FPT Software 公司的 Frank Bignone 高级副总裁和企业战略与增长负责人 – 采访系列

Frank Bignone，FPT Software 公司的高级副总裁和企业战略与增长负责人，拥有超过二十年的国际领导经验，涵盖数字转型、人工智能、航空航天、地理空间技术和企业增长等领域。在他的职业生涯中，他曾在亚洲、中东和欧洲担任过多个高级领导职位，包括担任 FPT Software 日本和中东业务的首席数字转型官，以及之前在空中客车公司（Airbus）领导亚洲太平洋和中国的数字转型计划。他的背景结合了深厚的 AI 驱动的商业转型、战略伙伴关系、市场扩张和大规模技术采用的专业知识。通过在航空、软件和企业技术领域建立生态系统，Bignone 一直专注于帮助组织利用新兴技术来推动运营效率、创新和可持续增长。如今，他领导 FPT Software 的企业战略和增长计划，指导公司的全球扩张和下一代服务开发。

FPT Software 是一家总部位于越南的全球技术和 IT 服务提供商，拥有超过 33,000 名员工，业务遍及 30 多个国家。该公司专注于数字转型、人工智能、云计算、数据分析、软件工程、智能工厂、网络安全和行业特定解决方案，服务于金融服务、制造业、汽车业、医疗保健、航空航天和电信等行业。近年来，FPT Software 加速了其 AI 首要战略，投资了 AI 驱动的平台、企业现代化服务和全球合作伙伴关系，同时扩大了其在欧洲、北美、中东和亚太地区的业务。通过大规模工程能力、咨询专业知识和 AI 驱动的创新，公司帮助企业现代化传统系统、优化运营和加速数字转型计划。

您曾领导过多个数字转型计划，包括航空航天、航空、企业软件和现在的 AI 首要交付平台。回顾您的工作经历，特别是空中客车 Skywise 和大规模企业现代化计划，您从中吸取了哪些经验教训，这些经验教训直接塑造了您对 Agentic Engineering 和 Flezi Foundry 的愿景？

回顾空中客车 Skywise 和大规模企业现代化计划，一个关键的经验教训是转型很少受到技术的限制，更多的是受到组织运营方式的限制。

在 Skywise 中，我们看到了数据、平台和生态系统合作的力量。然而，即使拥有先进的技术，价值创造往往在运营模式仍然以人为中心、顺序和孤立时达到瓶颈。

这种经验直接塑造了我们对 Agentic Engineering 的愿景。我们相信下一个演进不是更好的数字平台，而是智能的、代理驱动的交付系统，其中 AI 主动参与执行，而不仅仅是分析工具。

Flezi Foundry 是建立在这一原则之上的，帮助组织从决策转向 AI 增强的交付模型，这些模型可以持续执行、学习和改进。

目前，AI 讨论的中心是编码协同和开发者生产力。您为什么认为从 AI 驱动的工具到 AI 驱动的运营模式的转变更为重要？

编码协同很重要，但它只解决了价值链的一小部分。今天的大部分对话都集中在提高开发者生产力，而组织面临的更大挑战是分散的、反应迟钝的交付系统。

真正的机会在于重新思考工作的结构。AI 驱动的运营模式允许工作被分解为由人类和智能代理协同执行的任务。代理可以参与规划、执行、验证和优化，而反馈循环变得连续和自动化。

在这一点上，AI 不再只是另一个生产力工具，而成为一个系统级的能力。这是组织开始实现有意义的企业价值的地方。

FPT最近推出了Flezi Foundry，以推进您所描述的AI增强交付。您试图解决市场中的哪个空白，而Flezi Foundry与现有的大量AI开发工具有何不同？

我们看到了明显的市场空白。企业有越来越多的AI工具，但许多缺乏一个连贯的、受治理的交付平台来整合这些能力。

大多数AI解决方案都集中在孤立的活动上，例如编码辅助或测试自动化。它们不解决端到端的交付编排、企业治理或生命周期集成。因此，组织经常难以将AI采用扩展到个别用例之外。

Flezi Foundry的设计就是为了解决这个挑战。它作为一个统一的人机协作平台，跨整个软件和IT生命周期嵌入AI，同时保持治理、可追溯性和与业务成果的对齐。在这种意义上，它不仅仅是另一个AI工具，而是一个AI增强交付的运营层。

FPT将Flezi Foundry描述为一个受治理的人机协作平台。在实践中，当AI代理参与规划、编码、测试、安全审查和IT运营时，治理是什么样的？

治理意味着每个AI行动都是可见的、受控的和可审计的。

在实践中，AI代理在定义的政策下运行，这些政策涵盖了安全要求、合规义务和编码标准。他们的行动是日志记录的、可追溯的和可归属的，而人类的监督在关键决策点保持嵌入。数据访问通过建立的身份和权限控制来管理，以确保代理仅与授权信息交互。

最重要的是，治理直接构建到执行中，而不是事后添加。这使得组织能够在保持信任、透明度和运营控制的同时扩大AI采用。

企业最大的担忧之一是责任。如果AI代理引入安全漏洞、部署问题或运营故障，如何在AI系统、人类监督者和服务提供者之间分配责任？

AI不会消除责任；它在受控框架内重新分配责任。

AI代理在定义的参数内执行任务，但最终的责任仍然在于设计、监督和治理这些系统的人和组织。人类监督者提供监督和验证，而服务提供者对指导代理行为的架构、控制和治理机制负责。

关键是保持完整的可追溯性。每个行动都应是可归属和可审计的，以便组织能够保持信任、控制和清晰地了解决策是如何做出的。

Flezi Foundry引入了代理开发生命周期（ADLC）的概念。它与传统的敏捷、DevOps或平台工程方法有何不同，这些方法是企业今天使用的？

敏捷和DevOps的设计初衷是优化人类协作和自动化交付管道。代理开发生命周期（ADLC）引入了一个根本不同的元素：AI代理作为整个生命周期的主动参与者。

代理不仅仅支持开发者，还与人类合作执行任务、推理问题和为决策做出贡献。持续推理取代了静态工作流程，而智能反馈循环驱动持续优化。

一种简单的思考方式是，敏捷关注迭代交付，DevOps关注自动化管道，而ADLC关注适应性的人机交付系统。

许多组织正在尝试AI代理，但很少有组织建立了评估其性能的框架。您认为企业应该使用哪些指标来评估AI代理作为其软件交付工作力的组成部分？

组织应该越来越多地将AI代理视为其工作力的组成部分，并相应地衡量它们。

传统的生产力指标仍然很重要，包括交付速度（任务完成速度）和手动努力的减少。然而，组织还应该评估质量指标，例如缺陷率、返工水平、准确性、可靠性和合规性。

最终的目标不是仅仅提高生产力。真正的成功衡量标准是AI代理是否提高了结果的可预测性、质量和可扩展性。

Flezi Foundry引入了与交付速度和服务级别目标相关的结果驱动的定价模型。您是否认为这是传统的全职雇员（FTE）外包和人员增强模型向更广泛转变的开始？

是的，我们相信一个重大的转变已经开始。

传统的基于全职雇员的模型是建立在这样的假设之上的：努力是价值的主要驱动力。在AI增强的交付环境中，这个假设变得越来越过时，因为智能代理可以显著改变工作的执行方式。

因此，与交付速度、服务级别目标和可衡量的业务影响相关的结果驱动模型代表了一个更自然的适应。Flezi Foundry通过使交付性能更加透明、可衡量和可预测来支持这一演变。

随着企业越来越多地在软件开发和IT运营中部署AI代理，未来五年中软件工程师的角色将如何演变？

软件工程师将会演变，而不是消失。

随着AI承担更多的实施活动，工程师将越来越多地专注于更高价值的责任，例如系统设计、架构、代理编排、治理、质量保证和业务问题框定。

未来的工程师角色将不再是编写每一行代码，而是设计系统、指导智能代理，并确保技术成果与业务目标保持一致。

展望未来，如果我们在2030年重温这次对话，您认为软件交付和IT运营的哪些方面将与今天截然不同？

到2030年，我相信领先的组织将运作为真正的人机生态系统。

AI代理将被嵌入到交付和运营流程中，实现持续执行、实时优化和更快地适应不断变化的业务需求。强大的治理框架将确保信任、责任和合规性，而结果驱动的绩效模型将成为衡量价值的标准方式。

软件交付和IT运营将比今天更快、更适应性强、更可预测。对话将不再集中在组织是否应该采用AI代理，而是如何在规模上有效地协调人类和代理。

感谢这次精彩的采访，读者可以访问 FPT Software 了解更多信息。