【TechWeb】6 月 5 日消息，面对金融科技强合规、高复杂度的业务特性，奇富科技持续推进 AI Native 组织转型，将 AI Coding 作为研发体系升级的核心抓手。经过三年积累，奇富科技公司已从工具引入走向方法论、上下文资产与自研基础设施建设，并在技术领域需求交付、测试生成和运维辅助等场景取得可量化成效。

引入 AI Coding 后，奇富科技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。奇富科技公司在代码架构、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，奇富科技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，奇富科技公司 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。奇富科技目前 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，奇富科技公司将围绕 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。