Armanino:用 Foundry 做成 AI App Factory,新应用生产时间降 89%,两小时客户会 30 分钟就能出需求
管理用法Foundry咨询交付可复用底座GitHub Copilot
一句话结论
美国会计与咨询公司 Armanino 把发现、设计、工程和上线收成同一套 Microsoft 栈上的工厂:认证、权限、审计和部署第一次就带上,新人工智能应用生产时间降 89%,版本修订周期少 90%。顾问把两小时客户会的结果,从当日整理变成 30 分钟出成品。
打开原文
Microsoft Customer Stories:Armanino AI App Factory
背景与理念
中端客户要的不再是又一个试点,而是能上生产、可审计、可运维的应用。做一个能看的原型只要几天,做成受监管客户愿意运行的系统却可能要几个月,很多项目就卡在这一段。Armanino 的核心开发团队很小,却要把工作流改造成人工智能原生,并给客户交付这类应用。他们的办法是先做成一条可复用的工厂,而不是每个项目从零搭身份、安全和部署。过去做人才招聘工具、技术会计备忘录起草和客户情报引擎时,底层每次重来,工具链还在 Claude、ChatGPT 和若干独立服务之间倒手。
具体做法
- 交付被收成发现、设计、工程、上线四个固定阶段,全部落在同一套 Microsoft 栈上。发现用 Teams 和 Microsoft 365 Copilot 做访谈与需求;设计阶段用 Copilot Studio 在第一次客户会上就给出可演示的智能体原型;工程用 GitHub Copilot、Microsoft Foundry 和 Azure DevOps;上线用 Playwright 自动测试。Foundry 负责模型编排、提示管理、评测管线和生产部署。
- 每个新用例开工时,认证、基于角色的访问控制、审计轨迹和部署自动化已经带着走,安全评审不必每个项目重做一遍。Purview 的控制在应用之间复用。Talbot Harty 说,从原型到生产,工程已改回用 GitHub Copilot,整个后端都在 Microsoft 上;改用这套工具链后,一次企业应用更新的版本迭代只需 4 小时。
- 工厂已经做出多类应用,若干已部署到客户处。包括按 ASC 606 做收入确认技术备忘录的起草器,需求挖掘并自动起草变更请求的 Requirements Miner,兼作服务知识库的投标生成器,以及替换市场部原有工具的单一智能体应用。顾问 Casey Williams 用 Requirements Miner,把两小时客户会的结果从当日整理变成 30 分钟出成品;发现到方案讨论和产品演示的时间约减半。客户中途更换实施伙伴时,用该工具挖掘既有项目材料,上手从数周压到数天。Carmel Wynkoop 说,客户最常见的反应是吃惊:他们以为会拿到一份策略稿,看到的却是可运行原型。
关键数据/例子
新应用生产时间降 89%,版本修订周期少 90%。团队估计,每个新用例开工时大约已完成 60%,因为生产级基础设施第一天就带着走。两小时客户会可在 30 分钟内整理成需求;发现到方案讨论和产品演示时间约减半;一次企业应用更新的版本迭代只需 4 小时。Drew Armanino 称工程能力约提升十倍,很多项目以前会因时间和成本根本不会尝试。这组「十倍」和「约 60% 已完成」是负责人估计。
创新点
第一,先做可复用的认证、权限、审计和部署底座,再在上面堆业务逻辑。第二,第一次客户会就带可运行原型,而不是先交策略稿。第三,发现、设计、工程、上线固定在同一工具链,减少模型和平台之间的交接损耗。
可否复用
- 先把认证、权限、审计和部署做成可跨项目复用的底座,再在上面开发业务功能。
- 第一次客户沟通就带可运行原型,用会议原文直接对到需求条目和验收标准。
- 发现、设计、工程和上线尽量固定在同一工具链里,避免在多个模型和服务之间来回倒手。