不信任有其職責;只是不是你正在做的工作
本文提出,對AI的懷疑態度並非缺陷,而是可靠性工程的一部分。前微觀管理者可以成為“驗證架構師”,負責決定AI任務屬於A3框架中的輔助、自動化還是避免模式,並設計驗證流程。文章區分了兩種微觀管理動機:權威維護和積累經驗,後者在AI背景下尤為有用。
在敏捷教練的二十多年努力中,微觀管理者——那些插手每一份草稿、每一次會議、每一個決策的人——始終未被改變。然而,本文指出,他們的不信任並非缺陷;它只是被指向了錯誤的目標。隨着AI的採用,這種懷疑態度實際上可能成為一項資產,催生出一個新角色:驗證架構師。
什麼是驗證架構師?驗證架構師負責決定哪些AI任務屬於A3框架中的輔助(Assist)、自動化(Automate)或避免(Avoid)模式;定義每種模式下審核的具體含義;並運行驗證循環,將每次AI失敗轉化為更清晰的提示、評估或驗收標準。這個角色不是合規審計師:合規詢問規則是否被遵守,而驗證詢問系統是否在其運行條件下產生聲稱的結果。在小型組織中,這項工作通常由產品經理、Scrum Master、QA負責人或技術負責人承擔,而不是由持有頭銜的人擔任。
微觀管理者有兩種不同的動機,它們產生相同的行為,但需要不同的干預措施。第一種是權威維護:不信任是關於將決策權掌握在管理者手中,而不是改進輸出。這種管理者問“什麼能證明工作可信?”得到的答案是“我需要先看到它”。這樣的驗證是表演性的,檢查的是合規性而非風險。AI工具幫不了這種人,因為他們並不真正想要更好的證據——他們想要自己決定。
第二種是積累經驗:不信任基於具體的過去失敗。這種管理者能詳細描述出了什麼問題,什麼承諾未兑現,以及哪個驗證步驟被跳過。與人類同事相處時,這表現為微觀管理,因為驗證人類判斷的社會成本很高。但AI不同:驗證是結構化的且成本低廉。同樣的傾向,當指向一個概率系統時,能產生有用的工作。
區分二者的一個小診斷:對於“什麼會讓這個輸出可信?”權威維護的回答是“我需要先看到它”,而積累經驗的回答是“它必須通過這三項檢查”。前者檢查人的合規性,後者檢查工作產品的風險。前者改變的是決策權返回,後者改變的是系統規則更精確。
A3框架(輔助、自動化、避免)是測試屬於哪種模式的一種方式。權威維護無法誠實使用A3;答案模糊、可逆。積累經驗模式能迅速分類任務,因為懷疑基於具體的過去失敗。在輔助模式下,驗證架構師定義真正的審核是什麼樣的——拒絕橡皮圖章。在自動化模式下,他們設計審計節奏、回滾條件和漂移檢測。在避免模式下,他們保護邊界,防止因便利而採用AI。
最終,AI創造了一個敏捷運動從未命名的角色:驗證架構師。他們不問“AI能做這個嗎?”,而是問“為了讓AI在我們的環境中安全、可重複、可測量地做這個,需要滿足什麼條件?”他們的工作單元不是提示,而是循環——日復一日、數月累積的工作。