瓶颈是人类注意力：答案产出管理

TL;DR:目前人工智能唯一真正的瓶颈是人类。不是“人工智能取代每个人”——而是更冷酷的事情：人类无法检查人工智能产生的数量。公司将更多工作推给高级员工，导致他们在审核中淹没。初级员工失去了练习的机会。解决之道不是更多的英雄式审查，而是对智能输出进行制造纪律——规范、自动化测试、抽样审计、回滚。我称之为答案产出管理。

我是詹姆斯，水星科技解决方案的首席执行官。香港 — 2026年8月

昨天我参加了与全球IT管理高级领导层的人工智能咨询会议。

两个问题在同一个房间里不断碰撞：

1. 软件工程师会失业吗？
2. 如果我们想在这个季度获得投资回报，谁应该真正使用人工智能？

市场喜欢第一个问题，因为它很戏剧化。

第二个问题才是破坏组织的原因。

人们得出的错误结论

人们将其简化为：

"人工智能将取代人类。"

太模糊了。太残酷了。作为操作计划基本无用。

实际的失败模式更具体：

AI 输出已扩展。人工验证没有。

你可以在午餐前生成一周的工作量。你无法在午餐前诚实地审查一周的工作。

这个差距是瓶颈。不是 GPU 短缺。不是“模型不够聪明”。而是人类的注意力、判断带宽和签字能力。

谁实际上受到影响

我在那个房间里的看法很直白。

如果一名软件工程师已经越界到架构级能力 — 系统边界、故障模式、权衡、在负载下“良好”的表现 — 他们的席位并没有消失。他们的工作正在向上演变。

真正陷入困境的人是那些卡在旧阶梯中间的人：

• 刚毕业
• 没有足够的伤疤组织
• 等待资深人士通过真实的生产痛苦来指导他们

因为企业道场正在实时拆解。

旧模型：

高级员工教导初级员工 → 初级员工吸收判断 → 初级员工成为高级员工。

P&L的新本地最优解：

高级员工 + AI → 本次冲刺5倍的产出 → 本季度可见的收益。

为什么要花费稀缺的高级员工时间进行指导，而这些时间加上代理可以交付五倍的产品？

我并不是在庆祝这一点。我是在描述激励。

能干的人，超负荷工作的人

将这个逻辑推一步，你会发现每个严肃公司的陷阱：

• 高级员工的工作量激增
• 指导变成了“我们稍后再做”
• 新员工管道变得稀薄
• 仍然能够判断质量的人成为了单点故障

能干的人曾经能够多任务处理。现在能干的人因人工智能而过度工作。

这不仅仅是一个软件故事。相同的模式影响设计、法律运营、研究、市场营销、财务分析——任何生成变得比验证自动化更便宜的角色。

这是公司内部的K

我一直在写作和演讲关于K型经济在一段时间内的智能通货膨胀下 — 包括在智能通货膨胀下的新机会。

人们听到“K型”就会想到国家和资产类别。

看看一个组织结构图。

资源集中在上游：

• 对有经验的高级员工支付更高的薪水，或者
• 用于雇佣初级员工的预算转变为高级员工的计算和工具

双重转移。上臂复合物。下臂匮乏。

世界级K形。公司级K形。相同的几何形状。

然后公司之间的竞争迫使上臂装上更多的人工智能——一个新的天花板出现了。

即使是最优秀的高级员工 + 最优秀的代理堆叠，仍然与麦肯锡风格的认知负荷图表的事实相撞：

人类大脑会疲劳。人工智能不会睡觉。你永远无法超越一台从不停止写作的机器。

那现在怎么办？

偷走工厂车间

几十年前，制造业就解决了“人眼无法处理的单位过多”问题。

生产线上的芯片并不是由视力完美的智者逐个检查的。系统是这样做的：

1. 定义规格 — 什么算是合格
2. 自动化测试 — 机器检查机器
3. 样本审计 — 人类观察过程，而不是每个单元
4. 失败时回滚 — 不合格的批次不发货；根本原因反馈给生产线

人类的工作从 "盯着每个芯片" 升级为 "设计检查系统。"

AI 输出是相同的物理学，带有更漂亮的标记。

如果你的操作模型是 "高级工程师逐行审核每个 AI 提交，" 那你就是在半导体规模上重新发明手动视觉检查。这不是工艺。这就是如何让唯一能分辨好坏的人疲惫不堪。

答案收益管理

我称这个修复为答案收益管理。

软件验证必须成为分层基础设施，而不是英雄活动。

无结构的“随意与公关相处”是你慢慢死亡的方式。零检查是你快速死亡的方式。分级收益控制是唯一的生存之路。

斯坦福大学的AI指数2026给出了一个不适的数字：在OSWorld风格的真实计算机使用测试中，AI代理的成功率从大约12%跃升至~66%。如果你想，可以庆祝这一跃升。同时注意残留物——在结构化评估中，你仍然面临大约三分之一的失败。

这不是 "几乎是AGI，船只无人看管。" 这是一个有已知缺陷率的工厂。

你不能用氛围来应对33%的失败模式。你需要用流程来应对。

这在正常工作时的样子

我在我们自己的技术栈上运行这个版本。

大多数mtsoln.com是与AI协同编写的。到头来我仍然有一个正常运作的神经系统，因为结构是分级的：

• 架构师设定了规范
• 自动化是保镖
• 人类只会在严重的红灯下升级

重要提醒，毫无浪漫地说：

人工智能几乎总会留下漏洞——即使在简单的任务上。奇怪的空白。自信的胡说。局部漂亮，全球错误。

对于高级员工来说，这意味着职业重心再次移动：

从生产者 → 到问题设定者。

人工智能输出越是充斥渠道，能够定义的人就越有价值：

• 完成意味着什么
• 什么样的错误预算是可以接受的
• 什么样的自动拒绝低于阈值
• 什么需要在行上有一个人名

马斯克关于AI时代品味的观点在方向上是正确的——在工程中，品味不是审美情绪板的能量。

品味是建筑判断。什么属于系统。什么绝不能发布。失败在有票号之前是什么样子。

模型在这方面仍然很弱。这就是护城河。

初级问题，没有摇篮曲

我不会卖给你软故事。

道场被拆除了。公司在季度业绩火热时会继续选择高级×AI 吞吐量，而不是耐心的学徒。这种激励是真实存在的。

但这也是每个初级人员都有一个 24/7、无限耐心的陪练伙伴坐在他们身边的第一个时代。

过去是：公司强迫你训练。现在是：你逼迫自己——否则你就会掉出 K 的下臂。

AI 对于自我驱动的人来说是一种利用。对于那些只有在被推动时才会行动的人来说，AI 是一场灾难。

K形态不仅仅停留在职位上。它贯穿于思维方式。

证据，而非理论：四到六周 → 八小时

我将提供一个真实的交付。

客户网站：https://www.eastwood.page

此类网站的旧路径 — 从头到尾需要4到6周：

修订后的路径与答案收益管理 + 代理生产：

叙述 → 构建 → 部署到云端 → 客户签字。

八小时。端到端。

不是因为有人打字更快。因为工作的单位不再是“英雄手动检查每个像素和每段文字”，而是变成了：

规格完整性 → 生成的生产 → 自动化门槛 → 仅在仍然有价值的地方进行人工判断。

这就是同样的制造升级，穿上了网站的外衣。

本周要做的事情

如果你负责工程或数字交付：

1. 停止将 AI ROI 仅仅视为生成的令牌。衡量逃逸缺陷、周期时间和高级人员在纯重读上花费的时间。
2. 迫使高级人员将品味外化为规范。验收标准、错误预算、自动拒绝规则。如果它仅存在于他们的脑海中，你就没有系统——你有一个有脉搏的瓶颈。
3. 安装分级审查。低 / 中 / 高。不再是普遍的逐行角色扮演。
4. 购买计算能力以提高判断力，而不仅仅是生成量。在没有更多产量控制的情况下增加输出就是如何工业化技术债务。
5. 故意重建一个精简的道场。在自动化工厂内为初学者设定的有限任务——否则就接受你在吃自己的种子玉米。

如果你是个人IC：

• 在架构师以下：你的紧急项目是在负载下的判断，而不是更多的快速技巧。
• 在架构师处：你的工作正在变成收益所有者—— 设计错误答案在客户看到之前如何消亡的人。

我目前唯一信任的路径

完全不检查就是自杀。完全人工检查就是过劳而死。分级、制造级别的AI答案控制是生存的中间道路。

瓶颈是人类注意力。升级是答案产出管理。职业转变是从制作答案到定义什么是允许的好答案。

建立检查系统。否则就会淹没在自己的产出中。

水银科技解决方案：加速数字化。