前言：本指南核心定位

本指南基于 2020 版官方 Scrum 指南，做 AI 维度的增强与补充，不替代、不颠覆、不改造原生 Scrum 框架。

适用范围不局限于 AI 原生产品，同时覆盖：不含 AI 模块的普通软硬件产品、纯硬件产品、纯软件产品、实体实物产品、服务类产品。凡是使用 AI 工具、AI 能力赋能产品全生命周期开发的 Scrum 团队，均可直接套用本指南。

核心立论

1. Scrum 的本质是经验主义、实验驱动、复杂问题自适应框架，核心围绕「愿景 - 迭代 - 试验 - 反馈 - 调整」价值闭环运行，与产品形态、技术载体、是否自带 AI 功能无关。

2. AI 在 Scrum 中的定位：团队生产力赋能工具、实验加速工具、反馈增效工具；不是产品核心，也不是重构 Scrum 框架的要素。

3. AI 不改变 Scrum 底层规则，只极致压缩试错成本、缩短迭代周期、加速检视与自适应，让 Scrum 在高不确定性的 AI 时代，成为更适配的团队工作范式。

4. 无论团队交付硬件、软件、实体产品、纯服务产品、有无内置 AI 功能，只要用 AI 辅助需求、设计、开发、测试、验证、复盘，均适用本指南。

一、AI+Scrum 通用核心五大原则（全场景通用）

基于 Scrum 原生五大价值观：承诺、专注、开放、尊重、勇气，新增 AI 赋能时代专属五大原则，适配所有产品类型、所有 AI 使用场景。

1. 实验加速原则

Scrum 以持续试验验证复杂问题解法；AI 核心价值是降低实验成本、提升实验密度、加快验证频率。团队不再受人力、时间成本限制迭代试错，可在同一个 Sprint 内完成多维度假设验证，适配软硬件各类复杂产品的不确定性研发。

2. 人机分工原则

人定义价值、目标、假设、标准、最终决策；AI 承担执行、辅助、生成、整理、分析类事务工作。统一适用于：需求梳理、硬件结构设计辅助、软件代码生成、文案原型、测试用例、数据分析、迭代复盘等全场景。

3. 透明增效原则

利用 AI 固化工作过程、沉淀迭代数据、梳理各类工件信息，补齐传统敏捷团队过程不透明、经验无沉淀、资产无留存的短板，强化 Scrum 经验主义「透明」核心支柱，不受产品形态限制。

4. 反馈高频原则

AI 可快速完成数据统计、问题汇总、用户反馈拆解、缺陷复盘归因，摆脱传统研发阶段性、低频滞后的反馈短板，实现迭代全流程高频、实时检视反馈，让软硬件各类产品迭代纠错、自适应调整更及时、更精准。

5. 可控适配原则

AI 仅作为辅助工具，团队保留全部业务决策、产品决策、质量决策的最终权限。杜绝 AI 主导产品方向、替代团队独立判断，适配所有商业化产品研发，规避工具滥用风险。

二、三大角色 AI 赋能增补定义（全产品通用）

不新增角色、不改动原生角色核心权责，仅增补 AI 工具赋能下的新增工作职责，软硬件团队通用。

1. 产品负责人（PO）AI 赋能职责

原生核心职责不变：保障产品价值最大化、持续维护产品待办列表。新增 AI 赋能工作：

- 借助 AI 快速梳理市场需求、用户反馈、竞品情报，辅助研判产品方向（硬件 / 软件 / 实体产品全适配）

- 通过 AI 拆解大型需求、细化用户场景、补充完善验收标准，降低需求模糊性

- 基于 AI 数据分析迭代结果、用户价值达成度，快速动态调整产品优先级

- 定义每一轮迭代待验证核心假设，让 AI 服务于实验目标，而非仅做事务提效

2. Scrum Master（SM）AI 赋能职责

原生核心职责不变：守护团队效能、落地 Scrum 规则、移除团队障碍、赋能团队成长。新增 AI 赋能工作：

- 牵头建立团队标准化 AI 使用规范：明确可用场景、禁止 AI 替代决策场景、AI 产出人工校验规则

- 规避团队 AI 反模式：AI 偷懒、工具堆砌、过度依赖、放弃独立思考与业务求证

- 利用 AI 统计迭代数据、阻塞问题、流程浪费点，辅助团队持续改进

- 引导团队适配「高频实验、快速反馈」的 AI 敏捷新节奏，适配软硬件不同研发周期

3. 开发团队（Developers）AI 赋能职责

原生核心职责不变：自组织交付可用增量、全员共同对迭代结果负责。新增 AI 赋能工作：

- 软件团队：AI 辅助编码、自测、用例生成、问题排查、技术方案对比

- 硬件团队：AI 辅助结构设计、方案仿真、参数校验、问题复盘、测试数据规整

- 通用能力：用 AI 承接重复、事务、整理类工作，释放人力聚焦实验验证、价值判断、创新优化核心工作

- 对所有 AI 生成产出，执行人工校验、落地验证、质量把控，确保增量符合团队 DoD 完成标准

三、五大 Scrum 事件 AI 通用赋能实践（全场景适配）

所有原生事件、时间箱、核心目标完全不变，仅增补 AI 增效实践规则，无产品形态限制。

1. Sprint 迭代（核心容器）

AI 不改变 Sprint 迭代本质、时间箱规则、增量交付规则。适配逻辑：AI 大幅降低迭代内事务性成本，让团队把更多时间聚焦假设验证、用户反馈、产品适配优化；高不确定的软硬件产品，可借助 AI 进一步压缩试错周期，快速适配市场变化。

2. 迭代规划 Sprint Planning

AI 辅助需求拆解、任务拆分、风险识别、工作量辅助评估；会议重心回归 Scrum 本质：敲定迭代目标、明确本轮待验证核心假设、对齐交付价值。软硬件团队通用，无需在机械拆解工作上消耗大量会议时间。

3. 每日站会 Daily Scrum

AI 自动同步任务进度、工作进展、常规问题汇总，减少低效汇报内耗；站会聚焦核心：障碍排查、进度偏差、团队自适应调整。新增通用检视项：当日 AI 使用是否有效、是否存在过度依赖、AI 产出是否需要修正。

4. 迭代评审 Sprint Review

保留原生核心：检视可用增量、收集相关方反馈、调整产品待办列表。新增通用检视维度：本轮 AI 工具是否真正提升效率、是否降低试错成本、是否加速产品假设验证。不刻意炫耀 AI 能力，只聚焦 AI 带来的产品价值与迭代效率增益。

5. 迭代回顾 Sprint Retrospective

固定新增三大通用回顾维度（所有团队统一适用）：

- 效率层：AI 是否减少重复工作、缩短迭代周期、降低研发浪费

- 质量层：AI 产出是否存在偏差、缺陷、团队认知偷懒等问题

- 改进层：下一轮如何优化 AI 使用规范，让工具更好服务迭代与实验验证

四、三大工件 AI 通用增补规范（全产品适配）

1. 产品待办列表 Product Backlog

原生定义不变：动态、有序、持续精进的产品需求清单。增补规范：允许 AI 辅助梳理、聚类、细化、初排序；但优先级定义、价值判断、需求取舍必须由 PO 人工决策。所有软硬件产品待办项，均需明确「待验证假设」，AI 仅做细化辅助工具。

2. 迭代待办列表 Sprint Backlog

新增通用属性：记录本轮迭代 AI 赋能场景、AI 辅助任务、工具使用边界。清晰区分：人工决策工作、AI 辅助执行工作，避免工具滥用导致过程失控。

3. 增量 Increment

原生定义不变：可用、已完成、潜在可发布的产品增量。增补通用规则：AI 不改变增量质量标准；所有 AI 辅助产出的内容、方案、代码、设计、数据，必须 100% 符合团队 DoD 标准，经人工校验后方可纳入正式增量。

五、通用 DoD 增补标准（AI 赋能团队强制适配）

无论软硬件、无论产品是否内置 AI 模块，统一新增完成准则：

1. 所有 AI 生成内容，已完成人工复核、校验、修正优化

2. AI 仅做辅助执行，无任何核心产品、技术、价值决策被 AI 替代

3. 本轮 AI 赋能的效率亮点、存在问题、复用经验已完成沉淀归档

六、AI+Scrum 通用反模式 团队避坑指南

适用于所有 AI 赋能敏捷团队，无产品形态差异：

1. 工具本末倒置：沉迷 AI 工具玩法，忽略 Scrum 核心的实验、验证、价值闭环

2. AI 替代决策：交由 AI 判定产品优先级、技术方案选型、用户价值取舍

3. 瀑布式 AI 滥用：用 AI 一次性做全量长线规划，放弃 Scrum 小步迭代、持续试验的核心

4. 只提效不验证：AI 加速了产出速度，却没有加速产品假设与用户价值验证

5. 无规范滥用工具：团队无统一 AI 使用标准，产出不可控、不可追溯、无法复盘沉淀

七、指南核心总结

Scrum 不变，AI 提速；框架不变，效率升级；实验核心不变，反馈闭环更快。

AI 不会创造新的 Scrum，AI 只赋能正统 Scrum。无论团队开发硬件、软件、实体产品、无 AI 功能产品、AI 原生产品，AI 始终是服务于经验主义迭代的辅助工具，而非颠覆者。在不确定性极强的 AI 时代，正统 Scrum + AI 赋能，是复杂产品研发的最优落地解法。

本文作者：廖靖斌 Eric Liao，Scrum.CN-Scrum 中文网创始人兼 CEO，Scrum.org 中国总裁，资深 Scrum 顾问，拥有 20 年 Scrum 实战经验。