ข้อจำกัดคือความสนใจของมนุษย์: การจัดการผลลัพธ์คำตอบ

TL;DR:ปัจจุบัน ข้อจำกัดที่แท้จริงใน AI คือมนุษย์ ไม่ใช่ "AI แทนที่ทุกคน" — แต่เป็นสิ่งที่เย็นชากว่า: มนุษย์ไม่สามารถตรวจสอบปริมาณที่ AI ผลิตได้. บริษัทต่างๆ ผลักดันงานมากขึ้นไปยังผู้สูงอายุด้วยโมเดล ผู้สูงอายุจมอยู่ในการตรวจสอบ ผู้เยาว์สูญเสียโอกาสในการฝึกฝน ทางออกไม่ใช่การมีคนที่มีความสามารถมากขึ้น แต่เป็นการสร้างวินัยในการผลิตข้อมูลเชิงปัญญา — ข้อกำหนด, การทดสอบอัตโนมัติ, การตรวจสอบตัวอย่าง, การย้อนกลับ ฉันเรียกมันว่า การจัดการผลผลิตคำตอบ.

ฉันคือเจมส์ CEO ของ Mercury Technology Solutions. ฮ่องกง — สิงหาคม 2026

เมื่อวานนี้ฉันนั่งอยู่ในเซสชันที่ปรึกษา AI กับผู้นำระดับสูงที่การจัดการ IT ระดับโลก.

สองคำถามที่ชนกันอยู่ในห้องเดียวกัน:

1. วิศวกรซอฟต์แวร์จะสูญเสียงานของพวกเขาหรือไม่?
2. ใครควรใช้ AI จริงๆ หากเราต้องการ ROI ในไตรมาสนี้?

ตลาดชอบคำถามแรกเพราะมันมีความดราม่า.

คำถามที่สองคือคำถามที่ทำลายองค์กร.

ข้อสรุปที่ผิดที่ผู้คนมักจะไปถึง

ผู้คนทำให้มันเรียบง่ายลงเป็น:

"AI จะเข้ามาแทนที่มนุษย์."

ไม่ชัดเจนเกินไป ไม่โหดร้ายเกินไป ส่วนใหญ่ไม่มีประโยชน์ในฐานะแผนปฏิบัติการ.

โหมดการล้มเหลวที่แท้จริงมีความเฉพาะเจาะจงมากขึ้น:

ผลลัพธ์ของ AI ขยายขนาดแล้ว การตรวจสอบโดยมนุษย์ไม่ได้.

คุณสามารถสร้างงานหนึ่งสัปดาห์ก่อนอาหารกลางวัน แต่คุณไม่สามารถตรวจสอบงานหนึ่งสัปดาห์อย่างซื่อสัตย์ก่อนอาหารกลางวัน.

ช่องว่างนั้นคือจุดคอขวด ไม่ใช่การขาดแคลน GPU ไม่ใช่ "โมเดลไม่ฉลาดพอ" ความสนใจของมนุษย์ ความสามารถในการตัดสิน และความสามารถในการอนุมัติ.

ใครที่ถูกเปิดเผยจริงๆ

มุมมองของฉันในห้องนั้นตรงไปตรงมา.

หากวิศวกรซอฟต์แวร์ได้ข้ามเข้ามาในระดับสถาปนิก ความสามารถ — ขอบเขตของระบบ, โหมดการล้มเหลว, การแลกเปลี่ยน, สิ่งที่ "ดี" ดูเหมือนจะเป็นอย่างไรภายใต้ภาระ — ที่นั่งของพวกเขาไม่ได้หายไป งานของพวกเขากำลังเปลี่ยนแปลงไปในทางที่ดีขึ้น

ผู้ที่มีปัญหาจริงคือคนที่ติดอยู่กลางบันไดเก่า:

• เพิ่งจบการศึกษา
• ไม่มีเนื้อเยื่อแผลเป็นเพียงพอ
• รอให้ผู้มีประสบการณ์มาฝึกงานผ่านความเจ็บปวดในการผลิตจริง

เพราะโดโจของบริษัทกำลังถูก dismantled ในเวลาจริง

โมเดลเก่า:

อาวุโสสอนผู้เยาว์ → ผู้เยาว์ดูดซับการตัดสินใจ → ผู้เยาว์กลายเป็นอาวุโส。

จุดสุดยอดท้องถิ่นใหม่สำหรับ P&L:

อาวุโส + AI → ผลผลิตเพิ่มขึ้น 5 เท่าในสปรินต์นี้ → ประโยชน์ที่เห็นได้ในไตรมาสนี้。

ทำไมต้องใช้เวลาที่มีค่าของอาวุโสในการให้คำปรึกษาในเมื่อเวลานั้นบวกกับตัวแทนสามารถส่งมอบผลิตภัณฑ์ได้มากกว่าห้าเท่า?

ฉันไม่ได้เฉลิมฉลองเรื่องนั้น ฉันกำลังอธิบายแรงจูงใจ。

คนที่มีความสามารถ, คนที่ทำงานหนักเกินไป

ผลักดันตรรกะนั้นไปอีกขั้นและคุณจะได้กับดักที่บริษัทที่จริงจังทุกแห่งอยู่ใน:

• ภาระงานของอาวุโสพุ่งสูงขึ้น
• การให้คำปรึกษากลายเป็น "เราจะทำมันทีหลัง"
• ท่อส่งพนักงานใหม่บางลง
• ผู้ที่ยังสามารถตัดสินคุณภาพกลายเป็นจุดล้มเหลวเพียงจุดเดียว

คนที่มีความสามารถเคยทำหลายอย่างพร้อมกัน ตอนนี้คนที่มีความสามารถทำงานหนักเกินไป — ขอบคุณ AI.

และนี่ไม่ใช่เรื่องเฉพาะซอฟต์แวร์ รูปแบบเดียวกันนี้ส่งผลกระทบต่อการออกแบบ, การดำเนินงานทางกฎหมาย, การวิจัย, การตลาด, การวิเคราะห์การเงิน — ทุกบทบาทที่การสร้างถูกทำให้ราคาถูกลงเร็วกว่าการตรวจสอบที่ถูกทำให้เป็นอัตโนมัติ.

นี่คือ K ภายในบริษัท

ฉันได้เขียนและพูดเกี่ยวกับ เศรษฐกิจรูปตัว Kภายใต้ภาวะเงินเฟ้อด้านปัญญาในช่วงหนึ่ง — รวมถึงใน โอกาสใหม่ภายใต้ภาวะเงินเฟ้อด้านปัญญา.

ผู้คนได้ยินคำว่า "K-shaped" และคิดถึงประเทศและประเภทสินทรัพย์.

ดูภายในแผนผังองค์กร.

ทรัพยากรจะมุ่งเน้นไปที่แขนส่วนบน:

• ค่าตอบแทนที่สูงขึ้นสำหรับผู้มีประสบการณ์ที่พิสูจน์แล้ว, หรือ
• งบประมาณที่ใช้ในการจ้างงานระดับจูเนียร์จะถูกเปลี่ยนเป็น การคำนวณและเครื่องมือสำหรับระดับอาวุโส

การโอนสองครั้ง ส่วนแขนบนรวมกัน ส่วนแขนล่างขาดแคลน.

รูปแบบ K ขนาดโลก รูปแบบ K ขนาดบริษัท รูปทรงเดียวกัน.

จากนั้นการแข่งขันระหว่างบริษัทบังคับให้ส่วนแขนบนต้องติดตั้ง AI เพิ่มเติม — และเพดานใหม่ก็ปรากฏขึ้น.

แม้แต่ระดับอาวุโสที่ดีที่สุด + ตัวแทนที่ดีที่สุดก็ยังต้องเผชิญกับความจริงที่ว่าแผนภูมิภาระทางจิตแบบ McKinsey กำลังตะโกนว่า:

สมองของมนุษย์เหนื่อยล้า AI ไม่หลับ.คุณจะไม่สามารถอ่านได้มากกว่าคอมพิวเตอร์ที่ไม่หยุดเขียน.

แล้วตอนนี้ล่ะ?

ขโมยพื้นโรงงาน

การผลิตแก้ปัญหา "หน่วยมากเกินไปสำหรับสายตาของมนุษย์" มาหลายทศวรรษแล้ว

ชิปในสายการผลิตไม่ได้ถูกตรวจสอบทีละชิ้นโดยผู้มีปัญญาที่มีสายตาเพอร์เฟ็กต์ ระบบทำเช่นนี้:

1. กำหนดสเปค — อะไรที่ถือว่าดี
2. ทำให้การทดสอบเป็นอัตโนมัติ — เครื่องจักรตรวจสอบเครื่องจักร
3. ตัวอย่างการตรวจสอบ — มนุษย์ดูแลกระบวนการ ไม่ใช่ทุกหน่วย
4. ย้อนกลับเมื่อเกิดความล้มเหลว — ชุดที่ไม่ดีจะไม่ถูกส่ง; สาเหตุหลักจะส่งข้อมูลกลับไปยังสายการผลิต

งานของมนุษย์ได้รับการปรับปรุงจาก "จ้องมองทุกชิ้น" เป็น "ออกแบบระบบการตรวจสอบ."

ผลลัพธ์ของ AI คือฟิสิกส์เดียวกันกับสัญลักษณ์ที่สวยงามกว่า.

หากโมเดลการดำเนินงานของคุณคือ "วิศวกรอาวุโสตรวจสอบทุกการส่ง AI" คุณได้ประดิษฐ์การตรวจสอบด้วยสายตามือใหม่ในระดับเซมิคอนดักเตอร์ นั่นไม่ใช่ศิลปะ นั่นคือวิธีที่คุณทำให้คนที่สามารถบอกความดีจากขยะหมดไฟ.

การจัดการผลตอบแทน

ฉันเรียกการแก้ไข การจัดการผลตอบแทน.

การตรวจสอบซอฟต์แวร์ต้องกลายเป็นโครงสร้างพื้นฐานที่มีหลายชั้น ไม่ใช่กิจกรรมของฮีโร่

ระดับความเสี่ยง

เส้นทางเริ่มต้น

บทบาทของมนุษย์

ต่ำ

AI ตรวจสอบ AI ตามสเปคที่เข้มงวด

ตรวจสอบผู้ตรวจสอบ

กลาง

ชุดอัตโนมัติ + การสุ่มตัวอย่างทางสถิติ

ตรวจสอบตัวอย่าง + การเบี่ยงเบน

สูง

ประตูเต็ม + การลงนามโดยมนุษย์ที่ระบุ

การตัดสินใจที่รับผิดชอบ

การไม่มีโครงสร้าง "แค่รู้สึกตาม PR" คือวิธีที่คุณตายอย่างช้าๆ การไม่มีการตรวจสอบคือวิธีที่คุณตายอย่างรวดเร็ว.การควบคุมผลตอบแทนที่มีการจัดเกรดคือเส้นทางเดียวที่ยังมีชีวิตอยู่.

ดัชนี AI ของสแตนฟอร์ดปี 2026 ได้ระบุจำนวนที่ทำให้รู้สึกไม่สบาย: ตัวแทน AI ในการทดสอบการใช้งานคอมพิวเตอร์แบบ OSWorld เพิ่มขึ้นจากประมาณ12% เป็น ~66%ความสำเร็จ เฉลิมฉลองการกระโดดถ้าคุณต้องการ นอกจากนี้ยังสังเกตเห็นสิ่งตกค้าง — ในการประเมินที่มีโครงสร้างคุณยังคงมองเห็นความล้มเหลวในระดับหนึ่งในสาม.

นั่นไม่ใช่ "เกือบจะเป็น AGI, เรือไม่มีคนดูแล." นั่นคือโรงงานที่มีอัตราข้อบกพร่องที่ทราบ

คุณไม่ตอบสนองต่อโหมดล้มเหลว 33% ด้วยความรู้สึก คุณตอบสนองด้วยกระบวนการ

มันดูเป็นอย่างไรเมื่อมันทำงาน

ฉันรันเวอร์ชันนี้บนสแต็กของเราเอง

ส่วนใหญ่ของmtsoln.comเขียนด้วย AI ในกระบวนการ ฉันยังมีระบบประสาทที่ทำงานได้ในตอนท้ายของวันเพราะโครงสร้างได้รับการจัดอันดับ:

• สถาปนิกตั้งข้อกำหนด
• การทำงานอัตโนมัติเป็นผู้รักษาความปลอดภัย
• มนุษย์จะเพิ่มระดับความรุนแรงเฉพาะเมื่อมีสัญญาณเตือนสีแดงที่ร้ายแรง

คำเตือนที่สำคัญ กล่าวโดยไม่มีความโรแมนติก:

AI จะทิ้งช่องโหว่เกือบตลอดเวลา — แม้ในงานที่ง่ายช่องว่างที่แปลกประหลาด ข้อความที่มั่นใจแต่ไร้สาระ สวยงามในระดับท้องถิ่น แต่ผิดในระดับโลก

สำหรับผู้สูงอายุ นั่นหมายความว่าศูนย์กลางของอาชีพจะเคลื่อนที่อีกครั้ง:

จากผู้ผลิต → สู่ผู้ตั้งปัญหา

ยิ่งผลผลิตจาก AI ไหลเข้าสู่ช่องทางมากเท่าไหร่ คนที่สามารถกำหนดได้ก็ยิ่งมีค่า

• คำว่า done หมายถึงอะไร
• งบประมาณข้อผิดพลาดที่ยอมรับได้คืออะไร
• อะไรที่ถูกปฏิเสธโดยอัตโนมัติเมื่ออยู่ต่ำกว่าขีดจำกัด
• อะไรที่ต้องมีชื่อของมนุษย์อยู่ในบรรทัด

คำพูดของมุสก์เกี่ยวกับรสนิยมในยุค AI นั้นถูกต้องในทิศทาง — และในวิศวกรรม รสนิยมไม่ใช่พลังงานบอร์ดอารมณ์ที่สวยงาม

รสนิยมคือการตัดสินทางสถาปัตยกรรมอะไรที่ควรอยู่ในระบบ อะไรที่ไม่ควรส่งออก อะไรที่ดูเหมือนความล้มเหลวก่อนที่จะมีหมายเลขตั๋ว

โมเดลยังคงอ่อนแอในเรื่องนั้น นั่นคือคูน้ำ

ปัญหาของคนรุ่นใหม่ โดยไม่มีเพลงกล่อม

ฉันจะไม่ขายเรื่องราวที่นุ่มนวลให้กับคุณ

โดโจถูกทำลาย. บริษัทต่างๆ จะเลือกใช้ประสิทธิภาพของ AI ที่มีอายุมากกว่าเหนือการฝึกงานที่อดทนเสมอเมื่อไตรมาสกำลังร้อนแรง สิ่งจูงใจนั้นเป็นเรื่องจริง

แต่ตอนนี้เป็นยุคแรกที่ทุกคนรุ่นใหม่มีคู่ต่อสู้ที่มีความอดทนไม่จำกัดนั่งอยู่ข้างๆ พวกเขา 24/7

เคยเป็น: บริษัทบังคับให้คุณฝึกฝน ตอนนี้: คุณบังคับตัวเอง — หรือคุณจะตกจากแขนล่างของ K

AI เป็นเครื่องมือสำหรับผู้ที่มีการกำกับตนเอง AI เป็นหายนะสำหรับคนที่ขยับเมื่อถูกผลักเท่านั้น

รูปแบบ K ไม่ได้หยุดที่ตำแหน่งงาน มันวิ่งผ่าน กรอบความคิด.

หลักฐาน ไม่ใช่ทฤษฎี: สี่ถึงหกสัปดาห์ → แปดชั่วโมง

ฉันจะนำเสนอการส่งมอบที่แท้จริงบนโต๊ะ.

เว็บไซต์ของลูกค้า: https://www.eastwood.page

เส้นทางเก่าสำหรับประเภทเว็บไซต์นี้ — 4 ถึง 6 สัปดาห์ตั้งแต่ต้นจนจบ:

ขั้นตอน

เวลา

เข้าใจธุรกิจ + ลำดับความสำคัญกับลูกค้า

2 วัน

เนื้อหา / เรื่องราว

2 วัน

สร้าง MVP → ลูกค้าตรวจสอบ + ลงนาม

4–6 วัน

ประสานงานกับนักพัฒนา

2 วัน

พัฒนาสำเร็จ

7–10 วัน

การตรวจสอบคุณภาพ

2–4 วัน

การปรับใช้บนคลาวด์

2 วัน

เส้นทางที่ปรับปรุงแล้วด้วยการจัดการผลลัพธ์คำตอบ + การผลิตที่มีความสามารถ:

เรื่องราว → สร้าง → เปิดตัวไปยังคลาวด์ → การอนุมัติจากลูกค้า.

แปดชั่วโมง. ตั้งแต่ต้นจนจบ.

ไม่ใช่เพราะมีคนพิมพ์เร็วกว่า. แต่เพราะหน่วยของงานหยุดเป็น "ฮีโร่สร้างสรรค์ทุกพิกเซลและทุกย่อหน้าโดยการตรวจสอบด้วยมือ" และกลายเป็น:

ความสมบูรณ์ของสเปค → การผลิตที่สร้างขึ้น → ประตูอัตโนมัติ → การตัดสินใจของมนุษย์เฉพาะที่ยังคุ้มค่า.

นั่นคือการอัปเกรดการผลิตเดียวกันที่สวมชุดเว็บไซต์.

ทำอะไรในสัปดาห์นี้

ถ้าคุณเป็นผู้นำด้านวิศวกรรมหรือการส่งมอบดิจิทัล:

1. หยุดการวัด ROI ของ AI โดยใช้จำนวนโทเค็นที่สร้างขึ้น.วัดข้อบกพร่องที่หลุดรอด, เวลาในการทำงาน, และชั่วโมงที่ใช้โดยผู้มีประสบการณ์ในการอ่านซ้ำอย่างแท้จริง.
2. บังคับให้ผู้มีประสบการณ์ถ่ายทอดรสนิยมไปยังสเปค.เกณฑ์การยอมรับ, งบประมาณข้อผิดพลาด, กฎการปฏิเสธอัตโนมัติ. หากมันมีอยู่เพียงในหัวของพวกเขา, คุณไม่มีระบบ — คุณมีจุดคอขวดที่มีชีพจร.
3. ติดตั้งการตรวจสอบแบบชั้น.ต่ำ / ปานกลาง / สูง. ไม่มีการทำซ้ำแบบบรรทัดต่อบรรทัดที่เป็นสากลอีกต่อไป.
4. ซื้อการประมวลผลเพื่อเพิ่มอำนาจในการตัดสินใจ, ไม่ใช่แค่ปริมาณการสร้าง.ผลผลิตมากขึ้นโดยไม่มีการควบคุมผลผลิตมากขึ้นคือวิธีที่คุณทำให้หนี้ทางเทคนิคเป็นอุตสาหกรรม.
5. สร้างโดโจที่บางเฉียบโดยเจตนาภารกิจที่มีขอบเขตสำหรับผู้เริ่มต้นภายในโรงงานอัตโนมัติ — หรือยอมรับว่าคุณกำลังรับประทานข้าวโพดเมล็ดของคุณ

ถ้าคุณเป็น IC ส่วนบุคคล:

• ด้านล่างสถาปนิก: โครงการฉุกเฉินของคุณคือการตัดสินภายใต้ภาระ ไม่ใช่กลเม็ดที่รวดเร็วมากขึ้น
• ที่สถาปนิก: งานของคุณกำลังกลายเป็นเจ้าของผลผลิต — บุคคลที่ออกแบบวิธีที่คำตอบที่ผิดจะตายก่อนที่ลูกค้าจะเห็นพวกเขา

เส้นทางเดียวที่ฉันเชื่อถือในขณะนี้

การตรวจสอบที่ไม่สมบูรณ์คือการฆ่าตัวตาย การตรวจสอบมนุษย์ที่สมบูรณ์คือความตายจากการทำงานหนัก การควบคุมคำตอบของ AI ที่มีเกรดการผลิตคือการอยู่รอดในระดับกลาง

จุดคอขวดคือความสนใจของมนุษย์ การอัปเกรดคือการจัดการผลตอบแทนคำตอบ การเปลี่ยนแปลงอาชีพคือการเปลี่ยนจากการสร้างคำตอบไปสู่การกำหนดว่าสิ่งที่เป็นคำตอบที่ดีนั้นอนุญาตให้เป็นอย่างไร

สร้างระบบการตรวจสอบ หรือจมอยู่ในผลผลิตของคุณเอง

Mercury Technology Solutions: เร่งความเป็นดิจิทัล