这是 AI 最差的时候

寂静回声

Linear 的创始人兼 CEO Karri Saarinen 最近写了一篇长文，聊了他对 AI 现状的观察和思考。

Karri 注意到一个有意思的趋势：很多人开始觉得在 AI 时代不需要做计划了，因为变化太快，计划赶不上变化。
但他提出了一个很关键的问题：规划这件事，解决的到底是什么问题？ 他的观察是，规划的价值从来就不在于那份计划文档本身。规划真正的作用是一个“逼迫机制”。迫使一个组织坐下来，认真讨论什么才是最重要的事情，达成共识，明确方向，然后把这个方向传达给每一个人。

AI 确实可以改变规划的周期，增加执行的带宽，但它并没有解决“我们到底应该做什么”这个根本问题。而且有一个很反直觉的事情：当构建成本下降之后，做东西变得更容易了，做错东西也变得更容易了。选择做什么，反而变得比以前更重要。
Linear 自己的做法是保持至少六个月的方向性规划，但每周每月都可以调整优先级。同时留出更多空间做实验，让一些有价值的用例自己涌现出来。既有方向感，又不僵化。
如果完全不做规划，不设方向，只是看什么容易做就做什么，最后很可能就是被工具牵着鼻子走。AI 工具跟以前的工具不一样，它会引导你往某个方向走。如果你自己没有方向，你就会顺着它最容易走的路径走。


这一点放到个人身上也特别值得想想。很多人用 AI 写东西、做项目，做着做着就发现自己在跟着 AI 的节奏走，产出了一堆看起来还行但其实自己也说不清为什么要做的东西。工具越强大，越需要你自己先想清楚要去哪里。

Karri 提出了一个特别精准的观察：AI 在你最不熟悉的领域，看起来最令人印象深刻。
原因很简单。在你不懂的领域，你缺乏判断力，看不出它的输出哪里有问题，所以觉得它像魔法一样神奇。
但在你真正深耕的领域，你能看到它遗漏了上下文，编造了细节，走了最显而易见的老路，或者需要你反复引导才能产出有用的东西。
他把这个现象比作一种大规模的“格尔曼失忆症”，格尔曼失忆症说的是，你在报纸上看到自己熟悉的内容时悉领域的报道，发现错误百出。
但翻到下一页不熟悉的领域，又觉得报道说得挺对。


专业能力让 AI 变得更难用，因为你会对它的输出更挑剔。
但同时，如果你知道怎么驾驭它，专业能力也让 AI 变得更有价值。
因为你懂得如何引导它、如何约束它、如何评估它的结果。
所以 AI 并没有让专业能力贬值。它让专业能力的体现方式发生了变化，更多地体现在方向把控、品味判断和知道什么是好东西上面。这对每一个正在学习新技能的人来说都是一个重要的信号：别因为 AI 能写代码就觉得不用学编程了，别因为 AI 能画图就觉得不用懂设计了。恰恰相反，你越懂，AI 在你手里就越使好。


Karri 跟很多客户和业内公司交流之后发现，Agent 编码已经很普遍了，但实际情况跟外界的叙事有不小的差距。
几乎没有人私下会说他们的 Agent 能写 100% 的代码，也很少听到有真实的公司在大规模跑独立的 Agent 集群。
工程师仍然深度参与方向把控，通常同时只能管两三个 Agent，后台再挂几个云端 Agent 处理一些琐碎的修复。
再多的话，你就会陷入一种不断被打断的状态，反而影响深度思考。



作为一个设计出身的 CEO，Karri 对 AI 在设计领域的应用有一些很具体的观察。
图片生成的能力确实变强了，但迭代起来很痛苦。你想让 AI 只改一个地方，它往往会把整张图都改了。每次迭代好像都会给图片加一层滤镜，改几轮之后你可能不得不从头开始。写作也有类似的问题，你让它改一句话，它可能把整篇文章都重写了。



文章最后，Karri 回应了那句在 AI 圈子里被说烂了的话：这是 AI 最差的时候。
他同意这个判断，但他选择活在当下的能力范围里，因为没有人真的知道未来会变成什么样。做末日预言没什么价值，盲目乐观也没什么价值。更有用的姿态是仔细观察、动手尝试、保持判断力。AI 确实在改变很多东西，但我们不能靠“信念更坚定”来构建今天的产品。我们需要更务实，看清楚现在什么是可能的，判断什么值得做，然后随着现实的变化不断调整。
他用一句改编的童谣收尾：如果潜力就是收入，那这些资本开支早就变成利润了。