AI無法完成最後的20%

作者Vincent Schmalbach是一名經驗豐富的軟件開發者，多年來一直從事個人項目和自由職業工作。他觀察到，AI工具的出現顯著提升了他的開發效率。在熟悉任務領域，他只需向大語言模型描述需求，就能迅速獲得大量代碼輸出，包括項目搭建、功能實現、錯誤修復等。這使得一個完整項目看起來觸手可及。然而，在他的所有項目中，AI幾乎從未能獨自將其推進到真正完成的地步。

AI可以高速完成前80%的工作——甚至給人已完成90%或99%的錯覺，但最後幾個百分點的細節仍需大量專注投入。作者強調，問題在於AI讓他快速到達一個點，之後他依然要處理那些他提前告知過AI的細節。這並非AI無用，而是它擅長加速熟悉部分，卻無法替代人類對模糊性、用户感受和業務妥協的判斷。

在項目初期，作者已經理解大部分工作：搭建應用、構建主要界面、連接數據、實現常規行為。由於多年經驗，他知道該要求什麼，並能識別輸出錯誤並改進指令。這使他能更快地將想法變為可運行的演示。但即便在AI幫助下，真正困難的部分依然存在：奇怪的用户輸入、笨拙的集成、部署問題、安全漏洞、偶爾失敗的後台任務，以及只有長時間使用才能察覺的設計缺陷。AI讓他更早遇到這些問題，但並未讓它們消失。

在最終階段，AI仍有用武之地：編寫測試、檢查日誌、建議修復、審查代碼、打磨界面。但作者無法放手讓AI判斷項目何時完成。它不知道客户會接受哪種妥協，哪個細微的工作流問題會每天困擾用户，哪個Bug最重要。這些都需要作者親自注意、決策和驗證。

這種模式容易讓人產生懶惰：看到可運行的演示很容易覺得大部分工作已完成。啓動新項目比回頭修復當前項目的細碎問題更有趣。AI使他啓動項目的速度超過了完成項目的速度。每個輕鬆的開始都留下了一個等待處理的最後20%。這在個人項目中尤為明顯：作者可以快速讓幾個想法看起來有前景，但每個項目仍需大量打磨和手動工作。

客户項目遵循相同規律，但風險更高。他不能交出一堆代碼或印象深刻的演示就宣稱工作完成。軟件必須解決客户僱傭他解決的問題：正確運行、經受日常使用、便於他人維護。更快地實現主要功能固然有價值，但所有收尾工作仍必須完成。

因此，AI為他節省了大量時間，也讓他更快地到達需要專注的部分。但他不能因速度而變得懶惰，因為完成項目仍然是他的責任。