引入 AI Coding 后，公司开发人员在人机协同模式下的人均需求交付效率大幅提升，技术领域需求提升达 65%，迭代周期缩短 55%；测试用例生成效率提升 80%，回归测试周期缩短 60%；运维故障定位耗时减半，巡检脚本 AI 生成率达到 90%。AI Coding 已开始贯穿需求、开发、测试与运维等核心工程环节。
奇富科技认为，AI Coding 的上限不仅取决于工具，更取决于上下文和工程资产。公司在代码架构、质量保障和稳定运维层面沉淀工程规范、测试案例与运维流程，使 AI 更准确理解业务、生成代码和辅助排障，形成难以复制的底座。
在团队协作层面，公司通过商业工具与自研框架，将人与智能体（Agent）纳入同一套研发流程：智能体承担规模化、可重复执行，人类在需求定义、方案评审、质量验收和关键决策中把关，形成“人在环中”（Human-in-the-loop）闭环。高质量研发来自深度协同，而非简单替代。
在技术体系上，公司搭建六层成熟度框架，明确从人工编码走向智能体团队（Agentic Team）的路径。目前已跨越 AI 辅助和沉浸式编码阶段，主流采用规范驱动开发（SDD），并从 Agentic Engineering 走向 Harness Engineering：通过上下文资产、工具链编排、权限约束、执行反馈与质量验证，为智能体建立可控、可观测、可治理的工程化“安全轨道”。行业整体看，AI Coding 已快速普及，但组织级、可规模化 Agent 工程体系仍属少数。
落地路径上，公司 2024 年实现 AI 代码补全全员覆盖，2025 年沉浸式编码覆盖 60%开发场景，2026 年加速 SDD 规模化落地，并完成自研多智能体协同基础框架关键验证。公司以商业工具兼顾生态兼容，以自研框架承载任务拆解、上下文装配、工具调用、执行校验与人工把关等 Harness 能力，适配金融行业合规、安全和可控要求。
Token 消耗与渗透率反映 AI 工程化深度。目前 99.7%员工日常使用 AI 工具，全员渗透率接近 88%；开发岗人均每日 Token 消耗达千万级，前 20%头部工程师日均消耗突破亿级。Token 消耗与工程师产出呈强正相关，部分高成熟度头部用户在特定场景下产出杠杆最高可达 40 倍，个体能力正从“经验驱动”走向“体系驱动”。
作为国内少数实现 SDD 规模化落地、并探索多智能体协作与 Harness Engineering 的金融科技企业，奇富科技以可量化成效、自研技术框架和工程化治理体系提供了行业参考。未来，公司将围绕 Token 成本、执行轨迹质量与可治理度构建统一度量体系，以可量化 ROI 作为深度工程化标尺，持续夯实技术壁垒。
