Saurabh：人工智能（AI）在基于功能点（FP）估算中的应用-成都东契奇科技有限公司

Function Point Analysis (FPA)作为国际标准化的软件规模度量方法，自Allan Albrecht在IBM提出以来，始终是项目估算与生产力分析的核心工具。然而，传统人工计数模式正面临"劳动密集、依赖经验、易有偏差、难规模化"的痛点。而 AI 与 FPA 深度融合为困境破局迎来新机：AI 通过 NLP、机器学习等技术承担重复性和机械性工作，人类则负责解读模糊需求、验证 AI 输出等意义性工作，从而揭示出该领域从 “人工计数” 到 “人机协同” 的深刻转型逻辑。

一、什么是功能点计数？

功能点分析（FPA）是由 IBM 的艾伦・阿尔布雷希特（Allan Albrecht）开发的一种标准化方法，用于从用户视角根据软件的功能来估算其规模和复杂度，适用于项目估算和生产力分析。

二、手动功能点计数面临的挑战

1．劳动强度大且耗时；

2．需要经验丰富的分析师；

3．容易出现不一致性；

4．对于大型代码库，难以实现规模化计数。

三、人工智能在功能点计数中的应用

人工智能可通过以下方式实现功能点计数的自动化或为其提供支持：

1. 自然语言处理（NLP）

自动分析软件需求规格说明书（SRS）或用户故事。

提取输入、输出、文件和交互等相关组件。

将这些组件分类并映射到功能点类别。

2. 机器学习

利用历史功能点估算数据和项目元数据训练模型，以预测新项目的功能点规模。

通过监督学习，建立代码或需求特征与功能点数量之间的关联。

3. 计算机视觉（光学字符识别 + 自然语言处理）

从包含系统行为的扫描文档、流程图或图表中提取数据。

对遗留文档的处理尤为实用。

4. 代码分析（静态分析 + 人工智能）

将静态代码分析与人工智能 / 机器学习模型结合使用，从源代码中识别功能组件，并自动将这些组件映射到功能点组件。

诸如基于生成式预训练 Transformer（GPT）的模型或双向编码器表示转换器（BERT）等工具，可助力标记和提取有意义的模式。

5. 专家系统 / 基于规则的人工智能

在专家系统中编入功能点计数规则，并借助人工智能增强该系统，使其能从修正中实现自适应学习。

四、人工智能在功能点计数中的优势

1．速度更快，可扩展性更强；

2．减少人为错误；

3．提高一致性；

4．在开发过程中提供实时反馈；

5．可集成到持续集成 / 持续部署（CI/CD）流水线中，支持敏捷估算。

五、人工智能在功能点计数中可实现的功能

1．自动化重复性任务：解析文档、识别输入 / 输出、统计事务数量。

2．标准化评估流程：减少分析师之间的评估差异。

3．提高处理效率：在大型系统或快速开发环境中效果尤为显著。

六、人类仍在（且将继续）承担的工作

1. 解读模糊信息

人工智能难以处理模糊或定义不清的需求，而人类分析师可以提出问题、澄清需求，处理边缘情况并解读特定领域的细微差别。

2. 验证人工智能输出结果

与自动化测试类似，人类会审核人工智能生成的功能点计数结果，根据具体场景调整以确保准确性，并确保符合相关标准。

3. 与利益相关者沟通

功能点分析不仅涉及技术层面，通常还需用于：估算成本、时间和资源；向管理者或客户说明预算合理性；促进业务团队与开发团队之间的沟通。

4. 训练和调整人工智能工具

人工智能工具需要领域专业知识来改进模型，需要结合实际使用过程中的反馈循环，并且需要随着标准的更新进行维护。

5. 将指标整合到更广泛的规划中

人类会将功能点数据用于：项目范围界定、供应商管理、风险分析和生产力基准测试。

七、那么，角色发生了怎样的转变？

人类不再是 “手动计数器”，其角色转变为：

1．分析师

2．质量审核员

3．战略估算师

4．人工智能工具操作员 / 训练师

5．业务与技术之间的桥梁

八、简而言之

人工智能负责 “机械性工作”，而人类负责 “意义解读”。

九、后言

通过这篇发布于 2025 年 5 月 14 日的文章，可以了解到国外目前还没有类似作者构想的人工智能功能点计数工具。

但在国内早已有了以【软件造价喵】为代表的AI 软件智能度量平台。作为国内首个公开注册使用的软件造价AI评估工具，软件造价喵接入deepseek、智谱、通义千问、kimi、百度文心等国内主流AI大模型，只需上传需求文档并选择对应地方或行业标准，即可一键完成功能点计数和软件价格估值。这种“文档上传-标准选择-智能测算”的极简流程，将传统需要数天的评估工作压缩至小时级，同时依托行业标准与海量数据训练的AI算法，显著降低了偏差率。目前，该工具已服务3000余家机构客户，覆盖全国30余省市的地方标准，成为推动信息化项目造价评估规范化、智能化、高效化的核心力量。