腾讯TAPD&信通院金融研发管理交流会：AI赋能金融研发管理的智能跃迁

TAPD敏捷研发

发布于 2025-03-19 16:56:55

810

文章被收录于专栏：TAPDTAPD

2025年3月14日，由腾讯与信通院联合主办的“AI时代下的金融研发管理交流会”在北京腾讯总部大厦盛大举行。本次会议以“深度推理重构效能：金融研发管理的智能跃迁——DeepSeek技术驱动的研发范式革新与行业实践”为主题，聚焦金融行业研发管理的前沿趋势与实战成果，吸引了众多行业专家、企业代表及金融科技同仁齐聚一堂，共同探讨AI技术如何为金融研发管理注入新动能。

往下看，文末有返场惊喜哦！

一、会议开场：共绘金融研发管理新蓝图

会议伊始，腾讯TAPD运营负责人郑峰致欢迎辞，对各位嘉宾的到来表示热烈欢迎。郑峰指出，在国家“十四五”规划“产业数字化”与“数字产业化”双轮驱动战略的指引下，AI技术正引领金融研发管理迈向新的高度。本次交流会旨在汇聚行业智慧，探索AI技术在金融研发管理中的创新应用，助力企业突破效能瓶颈，构建智能型组织。

腾讯金融云解决方案总监吴悦宁出席会议并致辞，他强调了腾讯在金融科技领域的持续投入与创新实践，以及TAPD在助力金融机构数字化转型中的重要作用。他表示在金融行业，TAPD 已经得到广泛应用，众多金融客户信赖 TAPD，借助它为金融产品的研发保驾护航。TAPD帮助金融企业应对需求爆炸、团队协同复杂化和跨项目协同的挑战，通过 AI 技术实现研发管理模式的革新。

中国信通院云计算与大数据研究所云计算部主任马飞出席会议并致辞，他表示，国务院“五篇大文章”指导意见为数字金融创新提供政策支撑，而DeepSeek等技术的突破正推动金融研发范式重构，助力行业的智能化跃迁。整体看来，金融业智能化已从技术工具应用迈入体系化变革阶段，技术融合与标准引领成为关键。希望各方携手共进，共同推动研发革新与行业实践向更加标准化、智能化、高效化的方向发展，为产业的蓬勃发展注入不竭的创新活力。

二、重磅发布：TAPD 8.0引领智能研发新潮流

在全场瞩目下，腾讯正式发布了《腾讯TAPD 8.0》版本。TAPD 8.0是首个深度融合DeepSeek大模型和混元大模型的智能研发平台，覆盖需求分析、测试执行到报告生成的全链路AI研发管理工具。它不仅凝聚了腾讯千亿级产品矩阵的实践精华，更标志着研发管理从“流程驱动”向“智能驱动”的跨越式升级。

三、洞察报告：AI重构项目管理新范式

紧接着，一场具有行业引领意义的启动仪式拉开帷幕——《AI技术在项目管理中的应用洞察报告》正式启动。这份重量级报告将由腾讯与信通院联合编制，它将首次系统性地揭示AI技术如何深度重构项目协同与测试协同，并为金融行业量身定制从战略规划到落地执行的全方位方法论。

四、专家分享：深度剖析AI赋能研发实战

会议下半场，多位行业资深专家轮番登台，分享AI赋能金融研发管理的实战经验与前沿思考。

TAPD高级产品经理廖建崴详细介绍了腾讯TAPD8.0版本，TAPD8.0是腾讯推出的新一代智能研发管理平台，集成了AI协同智脑、企业级敏捷、DevOps研发一体化和Jira迁移无损一体化方案。AI协同智脑提供智能测试和智能需求编写，覆盖从需求评审到测试报告的全流程，利用AI技术提升效率和质量。企业级敏捷模块包含新度量、路线图和项目集，通过可视化工具和灵活配置，助力团队实时掌握项目进展，确保在市场变化中保持领先。DevOps研发一体化模块实现了需求、代码和交付的一体化，提升跨团队协作效率。Jira迁移无损一体化方案确保数据完整迁移，提供智能知识库和并行工作流，优化工作流程。TAPD8.0全方位满足企业研发管理需求，推动数字化转型。‍

TAPD高级架构师杨冬宇以“深度推理加速软件测试革命”为主题，深入浅出地讲解了全链路AI测试管理工具的创新应用。该工具能够从需求分析阶段自动推导测试重点，智能生成测试用例，并规划测试执行路径，使测试效率提升300%。例如，在某大型金融项目中，通过应用这一工具，原本需要数周才能完成的测试工作量，在保证测试质量的前提下，被大幅压缩至数天，显著加快了产品迭代速度，助力金融机构快速响应市场变化与客户需求。

TAPD高级架构师李松延则聚焦“DeepSeek时代的企业级敏捷”，阐述了腾讯如何通过AI驱动的企业敏捷协同模型，打破传统组织架构与流程的束缚，实现业务与技术的深度融合。在这一模型下，业务人员与技术人员能够在一个共享的数字化平台上实时协作，通过AI辅助的需求梳理、任务分配与进度跟踪，确保业务需求快速转化为可交付的技术成果。同时，AI驱动的持续反馈机制，能够及时捕捉市场变化与用户反馈，推动产品迭代优化，使企业在激烈的市场竞争中始终保持敏捷与创新。

CNB高级架构师王春雨分享了DeepSeek算法在软件开发全流程中的赋能实践。从自然语言生成代码到单元测试自动补全，这一系列创新应用不仅大幅提升了开发效率，更为金融团队在合规性与创新性之间找到了精准的平衡点。例如，在金融产品的代码开发阶段，开发人员只需输入简洁的自然语言描述，AI算法即可自动生成符合规范的代码框架，开发人员只需在此基础上进行细化与优化，既保证了代码质量，又加速了开发进程。在单元测试环节，AI工具能够根据代码逻辑自动补全测试用例，确保测试覆盖全面，有效降低缺陷率，为金融软件的稳定运行奠定坚实基础。

信通院云计算与大数据研究所云计算部工程师刘之莹从政策与标准视角，解读了AI与测试标准化建设的协同发展路径。刘之莹指出，随着AI技术在测试领域的广泛应用，构建一套适配AI测试的标准化体系显得尤为重要。这一体系不仅涵盖测试流程、方法与工具的标准化，还包括对AI测试数据的质量管控、模型评估与持续优化等方面的标准制定。通过标准化建设，金融行业能够确保AI测试的可靠性与可重复性，为构建安全可信的智能研发体系提供坚实保障。

北银金科高级架构师王蕊以银行实践为例，生动展示了AI工具链如何助力金融机构实现需求交付周期缩短40%、缺陷密度下降45%的卓越成效。王蕊详细介绍了银行在引入AI研发管理工具后，从需求收集、分析、设计到开发、测试、部署的全流程优化实践。例如，在需求收集阶段，通过AI智能表单与自然语言处理技术，能够快速梳理用户需求，自动生成标准化的需求文档，减少需求沟通成本与误解风险。在开发与测试阶段，AI驱动的代码审查与自动化测试工具，能够精准定位问题，加速缺陷修复，确保产品高质量上线。这些实践成果为同业提供了可复制、可推广的数智化落地路径图，具有重要的借鉴意义。