我是詹姆斯，水星科技解決方案的執行長。 香港 - 2026年1月5日
我最近進行了一個實驗。我拿了一個我維護了近十年的程式碼庫——一個活生生的、產生收入的化石——並問了一個人工智慧代理："這個專案的前三個問題是什麼？"
人工智慧的報告令人印象深刻。它專業、邏輯清晰且技術準確。它指出了：
- 不同的檔案結構。
- 不一致的命名慣例。
- 模組之間的高耦合。
從「計算機科學101」的角度來看，人工智慧是100%正確的。但作為這艘船在十年間保持漂浮的人，我的反應是："這些是實際的觀察，但它們不是實際的問題。"
1. "新鮮畢業生"綜合症
人工智慧像一位剛讀過《乾淨程式碼》的優秀大學畢業生一樣分析我的程式碼。它將一個普遍的、理論的標準應用於一個具體的、歷史的現實。人工智慧看到："這段程式碼很醜，違反了單一職責原則。"
- 人類看到："這段程式碼很醜，但它在五年內處理了數百萬次交易而沒有崩潰。重構它會引入風險，卻沒有任何商業回報。"
- 人工智慧識別了「技術負債」。但它未能識別「技術資產」。2. "壞"與"良性"之間的差異
這是大型語言模型的盲點。代理是風險掃描器：它們擅長列出每一個理論上的漏洞。人類是風險承保者：我們知道「為什麼」我們容忍某些風險。
這個專案有「壞架構」，因為不同的團隊在十年間為了滿足緊急客戶的截止日期添加了功能。那個「壞架構」是生存的傷疤。人工智慧不知道模組B中的「高耦合」存在是因為解耦會破壞我們最大客戶仍在使用的舊版API。
教訓是：
- 並非所有的「問題」都是平等的。有些是會殺死產品的癌症；其他的只是看起來醜陋但不會傷害任何人的良性囊腫。人工智慧無法分辨這一點。3. 新的人類核心能力：價值判斷
- 這個實驗澄清了人類在人工智慧工作流程中的真正角色。我們不是來生成問題清單的。我們是來做出「價值判斷」。一個代理可以告訴你："這裡有50種改善這段程式碼的方法。"只有人類可以告訴你：
"忽略其中48個。修復第49個，因為它是一個安全漏洞。修復第50個，因為它阻礙了新功能。"
代理擴展了你的周邊視野。它確保你不會因為無知而錯過任何事情。但決定是否「行動」或 Not all "problems" are equal. Some are cancers that will kill the product; others are just benign cysts that look ugly but hurt no one. The AI cannot tell the difference.
3. The New Human Core Competency: Value Judgment
This experiment clarified the true role of the human in an AI workflow. We are not here to generate lists of issues. We are here to make the Value Judgment.
An Agent can tell you: "Here are 50 ways to improve this code." Only a Human can tell you: "Ignore 48 of them. Fix #49 because it's a security hole. Fix #50 because it blocks the new feature."
The Agent expands your peripheral vision. It ensures you don't miss anything due to ignorance. But the decision to Act or 忽略 是一個功能：
- 歷史背景（「我們在2019年嘗試過，失敗了。」）
- 商業背景（「無論如何，我們正在轉型，遠離這個模組。」）
- 問責（「如果這次重構破壞了生產環境，我會被解僱，而不是AI。」）
4. 代理是槓桿，而不是領導者
如果你盲目跟隨AI的建議，你將花費接下來六個月的時間，將一個運作正常的系統重構成一個「完美」的系統，卻產生相同的收入。你會「忙碌」，但不會「有效率」。
如何正確使用代理：
- 用於發現： 讓它們找到你錯過的裂縫。
- 用於選項： 讓它們建議「理論上的改進」。
- 保持法槌： 你是法官。你決定什麼進入待辦事項清單，什麼進入垃圾桶。
結論：『不』的力量
AI並不使專業經驗過時。它使之變得更關鍵。在一個AI可以生成無限「待辦事項」清單的世界中，最成功的領導者將是那些擁有最強「不做」清單的人。
如果你發現自己在與AI爭論為什麼一個「問題」實際上不是問題，恭喜你。你並沒有抵抗進步。你正在做機器無法做到的事情：情境優先排序。
水星科技解決方案：加速數位化。
