LLM不是默認執行引擎

每一代人都有關於捷徑的警示故事。對於Z世代來説，最新的實例之一是電影《Obsession》。表面上它是一部心理恐怖片，講述音樂店員工Bear Bailey發現了一棵可以許願的魔法柳樹，希望讓暗戀對象愛上他。願望實現了，但方式出乎意料，最終演變為佔有。這棵柳樹並不邪惡，只是確切地實現了他所要求的，而不問這是否是他真正需要的。AI的採用與之驚人相似。

作為一名Z世代，我喜歡看到流行文化超越娛樂，解釋我們思考技術的方式。這正是《Obsession》給我的啓示。它讓我意識到，我們可能正在對AI做同樣的事情——不是因為AI危險，而是因為我們有時過於專注於得到想要的結果，而停止了質疑我們所走的道路。

每一個AI計劃都始於良好的意圖。比如自動化文檔、總結會議、構建支持代理——這些想法本身沒有錯。問題在於AI悄悄地從手段變成了目標本身。團隊開始問“我們還能在哪裏使用AI？”而不是“這創造價值嗎？”。這就是許下另一個願望的版本。

AI成熟度不在於構建更多AI。Bear並沒有因為一個決定而迷失，而是因為每個後續決定都更容易合理化。團隊也會經歷同樣的漂移。不成熟的團隊用採用率來衡量成功：多少AI功能上線？多少代理在運行？多少工作流使用了LLM？而成熟的團隊衡量的是完全不同的事情：哪些工作流實際改善了結果？哪些降低了運營成本？哪些被客户真正使用？哪些根本就不該構建？AI成熟度是由引入AI的審慎程度以及團隊在AI不增加價值時自信地選擇不使用的程度來衡量的。

治理的存在是為了打斷慣性。在《Obsession》中，最安靜的一課不是願望本身，而是Bear不再質疑他所追求的結果是否還有意義。他專注於維持願望，而不是理解其後果。AI治理正是為此而生。它的職責是保護決策質量。治理創造了空間，讓團隊不斷提問：為什麼在這裏使用AI？這解決了客户問題嗎？AI真的是最佳方法嗎？更簡單的工作流能否達到同樣效果？如果完全移除AI會發生什麼？

最昂貴的提示詞是根本不需要存在的提示詞。像詞元優化、緩存、工作流編排和生產級AI系統等工程實踐非常有價值，但它們都假設工作流本身值得存在。工作流只有創造價值時才值得存在。在優化提示詞之前，團隊應該先優化引入提示詞的決策。明智地使用AI並不是對每個機會都説“是”，而是知道什麼時候説“不”比另一個工作流能創造更多價值。

在《Obsession》中，悲劇不在於Bear許了願，而在於一旦願望生效，他停止了質疑它是否仍引導他走向真正想要的東西。AI也是如此——它可以生成、總結、分類、自動化，但它不會問這些是否創造有意義的價值。這個責任仍然屬於我們。AI非常擅長實現願望，而治理的存在是為了確保我們許下正確的願望。

構建你可以合理證明的AI工作流。Unmeshed讓你在同一個工作流中結合模型調用與確定性規則、決策表和人工審批，使每一步AI都是刻意的選擇，而非反射。嘗試Unmeshed，聯繫我們。