公司内部AI部署战略与目标 - 亚马逊零售部门（Stores）正在详细监控AI工具的推广情况，追踪工程师每月使用AI的频率、工具在日常工作流程中的嵌入程度以及是否产生有意义的成果[1] - 公司要求零售部门的超过2100个工程团队使用“AI原生”实践，将软件代码发布速度提升三倍，同时要求至少25个团队在今年将产出提升十倍[2] - 亚马逊高级领导团队（S-Team）正在密切跟踪这些目标的进展[2] AI采用现状与内部工具推广 - 截至2月，亚马逊约60%的零售工程团队已采用AI原生实践，公司的目标是让80%的团队采用[9] - 公司自研的AI工具使用率正在上升，例如与Slack集成的AI Teammate代理已扩展到超过700个活跃团队[10] - 其他工具如将想法转化为技术设计和文档的Pippin，以及AI编码助手Kiro，采用率和参与度也在增加[11] 衡量体系与指标 - 公司建立了详细的衡量体系，高管追踪从工程师每周生产部署到AI采用率和参与率等各项数据[12] - 对单个AI工具的监控指标包括月活跃用户、小型“两个披萨团队”中的使用情况以及用于衡量员工情绪的净推荐值[13] - 公司还追踪一个名为“价值衍生事件”的指标，用于衡量生成输出或提供反馈等行为的频率[13] 内部文化挑战与调整 - AI的推广在亚马逊去中心化的工程文化中引发了摩擦，内部反馈指出存在对“自上而下、中央控制指令”的负面看法，以及对团队间AI工作重叠的担忧[14] - 工程师们指出了通过自我报告目标追踪进展的负担，以及缺乏明确的成功指标和实施指导[15] - 作为回应，领导层计划将指导方针转向“协作式AI实践”，而非强制使用特定工具，并计划用自动化指标取代手动报告，给予团队更多采用AI的灵活性[16] AI工程原则与工作理念 - 公司制定了六项“AI原生工程原则”，强调速度与实用性，优先考虑有效的解决方案而非成本优化，并在能增加价值的地方使用AI而非强行应用于所有问题[18] - 原则包括“交付优先，成本其次”、“AI原生并非AI排他”、“前沿而非尖端”、“与你协作而非为你服务”、“并非所有偏好都是要求”以及“没有黑箱”[21] - 公司鼓励工程师将AI工具作为日常工作流程的一部分，而非偶尔使用的东西，并鼓励尝试不同工具，注意那些本可由AI加速的手动工作[19]