思想领袖

停滞陷阱

Andrew Filev
将 Unite.AI 添加到您在 Google 上的首选来源
要点人工智能正在推高工程效率的竞争基准,使得当前的生产力提升显得不足。
查看更多
  • 人工智能正在推高工程效率的竞争基准,使得当前的生产力提升显得不足。
  • 工程团队正分化为持续适应人工智能的群体与停滞不前的用户,导致结构性绩效差距的产生。
  • 领导者必须通过环境变革而非个人指令,积极推动整个团队向上适应这一技术曲线。

我最近写过一篇关于AI疲劳的文章,认为工程师正在经历的不是慢性病,而是训练后的肌肉酸痛。坚持下去,逐步适应,就会变得更强。

这番话没错,但故事还有另一面,而且正迅速变得更加明显。工程团队眼下面临的真正风险不是倦怠,而是停滞不前。

新的分化

如今,几乎所有资深工程师都在使用AI。Copilot、Claude、Cursor、Codex,诸如此类。这一点已经没有悬念。如果你领导着一个工程组织,看到AI得到广泛采用,可能会感到满意。

你不该因此满足。

采用人数本身没有意义。重要的是数字之下正在发生的分化。你的团队正悄然分成两类:一类工程师获得了生产力提升,随后便安于现状;另一类每周都在继续探索,尝试新的工作流、新的智能体配置,以及将问题拆解后交给AI处理的新方法。

在仪表盘上,两类人都显示为“AI采用者”。但一类人遵循着逐步增加负荷的训练计划,另一类则在第一个让自己感到舒适的重量上停了下来。

六个月前,两类人之间的差距还几乎看不出来。如今,任何留心观察的人都能看得一清二楚。再过六个月,这种差距就会成为结构性的。

停滞究竟是什么样

停滞不前的工程师,按传统标准并没有做错什么。他们有能力,也能交付工作。他们让智能体处理简单任务,再修正结果。生产力也许提高了20%至30%,于是便认为大功告成。

问题是,旁边的工程师没有就此止步。那位工程师如今在运行多智能体工作流、改进验证循环、将完整功能拆成AI可以执行的模块,并从架构层面审查结果,而不是逐行检查;其交付速度已达到过去的两到三倍。原因不是他们更有天赋,而是他们继续训练,其他人却休息了一天,结果这一歇就变成了整整一个季度。

这无关对AI的热情,也无关是否属于早期采用者。早期采用阶段已经结束。现在的区别在于持续适应,还是只做一次调整。两种方式不断累积的差距,已变得无法忽视。

竞争压力真实存在,而且正在加速

如果你的团队能够从容地按自己的时间表适应变化,停滞问题就只是一个绩效管理问题。虽然烦人,但仍可应对。

然而,看看软件行业的整体局面,你很可能并没有这种余裕。

软件行业在很大程度上是为帮助人类完成数字工作而建立的:帮助客服人员查看新收到的工单、跟踪发给客户的回复、管理工作流。现在,AI智能体正在取代整套工作流,并由此颠覆支撑它们的SaaS平台。此外,随着AI的能力每天都在增强,客户开始问:“我们还需要购买这个产品吗?还是现在就能自己做出来?”在越来越多的应用场景中,AI已开始降低“购买”与“自建”之间的门槛。曾经留住客户、保护收入的产品黏性,正在逐季减弱。

你那些停滞不前的工程师,其工作节奏对应的是一个已经不复存在的竞争环境。

一句让我重新看待一切的话

在不同公司、不同情境中,我已经不止一次听到这句话:有的产品经理挽起袖子,通过“氛围编程”做出功能;有的工程负责人重新设计了失效的架构。他们都说:

“对我来说,和自己的智能体一起反复改进这个东西,比和那位工程师一起做更容易。”

第一次听到时,我觉得这是夸张。第三次,我意识到这是一种预示后续变化的先行指标。

在我看来,有些工程师会在这个新世界中蓬勃发展,成为AI能力的“倍增器”。要做到这一点,他们需要在两个方面足够强,而这两点都可以凭借足够的内在动力和求知欲,通过自主努力培养出来:

  • 他们与利益相关方,如产品经理、工程经理等,处于同一频道。他们理解什么才是好的结果,你不必事无巨细地反复解释。如果他们造成的误解和你的编程智能体一样多,智能体一定会胜出。它能立即响应,全天候可用,而且永不疲倦。
  • 他们持续改进自己的AI配置和使用方式。因此,当你把事情交给他们时,你知道它不仅会做好,如上一点所述,而且完成速度足以跟上市场的新节奏。

为什么这是领导力问题,而非个人问题

人们很容易把它归结为工程师个人的责任:“跟上,否则就会被甩下。”但如果你领导着一个工程组织,这种说法就让你自己摆脱了责任。

那些工程师并非无缘无故地陷入停滞。他们停下来,是因为环境中没有任何因素推动他们超越最初的适应阶段。他们实现了看似合理的生产力提升,没有人要求他们再向前一步,惯性便完成了剩下的事。

那些继续探索的工程师呢?大多数具有内在动力,不管怎样都会继续前进。但你不可能让整个工程组织都由自主寻找新边界的人组成。领导者面临的问题是:如何带动处于中间的那群人?

这是一个变革管理问题。我最喜欢的相关框架之一,来自希思兄弟的著作Switch。简而言之,你需要给人们清晰的方向,让他们切身感受到这件事为何重要,并重塑环境,使新的行为成为阻力最小的路径。应用到工程团队,就是下面这样:

找到亮点,让大家看见。找出在AI工作流方面走得最远的工程师,让他们定期向团队展示。不是培训课,而是现场演示真实工作。当团队中间那群人看到自己的工作流与最善于适应者之间的差距时,就会产生一种有益的不适感,这是任何强制要求都无法比拟的。

  • 缩小改变的规模。“采用AI”太抽象,难以直接付诸行动。这个迭代周期先把智能体端到端测试做好,下个迭代周期再推广到整个组织,依此类推。具体、可操作的小步骤,总能胜过雄心勃勃的转型计划,而小小的胜利也很重要。
  • 重塑默认做法。把验证流程编写成AI技能,确保它们部署到整个团队及其所有智能体。定义工作流,并采用支持这些工作流的工具。让新的工作方式成为阻力最小的路径,使人们自然靠近它,而不必费力争取才能做到。

窗口正在关闭

正是这一点,让问题不只是重要,而且紧迫。

眼下,适应差距还只是绩效上的差异。停滞不前的工程师比已经适应的人慢,但他们仍有生产力,仍在做贡献。你还可以继续带着他们前进。

但这个窗口正在关闭。随着AI能力加速发展、竞争压力不断叠加,工程工作的最低可行速度正在提高。今天“足够好”的工程师,不一定在下个季度仍然“足够好”。不是因为他们变差了,而是因为最低标准提高了。

那些能带动整个团队沿适应曲线向上走、而不只是带动早期采用者的组织,将获得不断累积的结构性优势。做不到这一点的组织会发现,自己的人力配置仍适用于一种已经不存在的竞争节奏。

每一位与我交谈的工程负责人,都在理智上理解这一点。真正因此改变团队管理方式的人却寥寥无几。理解与行动之间的差距,本身就是一种停滞。

没有舒适的节奏

在那篇讨论AI疲劳的文章中,我认为酸痛证明训练正在起作用。这仍然成立。但更难面对的事实是:重量还在不断增加。

在普通健身房里,你可以挑一个舒适的重量,永远维持下去。没有人会不经询问就在你的杠铃上加杠铃片。在当下的软件环境中,每次新模型发布、每项新的智能体能力、每种被人发现并分享的新工作流,都在移动那根杠铃。站着不动,重量最终就会把你压住。

如今的软件行业里,没有舒适的位置。对单个工程师如此,对他们所在的团队如此,对这些团队打造的公司也如此。唯一安全的位置,是持续前进。对工程负责人而言,唯一重要的问题是:整个团队是否都在前进,还是只有那些本来就会前进的人在动?

安德鲁·菲列夫是Zencoder的创始人兼首席执行官。他通过创立Wrike(拥有20,000多个客户,并以22.5亿美元的价格出售)改变了协作工作管理的格局,并在福布斯和纽约时报上被报道,他对人工智能和创新的热情仍在继续塑造工作的未来。