本文是同名深入版的精简版。深入版有完整的理论推导、全部数据出处和证据分级;这一版只保留主线,用直白的话讲清楚。所有数字都经过独立核查,想看出处请移步深入版。
先看两组都是真的、但互相打架的数据。
2025 年 DORA(Google 旗下、做了十几年软件工程效能研究的团队)调查了近五千名工程师:90% 的人在用 AI,超过 80% 的人觉得自己变快了。但同一份研究连续两年发现:AI 用得越多的组织,软件交付反而越不稳定——除非它有扎实的自动化测试、版本控制和快速反馈机制。
更扎心的是一个随机对照实验(就是医药界验证新药的那种方法)。研究机构 METR 找来 16 位资深开源维护者,在他们自己维护了多年的大型代码库上随机分配任务:一半允许用 AI,一半不允许。结果:用 AI 的任务平均慢了 19%。而这些开发者事前预测 AI 会让自己快 24%——做完之后、在实际被拖慢的情况下,他们仍然觉得自己快了 20%。
感觉快了,实际慢了,而且本人完全察觉不到。
这就是本文要回答的问题:为什么每个人都觉得 AI 让自己更快了,但组织整体却没有变快,甚至变得更不稳定?答案不复杂,但它会改变你对"AI 转型"该怎么做的全部判断。
软件开发的总成本,粗略分两块:把代码写出来的成本,和确认代码是对的的成本(读代码、评审、测试、集成、出了问题排查)。
过去几十年,"写出来"很贵,所以整个行业的组织方式——团队规模、招聘标准、流程设计——都是围绕"写"来优化的。AI 把"写"的成本压到接近零,很多人以为总成本也跟着降了。
没有。成本只是从"写"搬到了"确认写得对"。
这一条,是全文所有结论的根:AI 时代的组织设计,本质是围绕"验证"这个新瓶颈的重新布局。谁先想明白这一点,谁的转型就不会跑偏。
经济学家给了一个好用的框架(Agrawal、Gans、Goldfarb 三人,研究 AI 经济学的权威):把 AI 理解为"预测成本的下降"。写代码、补全、执行,本质都是预测类工作,AI 越来越便宜;而判断——定目标、定标准、决定"什么算好"、验收——AI 便宜不了,反而因为预测变便宜而更值钱。
真实数据和这个框架对得上。Anthropic 分析了几十万个 AI 编程会话:人类保留了约 70% 的"规划类决策",而把约 80% 的"执行类决策"交给了 AI。更有意思的是:懂不懂编程,对用 AI 写代码的成功率影响不大(会编程 34%,不会 29%)——真正拉开差距的是领域知识:懂业务的专家一句话能让 AI 干对一大串活,不懂的人指挥不动它。
一个极端案例把这件事演到了头。巴西 Itaú 银行(受严格监管的老系统环境)让一位 8 年经验的工程师带着一组 AI 工具单干,3 个迭代干完了原本 4 人团队 6 个迭代的项目,质量不打折(集成测试全过、上线零缺陷)。注意这只是一个案例、当事人自己写的论文,不能推广——但它的复盘结论很有价值:提速的关键不是这个人代码写得快,而是原来需要产品、架构、安全、测试好几拨人开会往返好几天的事,现在一个人指挥 AI 几分钟打一个来回。而项目里所有的返工,都来自模糊的需求和没写成文档的旧系统"潜规则"。
所以 AI 时代最稀缺的人,不是"会用 AI 的程序员",而是能把业务知识讲清楚、写成明确规格、并且有能力判断"这个产出行不行"的人。如果你的招聘和晋升还在按"代码写得多快"给人定价,你在给一项正在贬值的资产定价。
"AI 让十个人干一百个人的活,公司会碎成一堆小团队"——这是最流行的说法。诚实的回答是:没人知道,而且目前的证据反而偏向相反方向。
鼓吹"公司变小"的代表性论文,经不起核查:没有同行评审、没有任何实证数据,而且两位作者是卖 agent 基础设施的创业公司创始人——"公司会碎片化"正好是他们的产品卖点。而经过同行评审的实证研究(发表在金融学顶刊)发现:AI 投资集中在大公司,推动大公司更大、行业更集中。
对读者有用的不是站队,而是两个可以自己盯的指标:你的组织里,每次变更的验证成本是随着变更量线性涨还是更快地涨?如果验证越来越便宜,小团队化有戏;如果验证还是最贵的环节,大组织的优势会继续。谁现在就断言方向,谁就是在卖超出证据的确定性。
BigQuery、支付系统、核心银行系统——代码库几千万行、历史十几年、每秒扛海量请求、出事就上新闻。这类组织读到的 AI 转型文章几乎都是初创公司写的,而初创的玩法对你不但没用,而且危险。
为什么危险,一个真实故事就够了。2012 年 8 月 1 日,做美股做市的骑士资本(Knight Capital)上线新代码,8 台服务器只更新了 7 台。没更新的那台,激活了一段停用八年但一直没删的旧代码。45 分钟,亏损超过 4.6 亿美元,公司一年内被收购。注意细节:系统开盘前其实发过 97 封报错邮件,但那些邮件"不是被设计成告警的",没人看。——现在想象 AI 以十倍速度生成代码,而你的组织连死代码都没人清理、告警没人管。老系统 + 高速变更 + 弱验证,这是灾难配方,AI 是加速剂。
为什么不划算,前面那个实验就是证据。METR 那个"用 AI 反而慢 19%"的实验,情境恰好是:资深工程师 + 百万行级成熟代码库 + 严格的质量门槛——这不是什么特殊实验室条件,这就是你们组织的日常。原因也直白:老系统里最难的东西是"潜规则"——历史上踩过的坑、没写文档的行为依赖、组织约定——这些恰恰是用公开代码训练出来的 AI 最不懂的。指望"把整个代码库塞进 AI 的上下文窗口"也不行,实测显示输入越长、模型表现越差,海量相似代码反而是干扰。
那从哪里开始?有一类任务,AI 在巨型老代码库上有多家公司验证过的成功记录:大规模迁移和升级。老写法换新写法、测试框架更换、语言版本升级——这类活有三个共同点:繁重、没人愿意干、机器能自动判断做没做对(编译过不过、测试过不过)。几个真实数字:Google 用 AI 做代码迁移,四分之三的修改由 AI 生成,项目时间省一半,搁置多年没人碰的迁移被重新启动;Airbnb 把 3,500 个测试文件迁到新框架,原本估 1.5 人年,实际 6 周。
而且这些公司的做法惊人地一致,可以直接抄:
反面教材同样真实:英国 TSB 银行 2018 年把 500 万客户一次性切到新系统,结果网银瘫痪、钓鱼诈骗暴增 70 倍、总成本超过 3 亿英镑、监管罚款近 5 千万英镑。大爆炸式的一次性重写,在 AI 时代依然是死路——AI 没有改变"小步渐进、每步可验证、随时可回退"这个老原则,它只是把渐进路线上最累的体力活变便宜了十倍。
三步走,给这类组织:先用迁移类任务练手(顺便建立自己组织的 AI 数据基线)→ 护栏建好再放量(测试、灰度、回滚、评审工具,这些"确认"基础设施先行)→ 把验证能力当成一等资产来投资和考核,并且立一条规矩:评估 AI 的收益只看交付数据,不听体感——记住那 40 个百分点的感知错位。
最后是组织层面的四条,每条背后都有几十年的管理学研究撑着: