人工智慧的生產力陷阱

在人工智慧技術快速發展的今天，許多組織都在增加AI的使用量——更多的支出、更多的令牌消耗、更高的採用率，並將這些指標作為價值體現的證據。然而，這些組織卻私下抱怨實際影響力並未達到預期。使用量上升了，但交付成果卻沒有同步增長。作者經過數週的思考，認為這背後有兩個問題：多數人對AI的正確使用方式理解有誤，即使他們知道更好的方法，也存在結構性的原因使他們偏離正確方向。

首先，我們要理解真正的任務是什麼：交付客戶願意付費的東西。然而一個令人不安的事實是，大多數構建的專案最終都會失敗。作者以自己在Mixpanel的經歷為例：他花費數月打造了一個功能，允許客戶將所有資料匯入Mixpanel進行分析，但幾乎完全沒有在開發過程中接觸客戶。最終產品釋出後反應冷淡。這次失敗讓他意識到，關鍵不在於變得更聰明，而在於增加可從中學習的嘗試次數——不是同時向客戶丟擲大量東西，而是縮短迭代週期，快速將粗糙的早期版本交給客戶反饋，保留有效的部分，丟棄無效的。

因此，AI的有效利用應當使這種迭代交付更快、更好、更安全。但大多數人的做法恰恰相反。程式碼生成是AI的第一個重大勝利，也是阻力最小的路徑：輸入提示，程式碼立即出現，大多能正常執行，這種即時滿足感讓人沉迷。於是人們不自覺地沿著這條路徑前進，尋找更多能用AI快速完成的工作：構建更多功能、重構、工具、儀表板，以及各種一次性技能。然而，這種舒適的AI工作恰恰是低ROI的，因為它讓你不斷重複AI已輕易實現的事情。阻力最小的路徑與加速交付的路徑並不相同，儘管它們都讓人感覺忙碌。

有時，重構或清理確實是當務之急，比如當它能解除交付瓶頸或符合本季度目標時。但真正的陷阱不是做非交付工作，而是因為容易而選擇它，事後才稱之為優先事項。編寫程式碼只是眾多瓶頸之一，移除它後，約束並未消失，而是轉移到審查、驗證、部署、除錯等更麻煩的環節。真正的技能在於主動尋找下一個瓶頸，用AI解決它，然後繼續前進。那些抱怨AI未帶來預期收益的人，正是最佳化了下坡步驟，卻手動處理後續所有環節，他們深陷在迴圈中而不自知。

要爬出陷阱，需要改變與工具的關係。不要像任務猴子一樣逐條指令地指揮AI，而應將其視為一個非確定性的黑箱，設定目標並定義驗證方式，然後讓它自主執行。構建審查迴圈、瀏覽器測試、驗證指令碼和自我糾正機制。AI在需要你介入前執行的時間越長，你從中獲得的收益就越大。當然，這需要適應：AI有時會寫出低效程式碼，偶爾引入錯誤。但只要投資了捕捉這些問題的驗證機制，代價是可控的。驗證是讓速度變得安全的關鍵，而不是為了快而跳過的步驟。

那些最充分利用AI的工程師與一年前已截然不同。他們設定目標，而非陷入迴圈；他們從客戶需求到原型再到生產的週期比以前更短，並且毫不猶豫地丟棄程式碼，因為程式碼從來不是重點，反饋訊號才是。如果AI負責執行，那麼工程師剩下的不再是敲擊鍵盤，而是品味、客戶理解力以及判斷什麼值得構建。AI不瞭解你的客戶，這是工作中沒有變得更容易的部分，也是值得你投入時間的地方。

因此，在遇到任何問題時，先問自己一個問題：使用AI是否能壓縮我交付一個可讓客戶做出反應的東西的時間？如果是，則大力投入，構建迴圈和驗證，然後放手讓它工作。如果否，則要誠實：這項工作可能值得做，但無論感覺多麼高效，它都不是ROI所在。未來幾年勝出的組織不是那些AI使用量最大的，因為AI讓“做更多”變得容易。勝利屬於迭代最快、願意遠離舒適的下坡工作、真正交付並從中學習的人。