AI 能加速个人产出但只有经过核对、删减和编辑才不会把成本转嫁给团队。原文链接AI 小老六AI 最容易制造一种错觉屏幕上出现了更多文字工作就完成得更多了。很多团队已经尝到这种甜头。技术方案几分钟生成PR 描述自动补齐测试用例一口气扩展几十条决策备忘录从半页变成五页。个人当然变快了。问题是团队没有。图个人生成速度提高后团队审阅压力也可能同步上升慢的部分没有消失只是换了人承担。一个工程师要写数据库迁移方案。以前他会花一个下午读代码、查资料、删掉不确定的判断最后写出一份相对短的说明。每句话都经过他自己的脑子。现在他把上下文丢给模型几分钟后拿到一份漂亮、完整、分点清楚的方案。看起来效率提高了。可审阅者打开文档后麻烦才开始。审阅者真正要确认的往往不是文档写得漂不漂亮而是里面每个判断是否成立“当前任务是顺序处理事件。”是真的吗“迁移涉及九张表。”谁数过“可以先灰度新写入路径。”依赖条件在哪里人手写的一句话通常隐含一个承诺我查过我认可我愿意为这个判断负责。模型生成的一句话没有这个承诺。审阅者看不出哪些是工程师确认过的哪些只是模型顺手补出来的。于是整份文档都要被当成未核验材料处理。这就是 AI 时代最隐蔽的时间转移。表面变化实际发生的事写方案更快审阅者需要检查更多未经压缩的内容PR 描述更完整维护者要判断哪些说明真的对应代码测试更多后续的人要确认测试是否覆盖了正确行为决策文档更正式会议里仍要重新厘清取舍文档本来是一种服务。写的人多花一点时间读的人就少花一点时间。公司里通常是一个人写很多人读所以写作者欠读者一个更短、更准、更干净的版本。图好的 AI 工作流会把核对和压缩留在交付前AI 把初稿成本降得很低但没有把编辑成本降到零。删减、核对、压缩、判断仍然是工作本身。少了这些步骤生成内容就会像一张账单递给后面每一个人。代码里也一样。AI 可以帮忙写出大段改动但不能替你理解改动。一个很实用的规则是​解释不清的代码就不要合进去​。这个规则同样适用于文档解释不清的一句话就不要留在最终版本里。更健康的流程应该是这样图从 AI 初稿到可审阅版本中间必须经过人工核对和压缩这里最关键的一步是 C。很多 AI 草稿的问题不是错得离谱而是“没错但没用”。它把背景、风险、建议、下一步都写满却没有告诉读者此刻到底要做什么决定。收到这种内容的人也不必硬着头皮审。可以直接把球打回去这看起来还是未经编辑的草稿。请压缩到结论、取舍和需要我判断的点我再看。这不是挑剔是保护团队吞吐量。AI 当然该用。它能省掉搜索、起草、补全和改写的大量时间。但省下来的时间最好花回去一部分用来检查事实、缩短文字、明确责任。否则个人的速度会变成组织的阻力。真正有效的AI 工作流有个很朴素的标准它不能只是让你少花时间还要让下一个人也少花时间。如果做不到所谓生产力提升只是从你的日历里搬到了别人的日历里。推荐阅读AI 短剧“买脸”上热搜500 元肖像授权背后的生成式内容生意AI 支付大战开打微信支付宝争夺下一代交易入口LLM 写代码为什么不能盲信AI 编程进入生产前必须过人类的门AI 生成 PR 正在刷爆开源项目GitHub 贡献信号为什么失灵了AI 编程争论变味了为什么反 AI 情绪开始走向怀旧化