歡迎回到《非正式寫作》理解複雜世界，前往那尚未被命名的自己。
組織導入 AI 的時候，噢 ~ 不對，應該說在導入 Agent 的時候，有一個繞不開的靈魂拷問。
如果你所在的公司/單位也正經歷著各種 Agent 革命，那這個問題對你來說應該是最熟悉的陌生人了。
當工程團隊、設計團隊、PM 團隊在台上展示著如何透過 Agent，甚至是多個 Sub-Agent，將過去需要耗費幾週甚至是數個月的成果，在短短數天內，就迭代出了可運行的版本。
讚嘆之餘，台下長官常有的一句提問：「總體來看，你覺得這整套流程大概省下我們多少時間人天」。
熟悉的是，一線執行者透過精進自己的技藝 (更完美的駕馭者) 達成高效產出所獲得的肯定；陌生的是，當這個提升已經到了躍遷的程度，我們還沒準備好，去回答那個幾乎是下意識就會浮現的追問：「那多出來的那麼多的時間，要拿來幹嘛？」
或是另一種擅自決定這些時間不會被拿去做更有意義的運用的變體：「我們還需要這麼多人力嗎？」
躲在「執行」的舒適區
在我聽過的十場關於 Agent 如何幫助實際工作的分享中，大概有九場是在談論編碼活動。為什麼呢？
一來，它足夠明確 (實現一個函式相較於完成長篇小說的一個段落來的明確）。在軟體開發這個錯誤成本低、迭代速度快且整合性強的領域，直接在台上 demo 出來，無疑是佐證自己 善用 Agent 能力的最佳範本。
二者，它足夠具體，而且是可驗證的具體。程式碼具備因果性，且容易驗證 (不管是單元測試或是端到端的整合測試)。
明確的投入 ，帶來具體的產出。軟體工程師喜歡這種踏實感。但，引領我們進步的原則，同時也侷限了我們的想像：
我們拼命展示的，其實只是整體工作的其中一部分：編碼。以致於老闆猝不及防的一問：「整體來說，提升了多少百分比的生產力」，我們始終難以給出漂亮的答案。
雖然，那一部分相較於上古世紀 (也就是幾個月前) 的軟體開發活動來說，已經取得大幅的躍進。但仍不足以支持我們回答那個關於 “整體” 的大哉問。
甚至 “整體” 本身是不是也開始發生了變化，也仍處於探索的階段！
…
流水線的線性思維
當長官拋出：「生產力提升了多少 %？」，背後的心理假設是：工具的使用與成果的產出，是正相關且線性的。
這是一種工廠思維：投入多少資本、增加多少工人、碼錶按下去，產能就該等比例提升。
只要做過軟體/產品開發的人應該都知道，軟體開發並不全然是工廠組裝線 (回想一下無數場的對齊會議和反來覆去的結論)。
產品的成敗，往往不取決於編碼的速度，而是決策的品質。我們真正耗費心力、左右成敗的關鍵往往是：前期的「需求確認」、中期的「架構設計」與「反覆迭代」，以及後期持續的「監控維運與改善」。
而需求訪談時的利益對齊、維運監控的診斷藝術，相較於編碼這種具有實體、可以被白紙黑字量化 (例如 Agent 生成的代碼行數、Agent發出的PR 數量) 的產出，顯得過於飄渺。
長官自然會抓著這個最容易看得懂、摸得著的產物，來作為判斷 Agent 提升整體生產力的依據。
這就好比我們在評估一個編劇的才華時，不看他的故事架構多麼嚴謹、劇情多麼動人，而是去數他今天在稿紙上寫了多少個字。
有個往前推到極致的想法1「代碼終將變得不可讀」：這層「轉譯」未必需要是我們人類能讀的懂的語言：
我們現在正處於一個尷尬的過渡期。AI 目前之所以還在撰寫 TypeScript、Python 這些人類看得懂的程式碼，僅僅是因為它是從人類的代碼庫中學習的，而且人類目前依然留在協作環節中。
未來 AI 產生的程式碼將會變得越來越不可讀。它可能會使用一種我們稱之為 ”Claude-speak” 的私有語言，或者專門為 AI 溝通發明、極度節省 Token 的高效能語言。
Agent 甚至可能跳過任何程式語言的媒介，直接編譯出機器碼。
編碼 (Coding)，本質上只是把人類的意圖，「轉譯」成機器能理解的過程。它是手段，從來就不是目的。
隨著 Agent 編碼能力的不斷提升，這個轉譯的手段很可能變得不再必要。只要產出能夠符合我的意圖，我又何必在意這個過程呢？
如果自駕系統已經可以安全、精準地把你送到目的地，你真的還會在意以前開手排車時，切檔和離合器配合的那些繁瑣細節嗎？
…
新時代的瓶頸
下班前，你給 Agent 設定了一個目標，然後安心回家睡覺。 隔天一早，你一邊喝咖啡，一邊打開螢幕，Agent 已經無比勤奮地為你提交了一個包含幾萬行程式碼、幾十個新模組的龐大專案。
在編碼這個環節上，Agent 寫代碼和提交 PR 的速度，已經徹底超越了人類大腦可以消化的極限。雖然我們把「轉譯(執行)」外包給了 Agent，但最終要為這個系統的安全與業務結果負責的，依舊是「人」。
開發週期確實從幾週縮短到了幾天。但問題來了：如果你要真正為系統負責、去 review 並確保沒有邏輯漏洞，你花在「閱讀並理解一個完全不是你設計的系統」上的時間，大體上跟以前自己寫一遍差不多 (你可能還需要幫它除錯)。
這就是「新時代的瓶頸」：執行力供過於求，人類的「驗收帶寬」成了較昂貴的稀缺資源。
正如 Anthropic 在其 AI 原生 SDLC 白皮書中無情指出的：傳統的開發生命週期是為了「寫代碼最慢、最貴」的時代設計的。當 Build 階段被 Agent 壓縮到極致後，瓶頸就會無情地轉移到它的左右兩側：那些依然只能以「人類大腦速度」運行的計劃、評估與審查2。
時間沒有被憑空省下來，它只是被轉移了 (除非哪天負責的是 Agent)。
如果我們依然試圖用「人工逐行看程式碼 PR」這種舊作法來進行把關，終將被代碼洪流淹沒。
面對新的瓶頸，一個正向擁抱改變的策略，就是將我們珍貴的經驗與精力，從「執行」逐漸抽離，重新投資到環繞著執行的兩端：將更多的注意力從「把事情做對」轉移到「做對的事」上面。
…
從「執行思維」到「編排思維」
新的瓶頸往往就是新的機會所在，我們最需要的就是跳出舒適圈進行一場痛苦但必要的心態轉變：從「執行思維」轉換到「編排思維」。
過去，工程師習慣把自己的價值與「執行了多少工作、寫了多少行 code、完成了多複雜的系統整合」綁定在一起。但在 Agent 時代，我們必須強迫自己放手，去扮演那個定義系統約束、調度機器運作的「系統編導」。
在這個全新的編排秩序中，我們可以透過四個核心的實踐，重新錨定人類的價值：
1. 執行的「起點」與「終點」
雖然軟體工程是首當其衝且影響最巨的行業，但持續增長的 Agent 智能，終究會衝擊各行各業裡意義更為廣泛的「執行」。
我們必須打破「執行才是核心」的慣性，將注意力轉移到前期的「規劃」與後期的「驗證」。
「規劃」指的是將一個抽象的意圖演繹成具體可實施的策略與群體共識；「驗證」指的是能判斷按策略所執行結果是否符合滿足了最初意圖。中間那段執行，就放手讓 Agent 在沙盒裡去狂奔。
我們要用更嚴謹的「工程實踐」去重構這兩端。
過去，大部分的時間都專注在執行上，我們為此累積了無數精華的產業實踐 (在軟體界，就是 SOLID 原則、12-Factor 等指南）。如今，引入 Agent 讓我們將這些經驗固化成可以自主運作、自我修正的迴圈 (Loop Engineering)，突破了執行的瓶頸。
現在，省下來時間，正是我們把執行的「起點」和「終點」好好地系統化的契機。
甚至，我們能藉由 Agent 的力量，把規劃與驗證的 Loop 也一併跑起來，實現更高維度的自動化。
.
2. 將無形的領域知識，轉化為動態的「數位資產」
工程師省下時間後，最核心的投資，是將你腦袋中那些人類無可取代的商業邏輯與架構經驗，轉化為 Agent 可以直接消費與運行的「數位大腦」。
現在各行各業在 Agent 化的過程中，不可避免的都會遇到「上下文窗口爆炸」的問題。在對的時間調用對的技能與工具，是除了模型本身智能外，決定最終產出品質的最關鍵因素。
如何將過去盤根錯節的系統整合，轉化為 Agent Native 的 Tool Interface：從「人類可讀」轉向「機器可讀」，將是未來幾年最巨大的典範轉移。
然而，珍貴的智慧往往難以言說，那些在特定場景下才會靈光一閃的直覺決策，你很難透過生硬的問卷或 AI 的靈魂拷問 (grill-me)，就能 100% 抽取出來。
知識不是靜態的陳述，而是會隨時間演進與變化的動態流。
因此，在思考數位資產化時，系統設計本身就必須形成一個「隱性知識萃取迴圈」。透過對使用者的操作行為的分析，讓 Agent 在後台自主推論：「使用者之所以在這個當下做出這個選擇，背後的決策理據是什麼？」並在歸納後提出草稿讓使用者確認。
透過「行為觀察 → 意圖推論 → 人類覆核」的動態閉環，我們才能在無痛、無干擾的狀態下，源源不絕地將人類情境化的工程直覺，萃取並固化為全組織可複用的數位資產。
.
3. 轉向「黑盒子管理」與「行為感測器」
未來的代碼人類很可能根本看不懂，AI 甚至會直接編譯出機器碼。既然代碼注定要黑盒子化，我們就必須將注意力從「語法審查」轉向「行為控制」。
這本質上是在重新設定系統的「安全與驗證邊界」。
雖然執行外包給了 Agent，人類不可能再逐行 review，但「執行的粒度(Granularity)」本身，依然牢牢掌握在人類手中。
我們未來的核心架構能力，在於如何將一個龐大的業務流程，精準地切割成數個「粒度剛剛好」的子執行單元。唯有粒度適中，人類才能在每個單元的起點與終點，設下足夠敏銳、強韌的行為感測器 (Sensors) 與不變量 (Invariants)1，查核黑盒子的輸入與輸出。
過去我們拆分微服務，是為了解耦人類團隊的協作邊界，以及系統物理上的擴展與部署；現在我們拆分 Agent 的執行粒度，是為了在人腦認知帶寬的物理極限下，確保這個黑盒子系統的「安全邊界與可驗證性」。
.
4. 拒絕冷酷黑暗，建立有溫度的「暮光工廠」
Ethan Mollick 曾提出警告，一個完全無人干涉、極致自動化的「黑暗工廠」，不僅隱藏著代理共謀失控的物理風險，更剝奪了人類工作的樂趣3。
如果我們把所有有趣的決定都交給 Agent，只留給人類枯燥的審批、處理例外與承受失敗，那我們就是自動化了工作中錯誤的那一半。
我們需要建立的是「暮光工廠 (Twilight Factory)」。但要在這座工廠裡安全協作且不迷失，我們就必須實踐我在上一期電子報 《照著導航走，不代表你認得路》 裡提到的核心觀點：不要過度依賴 Agent，你必須學會識別那些做起來有趣、且無法被 Agent 輕易取代的「品味直覺」。
我們必須刻意在工作流中引入有意的「生產性摩擦」，識別並守住那些能帶來靈感、好玩且展現個人獨特審美的決策點。將枯燥、重複的低風險勞動交出去，但把那些需要「品味與直覺」的有趣決定留在手裡。
懂得在某些路口關掉導航、攤開地圖親自走一遍，體感才有機會浮現。這不只是安全的要求，更是我們在智慧躍遷時代，依然能享受工作樂趣、不被退化重力吞噬的關鍵。
…
省下的時間，去了哪裡
「總體來看，這整套流程大概省下多少時間/人天？」
你可以這樣回答：「以前一個司機只能開一台車，眼睛離不開路面；現在他變成調度員，同時管一整個車隊。省下的不是司機，而是每個人只能盯一條路的限制。」
如果用「編碼」的打字工時來算，時間確實被壓縮了；但從系統安全和驗收帶寬來看，我們並沒有省下時間，而是把時間重新投資到了規劃與驗證上 (或是其他更有意義的事物上)。
真正安全且對組織有益的提問，從來不是「這套流程省下了多少時間」，而是：「有哪些以前因為認知頻寬不足、怕弄壞而不敢做的事（例如：規格導向的需求對齊、指標引導的迭代優化、還技術債、重構老模組，等等…），現在我們終於有時間去做了？」
你也被問過這個問題嗎？當時你怎麼回答？
~
《非正式寫作》探索並理解當代世界的多面向特質。
想到就更新。馬上訂閱，與 1700+ 位讀者一同升級 ⬆️
🔍 工人智慧猜你也喜歡
與 Browny 聯繫
這是你第一次來嗎？ 訂閱 (免費)
在 LinkedIn 上追蹤我以獲得更多見解
進一步瞭解 Coffee Chat & 60分鐘職涯診斷與策略諮詢
