用 AI 让工程团队产出翻倍：Intercom 高级首席工程师 Brian Scanlan 的 Agent-First 实战

📌 One-Sentence Summary

Intercom 高级首席工程师 Brian Scanlan 分享如何通过强制推行 AI、统一收敛到 Claude Code，并沉淀可复用的内部 skill 库，在不到一年内把工程 PR 吞吐量翻倍。

📝 Summary

在这场 AI Engineer 大会演讲中，Brian Scanlan 详细复盘了 Intercom 在 ChatGPT 发布后全公司转向 AI-first 的推进过程。管理层只定了一个硬指标——「人均 R&D 代码变更数」，并公开承诺一年内做到 2X。落地打法围绕三步：第一是自上而下的文化变革，岗位说明书直接写明「不采用 AI 即不达预期」，同时成立专职的 Team 2X；第二是平台收敛，放弃过去对各类编辑器一视同仁的策略，全面押注 Claude 与 Claude Code，并把它接入公司内部所有系统、约定和架构模式；第三是 agent-first 工程原则，工程师必须「向上一层」工作，把工作流沉淀为颗粒度小、可回归测试、长期可用的 skill，并用历史数据做 back-testing 验证。Scanlan 给出了硬核内部数据：PR 吞吐量提前完成翻倍目标，约 17.6% 的代码审批已实现完全自动化，且在 SOC 2、ISO 27001、HIPAA 合规框架下无需 human-in-the-loop；专门的 skill 已能自动修复 flaky 的 Rails 测试，并在数分钟内独立处置真实安全事件。他把这一波变革类比为当年 sysadmin 向 SRE 的转型，只不过这次是整个行业以 100 倍速度同时发生。

💡 Main Points

1. 锁定一个硬性产出指标，并公开承诺翻倍 Intercom 把「人均 R&D 代码变更数」选定为唯一的吞吐量指标，并设定一年内做到 2X。一个明确的数字，加上开发者满意度调研与 DX 工具作为辅助信号，让整个组织聚焦在同一方向上，进展也变得可度量。
2. 自上而下强制采用 AI，并配齐专职推动团队 岗位说明书被改写：任何角色只要不采用 AI，就直接判定为「不达预期，二元判定」。公司同时为数百人的 R&D 团队投入了全职的 Team 2X，专门做内部插件、skill 和 onboarding，把文化变革当成一个工程项目来推进。
3. 收敛到统一的 Agent 平台才能拿到复利 Intercom 放弃了过去同时支持 Copilot、Cursor、Augment 等多个工具的策略，全面押注 Claude Code，再把它和公司内部每一个系统、Rails 约定、React 模式和安全规则打通，让改进可以叠加复利，而不是分散在不同工具之间。
4. 比起自研 Agent 编排，更应该沉淀小而长寿、经过 back-testing 的 skill 工程师的精力应从写应用代码转向把工作流编码成可测试的 Claude skill，并用历史数据回测验证。比如有的 skill 已经能独立修复 flaky 的 Rails 测试，另一个 skill 则在两分钟内端到端处置了真实的安全事件。
5. 自动化代码审批可以在 SOC 2 / ISO / HIPAA 框架下无需 human-in-the-loop 通过对审批结果做 back-testing、给输出打标签、把 PR 引导向更安全简单的变更，再配合审计方梳理日志和控制项，Intercom 现在在受监管的合规体系下，已经能自动审批约 17.6% 的 PR——这反而降低了风险，而不是增加风险。

💬 Key Quotes

• 去年年中，我们定了一个非常简单的目标：把工程团队的吞吐量在一年内翻一倍。
• 在 Intercom，不管你是设计师、产品经理还是工程师，只要你不采用 AI，就是不达预期，二元判定。
• 如果你把不同的工作流分散到各种云厂商和工具上，就拿不到一个精心设计的平台所带来的复利收益。
• 工程师能做的每一件事，智能体都必须能做到。
• 你不需要 human-in-the-loop 也能拿到这些合规认证，但前提是你必须非常清楚自己在做什么。

📊 Article Meta

Play Full Video