号称日本最会用AI的工程师:他如何让Claude一天并行跑完15个开发任务?

一、真正震撼人的，不是“卷”，而是生产关系变了

一天并行推进 15 个开发任务，乍看像是个人意志力的胜利。可如果只把它理解成“这人真拼”，就看浅了。

更关键的信号是：开发正在从串行劳动，变成并行调度。过去一个工程师同时盯 2 个需求就容易乱，现在却可能像“工厂指挥员”一样，把任务拆开、投喂、检查、回收，再交给团队验收。

这不是某个极端样本的表演，而是 AI 编码时代最早浮出水面的现实：产能的瓶颈，正在从“写代码的人手”转移到“定义任务、组织协作、控制质量的人”。

二、最先被压缩的，不是需求，而是“纯编码工时”

这位 叫加藤晃寿郎的27岁创业公司老板的工作流很有代表性：收集需求、快速整理成文档、把任务并行扔给 Claude，再由人来 review、测试、修正。过程中，很多过去要半天、一天，甚至几天的小工具，如今一小时级就能落地。

他们做的内容并不神秘，真正可怕的是它们的落地速度：快到“做不做”不再是问题，问题变成“值不值得现在做”。

这意味着，企业购买的东西也变了。以前买的是工时，是一个团队慢慢堆出来的交付；现在更看重的是问题被解决的速度，以及从想法到可用结果之间的距离。

所以，最先被压缩的不是需求量。相反，需求可能更多了。真正被压缩的，是那些可以被 AI 大量吞掉的纯编码工时。

三、更值钱的三类人：会定义、会设计、会验收

采访里有一句话很准：以后重要的是要件定义的人、设计架构的人、测试验收的人。

为什么？

因为 AI 最擅长的，是在边界清晰的情况下高速生成；最不擅长的，是替你承担模糊、歧义和责任。需求一旦说不清，AI 只会更快地产生错误；架构一旦混乱，AI 只会更稳定地把混乱复制到全项目；测试一旦缺位，最后上线的就不是效率，而是事故。

所以未来更值钱的，至少有三类：

第一，会定义的人。 能把一句“我想做个这个”翻译成机器能执行、团队能协作、客户能验收的任务书。

第二，会设计的人。 尤其是架构和边界设计。为什么他反复提 DDD？因为结构越清晰，AI 越不容易跑偏；系统越有秩序，人和 AI 的协作成本越低。

第三，会验收的人。 AI 可以写，甚至能写得很快，但“这是不是对的”“有没有遗漏业务风险”“上线后会不会出问题”，最后仍然要有人兜底。

说得再直白一点：未来工程师未必都在“写”，很多人会转向判断、约束、验收。

四、AI 越快，组织反而越需要线下协作

一个很有意思的判断是：在他看来，出社频率反而应该提高。不是因为不信任远程，而是因为当 Claude 把执行速度拉满后，真正昂贵的变成了沟通中的模糊地带。

过去一个需求做三天，开会一小时还不显得那么刺眼；现在一个需求一小时就能出雏形，那你再花一小时解释“我其实不是这个意思”，组织效率就被瞬间吃掉了。

所以当 AI 加速执行，团队更需要的是高密度对齐：谁来定义、谁来拍板、谁来测试、谁来兜底。线下协作的价值，不再只是“方便交流”，而是让认知更快收敛，让反馈即时闭环。

这也是为什么很多公司会发现：AI 不是让管理变轻松了，而是逼着组织正视自己原本就存在的问题——责任边界不清、需求表达含混、反馈链条过长。

五、不是所有人都该冲进 AI 创业公司

这位创业者有个判断很冷静：不是所有工程师都适合立刻跳去 AI 创业公司。

这话很重要。因为风口最容易制造一种幻觉：只要进场够早，就能顺势起飞。但现实是，AI 把机会放大，也把能力断层放大了。

在大公司，流程冗长、节奏偏慢，可能确实没那么刺激；但它也提供了更稳定的训练场、容错率和收入安全垫。对很多人来说，那不是落后，而是缓冲带。

而在创业公司，尤其是高强度 AI 团队里，考验的是另一套能力：能不能快速学习、能不能承受高反馈密度、能不能在模糊中推进、能不能对结果负责。如果没有这些底层能力，风口不是跳板，反而可能是放大器，把短板照得更刺眼。

所以，选择位置比追逐概念更重要。不是“AI 来了，我该不该冲”，而是“以我现在的能力，哪里最适合完成下一轮升级”。

六、未来的竞争，不是谁更会用 Claude

很多人以为，AI 时代的分水岭是“会不会用 Claude”。其实不是。

Claude 会变，模型会变，今天的最佳实践，三个月后可能就过时。真正拉开差距的，不是某个提示词，也不是某个工具信仰，而是一个人、一个团队、一个公司，能不能持续重构自己的工作方式。

有人还在把 AI 当搜索框，有人已经把它当实习生；有人把它当代码补全，有人把它当并行执行系统。表面看，用的是同一个模型，底层却是完全不同的生产力层级。

所以这场变化的本质，不是“会不会用新工具”，而是你能不能把技术能力转成组织能力，再把组织能力转成商业结果。

说到底，AI 不会直接淘汰所有人。它先淘汰的，是那些还想用旧方法，去经营新世界的人。