力资源管理：指导专家牵头人团队：产品部。建设数字化转型课程体系和数字化能力认证体系，明确数字化人才培育机制和进阶路线，营造全员数字化、智能化转型氛围。
- 数据中台领域：指导专家牵头人团队：技术部、产品部。
展望与思考
持续行动，不断创新，不断深化理解，不断前进。
