【Gartner】2025领导力协同：软件领导者与D_A领导者如何共同推动AI创新报告_14页_1mb

Gartner软件工程领导者服务总结

核心内容

Gartner发布的《软件工程领导者服务》聚焦于软件工程领导者与数据与分析（D&A）领导者在AI创新中的协同挑战。文章指出，随着AI技术的快速发展，传统的职能分工模式已难以满足企业数字化转型的需求，亟需通过文化与架构的变革实现更高效的跨职能协作。

主要观点

• 职能分化与组织孤岛：软件工程领导者通常关注技术创新与技术执行，而D&A领导者更多承担业务决策与数据治理的角色。这种分工容易导致组织孤岛，影响整体效率与战略一致性。
• AI责任分配碎片化：当前AI项目管理模式存在职能分散、部门孤岛或权责模糊的问题，仅有23%的受访者能明确归属特定职能角色，且IT与非IT部门在AI责任承担上呈现均衡分布。
• 跨职能协作的重要性：为了实现AI的高效落地，企业需要采用多学科方法，通过可量化的机制评估成本与业务价值，推动软件工程与D&A团队的协同。
• 统一指标与战略对齐：跨职能协作的关键在于统一指标，确保团队工作与企业战略目标保持一致。业务成果驱动型指标（ODM）能够帮助团队识别协作领域，实现协同效应。
• IT运营模式与团队架构适配：企业应根据其IT价值主张选择合适的运营模式（如资产优化型、创新优化型等），并据此优化团队架构。在数字产品模式下，软件工程与D&A团队应整合至敏捷团队中，以实现一体化交付。

关键信息

1. 职责分工与协同边界

2. AI项目责任分布

• AI责任碎片化：企业AI项目管理模式存在三种形态：职能分散型、部门孤岛型、权责模糊型。
• 权责仲裁：责任分歧应通过CIO/CTO等高层决策者进行仲裁，以建立清晰的责任矩阵。

3. 跨职能协作建议

• 深度协同：软件工程领导者应与CIO和CDAO（或CTO）协同，明确AI项目的责任与目标。
• 制定协同战略：联合D&A领导者制定AI就绪的D&A战略，整合数据治理、DevOps、MLOps及负责任AI原则。
• 平台工程与数据工程协作：强化平台工程与数据工程的协作，避免资源重复投入，统一数据平台建设。
• 业务成果驱动型指标：通过ODM指标将团队操作性指标与业务结果明确关联，确保协同方向一致。

4. 团队架构优化

• IT运营模式：Gartner识别出五种IT运营模式，包括资产优化型、流程优化型、服务优化型、价值优化型和创新优化型。
• 数字产品模式：在数字产品模式下，软件工程与D&A团队应整合至敏捷团队，共同开发数据、分析和软件组件。
• 独立运营模式：若运营模式侧重IT服务交付或流程优化，建议保持团队独立运作，但在需要跨学科合作的项目中，可组建混合团队。

依据

• Gartner《2024年首席数据与分析官（CDAO）议程调研》：调查了479名D&A领域的高级领导者，以确定其2024年议程与战略挑战。
• Gartner网络研讨会投票数据：来自2024年4月9日的AI趋势研讨会，2087名受访者参与，反映了AI与GenAI相关领域的兴趣与观点。
• Gartner《2024年数据、分析与软件开发交汇点调研》：调查了402名企业高管，关注数据与软件开发团队的协作方式及最佳实践。

客观、可执行的洞察

Gartner提供了多项免费资源，包括：

• 指南：《AI数据就绪的关键要素》——帮助管理与调整数据以释放AI价值。
• 路线图：《打造行业前沿的软件工程部门》——解析驱动软件工程组织持续领先的核心要素。
• 电子书：《提高软件和SaaS采购谈判能力的8个步骤》——提升企业的议价能力与风险管理。
• 网络研讨会：《DeepSeek与Manus揭秘：真相、误解及其对企业的实际影响》——提升战略规划与执行能力。

结论

为了在AI创新中取得成功，软件工程领导者与D&A领导者必须打破组织壁垒，建立清晰的权责矩阵与统一的协作框架。通过调整团队架构、对齐指标、采用ODM机制，企业可以实现更高效的跨职能协作，从而推动技术执行与数据资产的战略耦合，支撑企业战略落地。