《企业级AI Coding成熟度模型》V1.0发布

最近发现很多金融、零售、制造、消费品等企业在推进AI Coding转型。

"我们现在到哪个阶段了？下一步该做什么？"

我见过几种典型答案：

• 工程师说："我们用 AI 写代码，很成熟了。"
• 架构师说："规范没有，全是各写各的。"
• CTO 被董事会问 ROI 时，支支吾吾。
• 老板说："再试两个项目看看。"

同一家公司，四个人，四把尺，量出来四个答案。

没有尺，就没有共识，就没有方向。

于是我做了一件事：把不同行业、不同规模企业里看到的现状、踩的坑、走通的路，归纳成一个可度量的成熟度模型——企业级 AI Coding 成熟度模型，今天正式发布 V1.0。

这把成熟度模型长什么样

模型用 L1-L5 五个级别描述 AI Coding 在企业里的成熟度。

层级数不是拍脑袋定的。理由只有一条：层级数 = 质变点个数 + 1。AI Coding 在企业落地，有四个必须跨越的分水岭：

起点（L1）+ 四次质变（L2/L3/L4/L5），合为 5 级。每一级之间都是跨越，不是渐变。

五级一句话

L1 · 个人探索

AI Coding 只在个人层面，组织看不见也管不到。工程师用个人账号订阅工具，经验靠私信传，管理层不知道谁在用什么。

L2 · 企业试点

有了授权、预算、试点团队和初步资产，但能力仍绑在试点团队里，跨团队复用几乎不存在。这是目前最拥挤的一段——大多数企业卡在这里。

L3 · 企业全面使用

规范走到正式版，过半工程师日常使用，能力长进组织骨架。数据采集齐了，但尚未真正进入决策。这是多数企业的合理目标终点。

L4 · 量化驱动

出现过至少一次因数据推翻原有判断的管理层评审会议。数据不只是报表，而是真正改变了决策。全球屈指可数。

L5 · 研发范式

方法论被行业引用，核心资产被外部独立复现。组织从追赶者变成定义者。L5 没有终点，维持靠持续更新。

两条不能妥协的硬规则

企业级AI Coding成熟度模型有两条硬规则。

第一条：短板原则。

级别取决于最弱的那条能力线，不取平均，不取最亮的点。

一家公司 AGENTS.md 已经走到正式版、指标也采齐了，但合规许可只覆盖半数员工——那就还停在 L1 与 L2 之间，不是 L3。

许多企业对外讲 L3、对内做 L1，根因就是拿亮点当整体。

第二条：晋级门禁。

从本级跨到下一级，必须同时具备硬事实与硬指标，并能被第三方核验。

• 硬事实：一次事件、一个动作、一份文件——比如"管理层在季度评审里因某份数据推翻原有判断，会议纪要可查"。
• 硬指标：一个数字、一条曲线——比如"PR-Spec 关联率 70%，连续 8 周"。
• 第三方可核验：在 Git、PR、会议纪要、指标仪表盘、公开发布物中能查到。

主观感受、PPT 措辞、周报里的形容词，不纳入衡量。

你们公司或团队现在在哪

根据与多个行业企业的交流，各行业的分布大概是这样的：

最常见的误判：对外宣称 L3，Git 里的 AGENTS.md 仍是初版，只有试点团队在用。

有一个判断方法很简单：让你的 CTO、Tech Lead、一线工程师各自说一下"我们现在在几级"。如果三个答案不一样，说明你们还没有一把共同的尺。

AI Coding成熟度模型能带来什么

对 CTO / 技术 VP：有了一份能拿到董事会、拿给投资人的结构化陈述。不再靠"我们有十几个试点项目"这种含糊说法，而是能说清"我们目前在 L2，短板在跨团队治理，下季度把 L2→L3 的 4 项门禁补齐"。

对 Tech Lead / 研效负责人：规划不再是"把 AI 好好用起来"，而是"这季度把 PR-Spec 关联率从 40% 推到 70%，让四项核心指标的周报稳定 8 周"。预算申请、跨团队协作、招聘需求，都有了共享的参照系。

对工程师：第一次能清楚看到"这家公司现在处在哪、下一步要去哪、自己当前做的事对不对"。那些晚上刷到的新工具、新论文，现在有了归位的地方——属于当前短板就投入，不属于就先观察。

个人的焦虑大多来自没有参照系。一旦有了尺，焦虑会变成计划。

白皮书里有什么

《企业级 AI Coding 成熟度模型》白皮书 V1.0，约 10000 字，包含：

• Part 1：为什么需要这把尺（信息轰炸下的镜子、三类人各自得到什么）
• Part 2：模型本身（设计原理、两条硬规则、L1-L5 全景图、行业热力图）
• Part 3：五级详解（每级：本级定位 → 典型现状 → 典型陷阱 → 8 条晋级门禁 → 行动路线图）
• Part 4：落地指南（行业分布、自评方法、角色矩阵、常见误判）
• Part 5：新技术适用性与结语

面向读者：

• CEO / CTO / 董办：写在前面 + Part 1 + 每级前段 + Part 4，约 4000 字
• 研效负责人 / Tech Lead / 咨询顾问：全文通读，10000 字
• AI开发者/感兴趣的同学：全文通读，10000 字