AI爱好者与时间赛跑，AI怀疑者与熵增赛跑
本文探讨了AI爱好者和怀疑者之间的分歧。爱好者看到AI带来的巨大生产力提升，而怀疑者则担忧随之而来的技术债务和系统可靠性下降。作者呼吁双方坦诚沟通，共同解决工程挑战，而非互相指责。
最近我参加了一场演讲，演讲者声称通过纯粹的“氛围编码”解决了困难的工程问题，清空了积压任务，并在几周内完成了以往需要一年以上的重写。听众中的AI爱好者们兴奋不已，认为终于有了无可辩驳的证据。然而，我了解到这位演讲者所在公司的其他员工描述这些项目是一场灾难：虽然取得了一些进展，但也留下了长长的混乱痕迹，团队数月后仍在清理后续问题。
这反映了一个日益扩大的鸿沟：AI爱好者与怀疑者之间。爱好者看到了真实的能力飞跃，认为不拥抱AI的公司可能被淘汰；怀疑者则看到快速交付代码而不阅读，导致可靠性下降、机构知识流失，同样构成生存威胁。双方都在与真实但不同的问题斗争，却很少有效沟通。
以Fin（前Intercom）为例，该工程团队在9个月内将产出提升了3倍（按合并PR数计算），缺陷积压减少一半，产品变更速度提升39%，宕机减少35%。这是真实且可复现的进步，但前提是团队已经拥有卓越的工程纪律、快速反馈循环和实验文化。
要弥合分歧，首先要讲完整的故事：同时谈论胜利和成本。爱好者庆祝成就时，也应主动询问是否有意外后果；怀疑者发现问题时，应负责任地反馈给相关方，而非私下抱怨。其次，将问题视为工程挑战而非修辞辩论：不要问“你为啥反对”，而问“需要什么条件才能让你放心交付代码？”——更好的评估、测试、特性开关、可观测性？将这些需求列入路线图。
正如DORA报告所言：“AI是放大器，它放大高绩效组织的优势，也放大困难组织的失调。”工程纪律从未如此关键。AI不是纪律的替代品，更不是捷径。只有通过协作和严谨，我们才能在错过窗口和系统崩溃之间找到安全路径。