谨慎乐观|AI不是万能神,也不是无用功(Linear高管谈AI真相)

作者: Karri Saarinen  译者：Chris 陈

距离上次模型编程能力的重大飞跃，我们已经接近六个月的节点。六个月往往是一段蜜月期。过了这段时间，一些现实开始浮现。

我对 AI 倾向于谨慎乐观。大多数时候，我努力活在当下——不是活在某个遥远的未来，在那里 AGI 脱离人类，形成自己的”技术核心”社会。

能力是真实的，但限制也是真实的。有趣的问题不在于”这一切将走向何方？”，而在于“现在到底有什么不同？”

我发现当前围绕 AI 的市场叙事过于简单化了，说实话，有些令人沮丧。对话中往往在乐观主义和末日论之间不留任何中间地带。

我更感兴趣的是中间地带：什么真正在改变、什么有用、什么被过度炒作、什么蕴含真正的风险，以及我们仍然不理解什么。

计划本身毫无价值，但制定计划的过程却是一切

最近，似乎”规划”正在变得过时。

我通常思考 AI 影响的方式是：同一个决策或活动，在没有 AI 之前是否也能做出。 据我所知，从来没有人硬性要求必须进行长期规划周期。如果说有什么共识的话，那一直是应该更敏捷，然而许多公司最终还是形成了年度或半年度规划周期。

所以问题是：为什么？那些规划周期解决的是什么问题，而 AI 是否真的解决了那个问题？

我没有完整的答案，但我常常认为，规划的意义不在于产出（即计划本身），而在于对齐（alignment）和承诺（commitment）的演练。它迫使组织聚在一起，辩论什么才是真正重要的，确定优先级，创造意义，然后将这个方向分享给所有人。

有时它也是为了预先处理组织复杂性或边界问题，而计划则创造了各部门可以共同导航的共享地形。计划实际上只是所有这些会议和讨论得以发生的强制函数（forcing function）。

因此，虽然 AI 可能会改变时间线、增加带宽，但我还不太清楚它如何解决组织原本就在解决的其他问题。选择的需求依然存在。 在某种程度上，随着构建成本的下降，这些选择可能变得更加重要。如果制造更多东西变得更容易，那么制造错误的东西也变得更容易。

这种转变确实有一定道理。能力在快速变化，市场偏好在波动。非常长的规划周期现在承载了更多风险，因为在你完成计划之前，市场可能已经变了。

也有明确的理由支持更多实验。AI 能力持续提升，而我们对其使用方法的理解仍然不完整。有价值的用例、工具和工作流往往需要从尝试中涌现，它们不可能总是被预先规划出来。

这就是我们从一开始在 Linear 运作的方式。我们至少有六个月的计划，设定总体方向。但我们保留每月或每周改变计划或优先级的能力。计划始终是我们认为值得做的事情的一种信念。随着我们学习或注意到变化，我们会调整它。我们现在也在鼓励更多实验——更多空间去发现涌现的用例，而不仅仅依赖计划。

但没有计划、没有规划、没有方向，或者只有非常短的路线图，也可能让组织失去舵手。 风险在于为错误的客户、错误的原因构建错误的东西。

没有思考、方向或关于你真正想要实现什么的计划，你可能会最终去做任何容易做到的事情。

当你不做规划演练时，你也永远不会在思考、承诺、计划或时间线上失败，因为你从未做出过它们。你可以随便构建什么，然后看看接下来会发生什么，并可能让 AI 引导你走向最容易的而非最重要的方向。

你引导 AI，AI 也引导你

这触及了我之前写过的一点：工具总是在引导和影响工作流。它们总是在为你指明道路。

AI 工具不同之处在于，它们是思维工具，而不仅仅是机械工具。它们引导你和你的工作的能力比以往更强。

有一种有效的工作流是：你不与 AI 对抗，而是让它拉着你走。这本质上就是氛围编程（vibe coding）做得好时的样子：顺着工具的纹理走，快速移动，接受模型有自己的方向，并利用这种动量。

这可能有用，即使它不会把你带到你确切想去的地方。那是否好，取决于具体情况。

专业知识的悖论

AI 在你了解最少的领域往往最令人印象深刻——我认为这是市场认知失调的最大来源。对于普通观察者来说，AI 的能力被描述和理解成无限的。

在你深入理解的领域，你会看到差距。 输出接近但不完全对。它遗漏了上下文，编造了细节，选择了显而易见的道路，或者需要大量引导才能变得有用。

在你了解较少的领域，同样的输出可能感觉像魔法，因为你缺乏判断力去看到缺失了什么。这是一种大规模的古尔曼失忆症（Gell-Mann Amnesia）和邓宁-克鲁格效应（Dunning-Kruger effect）。

悖论在于：专业知识让 AI 更难使用，但如果你知道如何正确使用，它也更有价值。 专家能看到”垃圾（slop）”，但他们也知道如何引导、约束和评估模型。

所以 AI 并没有消除专业知识的价值。它让专业知识更多地体现在方向、判断力，以及知道”好”是什么样子。

编程

与行业内客户和公司交流后，很明显 智能体编程（agentic coding）现在已相当普遍。但存在一个光谱。几乎没有人私下说他们的智能体写了 100% 的代码。我也很少听到真实公司运行大规模独立智能体集群的真实故事。

工程师仍然深度参与引导智能体，通常可能一次只能运行几个智能体，外加少数云端智能体在后台处理更琐碎的修复。再多的话，你就生活在《哈里森·伯杰龙》的世界里了——总有东西不断 ping 你，打断你的思考过程。

我们在 Linear 也看到了这一点。我们大多数付费工作空间现在都已安装了编程智能体，使用这些智能体的活动量在几个月内增长了超过 5 倍。我不确切知道每家公司内部如何使用云端智能体，但方向很明确：这些工具已经成为正常开发工作流的一部分。

在 Linear，工程师使用各种智能体，我们也看到了节奏的提升。仅使用我们自己的云端编程智能体，我们现在每月修复超过 1,000 个问题，而且还在快速增长。我看到最大的影响是带宽的增加。我们现在可以处理比以前更多的小问题。那些可能太小、太烦人或太耗时的任务，现在变得更容易完成了。

但难题仍然是难题。 智能体编程并没有像叙事经常暗示的那样大幅加速难题的解决。它在边缘有帮助——脚手架搭建、重构、调查和小型修复。但困难的部分仍然需要理解系统、做出权衡，以及知道应该存在什么。

在专家编程工作流中，价值通常不是”AI 写代码，你接受”。价值在于围绕工作的加速。它可以探索方案、搭建实现脚手架、调试错误、重构代码、编写测试或大规模迁移，以及处理小型修复。

专家仍然提供品味（taste）、约束和最终判断。

设计

新的图像生成和设计能力好多了，但我仍然觉得它们很有挑战性。

图像生成似乎在迭代越多时越容易崩溃。很难让 AI 以一种特定的方式改变一个特定的东西。它往往会同时改变很多东西。每次迭代似乎也都会给整张图片加上某种滤镜，你可能不得不重新开始一个新的对话，用新的描述和新的文件来修复它。

我希望看到更好的工具来将 AI 限制在特定区域，而不是让它每次都重新解释整个输出。这在写作中也会发生——要求一个改变往往会导致模型重塑整篇文章。我希望图像生成能有更好的控制和工作流。

设计与代码

我一直在思考让设计工具直接操作生产代码库的价值。

许多设计+代码工具展示一个 React 组件（比如一个按钮），然后让你用设计工具修改它。

但当我设计时，我能想象按钮如何工作。它是矢量图形还是 React 按钮，在这个阶段对我来说几乎无关紧要。

我做的很多设计工作不是生产设计。 我不是在尝试实现最终版本或测试每个边界情况。大多数设计工作是关于做决策、理解问题、找到契合点。这个过程会产生许多变体和凌乱的想法。

我不希望每次改变都带有生产代码的速度或 token 成本。我不想因为提示词没完成就陷入错误。我也不想主要通过文字或代码来设计。设计是一个视觉领域，对我来说，它仍然最好在视觉化、基于画布的工具中工作。

如果我们暂时搁置”UI 是否还需要”的争论。设计仍然是塑造问题和解决方案的一种方式。大多数设计工作是关于理解一个功能如何融入现有系统、它如何与其他概念交互、它的边界是什么、它为什么优化。

即使一个产品通过 MCP、CLI 或 API 使用，概念和工作流仍然需要以某种方式说得通。

我觉得更有用的是高级视觉工具，或语义化 UI 设计工具，在那里你可以更直接地定义布局和模式。你不是在画一个矩形，而是在画一个模态框（modal），它可以继承系统的一些方面。AI 可以帮助填充屏幕、生成变体、探索方向。价值在于模式本身，而不在于这些模式由真实的生产代码支撑。

然后，一旦我有了真正想要进行实时原型验证的东西，应该有一个清晰的工作流来提炼设计文件，并将其翻译为代码。

在 AI 世界中，设计对我来说就像规划。它是你大脑在运行的 /gstack，问你问题，但在屏幕上找到解决方案。

领域很重要

对于几乎任何关于一家公司如何使用 AI 的说法，我都会尝试问：他们是谁？他们的领域是什么？他们处于什么阶段？他们的产品是什么？他们有客户吗？客户是谁？

我一直以来的思考方式是，每个产品需要不同程度的稳定性、信任、安全性，甚至像产品设计这样的东西——每个产品需要不同层次和类型的设计。

一个频繁使用的、有触感的工具（如电子邮件）需要大量的 UX 打磨，因为用户能感受到每一个小摩擦。他们经常使用它，小的摩擦会累积。

后端服务则不同。价值可能在后端逻辑中。UI 可以更有限，甚至更粗糙，产品仍然有价值。

我认为许多 AI 公司更像后端公司运作。能力就是模型。工具和框架在其之上迭代，但到目前为止，它们往往是在幕后。这帮助它们快速移动，因为每个功能都可以是系统中的另一个工具，而不需要太多视觉或概念上的足迹。

它感觉更接近经典的 UNIX 系统，在那里程序是基于文本的，可以独立创建并在运行时组合。操作系统的可组合性比现代 macOS 之类的东西更容易。

最后的论点总是”这些工具已经是最差的状态了，只会越来越好”。

我同意，但我努力贴近当下的能力，因为我不知道它们确切会变成什么。这就是我谨慎乐观的来源。我不认为做一个末日论者有多大价值，但我也认为一厢情愿的想法没有太大价值。

更有用的立场是：仔细观察、尝试事物、保持判断力完整。 AI 显然在改变事物，但我不认为我们今天可以仅仅通过更坚定的信念来构建。我们需要更真实，注意现在什么是可能的，决定什么是值得做的，并随着现实的变化而调整。

就像古老的童谣所说：如果潜力就是收入，所有这些资本支出（CapEx）早就已经是利润了。