Grab利用代理式工程和感应式编程，在产品开发中寻求人工智能优势

[新加坡] 人工智能正在协助 Grab 进行产品开发，不仅提升了工程师的生产力，也让非技术人员能够更快地推出原型进行测试。

以该超级应用今年四月在 GrabX 产品展示会上发布的产品之一：Grab 的虚拟店长（Virtual Store Manager）为例。

它可以通过接收闭路电视信号来「看到」并「理解」现场情况，并通过一个基于特定参数的仪表板呈现信息。

这意味着无需再派人亲眼查看所有录像。经理或管理团队只需通过一个屏幕，便能监控整个多店网络。

这款产品最初是一个通过「感应式编程」（vibe coding）制作的原型。感应式编程利用人工智能通过提示词生成应用程序，而无需人工编写代码。这为编程经验有限的人提供了帮助，让非程序员也能构建应用。

虚拟店长的创造者 Muhammad Hanif Naufal Eka Wiratama 并非软件工程师，但他能够迅速将自己的想法转化为原型，而无需与工程团队反复沟通。

Grab首席技术官 Suthen Thomas 表示，这正是感应式编程对产品开发流程产生最大影响之处。

Thomas 告诉《商业时报》（The Business Times）：“我们使用它的方式，就像设计师使用高保真模型一样，目的是快速将产品交到用户手中，观察他们的实际行为，而不是直接询问他们想要什么。”

高保真原型是一种接近最终产品的版本，包含完整的视觉设计细节和内容。

SEE ALSO

A*Star, JTC, Grab enter partnerships with robotics firm Sharpa to build Singapore’s physical AI sector

Instead of reducing the need for humans, Grab’s AI push might result in the opposite

Grab unveils 13 AI-powered solutions for businesses, consumers, travellers

不过，Thomas 很快补充道，尽管一个产品或项目可能始于一个感应式编程原型，但这仅仅是解决问题的起点，而非工程工作的本身。

对于软件工程工作而言，代码需要经过更周密的思考和精心的设计，包括它如何与其他后端系统交互，以及其内在逻辑如何运作。而一个由人工智能编写的感应式编程原型则无需考虑这些因素。

Thomas 将感应式编程比作「给汽车接上电线强行启动，它能让你动起来，但你不会用它进行大规模驾驶」。

要构建一个能够超越初始测试阶段的产品或功能，需要严谨的工程方法。在此，代码的上下文、架构、测试和验证对于确保其可扩展性和可维护性至关重要。

Thomas 表示：“我们严格区分非正式原型设计与实际生产，以确保我们的工程标准毫不妥协。”

代理式工程与迈向「人机共生组织」之路

在工程方面，Grab 希望人工智能代理与人类采用一种名为「代理式工程」（agentic engineering）的产品开发方法进行协同工作。

Thomas 表示，这是 Grab 成为「人机共生组织」（cyborganisation）愿景的一部分，在这个组织中，人类与人工智能代理将无缝协作，共同创造价值。

这个概念源于科幻小说中的「赛博格」（cyborg），即半机械人，它将技术部件与有机体融合在一起，从而创造出一个更强大、更有能力的实体。

在代理式工程中，任务被委派给人工智能代理执行，然后由人类审查其产出，而不是让人类与人工智能助手共同编程。

Thomas 说：“如今，工程师能够将更高级别的任务或目标分配给人工智能代理，而代理可能需要几分钟或几小时来完成。人类只需在最后介入，检查完成的工作即可。”

过程并非一帆风顺

Thomas 简述道，Grab 在 2024 年暂停了部分日常业务活动，以在全公司范围内开展首次生成式人工智能技能提升和实验活动。

这场为期九周的活动是公司大力投资人才举措的一部分，旨在通过实践经验、内部研讨会和社群引导的人工智能学习来保持这一势头。

这项投资取得了回报，超过 90% 的工程师每天都在使用人工智能编程工具。

生产力也得到了提升，每位工程师的合并请求（merge request）增加了约 40%——该请求指将代码集成到应用程序中，其增加意味着应用程序的完成速度更快——开发时间也缩短了 20% 到 30%。

至于非工程团队，Thomas 表示他们也没有掉队，越来越多的团队成员开始使用人工智能来自动化任务和工作流程。

他说：“从长远来看，这将倍增我们的工程带宽，从而为我们在东南亚的用户和合作伙伴创造更多可能性。”

人工智能将加速工作进程

Thomas 补充道，人工智能并非一个附加功能，而是 Grab 构建其产品和功能所依赖的基础。

他解释说，来自超过 200 亿次出行和订单的数据，以及实时信号，让 Grab 在感知、预测和应对东南亚复杂运营环境方面具备了优势。

在工作中使用人工智能也存在一些挑战，他警告要警惕「偏差常态化」（normalisation of deviance）——一个在「挑战者」号航天飞机灾难后提出的概念。它指的是对规则的偏离在文化上被常态化。

在工程领域，随着人工智能辅助工作的速度和数量不断增加，Thomas 正在密切关注工程标准可能受到的任何侵蚀。考虑到 Grab 在东南亚的运营规模，这一点尤为重要。

他补充道：“你的构建速度越快，围绕你所接受成果的纪律就越重要。”