瓶頸在於人類注意力：答案產出管理

TL;DR:目前人工智慧唯一真正的瓶頸是人類。不是「人工智慧取代每個人」——而是更冷酷的事實：人類無法檢查人工智慧產出的數量。公司將更多工作推給資深員工，資深員工在審查中淹沒。初級員工失去了道場。出路不是更多的英雄目光，而是對智慧產出進行製造紀律——規範、自動化測試、抽樣審核、回滾。我稱之為答案產出管理。

我是詹姆斯，水星科技解決方案的首席執行官。香港 — 2026年8月

昨天我參加了一個與全球IT管理高層的人工智慧諮詢會議。

兩個問題在同一個房間裡不斷碰撞：

1. 軟體工程師會失去工作嗎？
2. 如果我們想在這個季度獲得投資報酬率，誰應該實際使用人工智慧？

市場喜歡第一個問題，因為它充滿戲劇性。

第二個問題才是破壞組織的原因。

人們得出的錯誤結論

人們將其簡化為：

"人工智慧將取代人類。"

太模糊了。太殘酷了。作為操作計畫大多無用。

實際的失敗模式更具體：

AI 輸出已擴展。人類驗證沒有。

你可以在午餐前產出一週的工作。你無法在午餐前誠實地審查一週的工作。

這個差距是瓶頸。不是 GPU 短缺。不是「模型不夠聰明」。而是人類的注意力、判斷帶寬和簽核能力。

誰實際上受到影響

我在那個房間的看法很直白。

如果一名軟體工程師已經越界到架構級 能力 — 系統邊界、故障模式、權衡、在負載下「良好」的樣子 — 他們的座位並沒有消失。他們的工作正在向上變化。

真正有麻煩的人是那些卡在舊階梯中間的人：

• 剛畢業
• 沒有足夠的傷疤組織
• 等待資深人士通過真實的生產痛苦來指導他們

因為企業道場正在實時拆解。

舊模型：

資深者教導初級者 → 初級者吸收判斷 → 初級者成為資深者。

損益的新當地最佳解：

資深者 + AI → 本次衝刺產出提升5倍 → 本季度可見的好處。

為什麼要花費稀缺的資深時間來指導，當這些時間加上代理人可以交付五倍的產品？

我並不慶祝這一點。我是在描述這種激勵。

能幹的人，過度工作的人的

推進這個邏輯一步，你就會發現每個認真公司的陷阱：

• 資深者的工作量激增
• 導師制變成了「我們稍後再做」
• 新聘人員的管道變得稀薄
• 仍然能夠評估品質的人變成了單一失敗點

能幹的人過去能夠同時處理多項任務。現在能幹的人因為 AI 而過度工作。

這不僅僅是軟體的故事。相同的模式影響設計、法律運營、研究、市場行銷、財務分析——任何生成的成本比驗證自動化來得更快的角色。

這就是公司內部的 K

我一直在寫作和演講關於這個K 形經濟在智力通脹下持續一段時間 — 包括在智力通脹下的新機會。

人們聽到「K型」就想到國家和資產類別。

看看一個組織圖。

資源集中在上層：

• 對於經驗豐富的高級員工提供更高的薪資，或
• 用來聘請初級員工的預算轉換為 計算和工具供高級員工使用

雙重轉移。上臂合併。下臂匱乏。

全球規模的K形。公司規模的K形。同樣的幾何形狀。

然後公司之間的競爭迫使上臂裝上更多的AI——一個新的天花板出現了。

即使是最優秀的高級員工 + 最優秀的代理堆疊仍然與麥肯錫風格的認知負荷圖表發出的警告相撞：

人類大腦會疲勞。AI不需要睡眠。你永遠無法超越一台永不停止寫作的機器。

那麼現在怎麼辦？

偷取工廠生產線

幾十年前，製造業就解決了「人眼無法處理的單位數量」的問題。

生產線上的晶片不會由一位視力完美的智者逐一檢查。系統會這樣做：

1. 定義規範 — 什麼算是合格
2. 自動化測試 — 機器檢查機器
3. 樣本審核 — 人類觀察過程，而不是每一個單位
4. 失敗時回滾 — 不良批次不發貨；根本原因反饋生產線

人類的工作從「盯著每一個晶片」升級為 「設計檢查系統。」

AI 輸出是相同的物理學，卻有更漂亮的標記。

如果你的運營模式是「資深工程師對每個 AI 提交進行審查」，那麼你已經在半導體規模上重新發明了手動視覺檢查。這不是工藝。這是如何使唯一能區分好壞的人疲憊不堪。

回答收益管理

我稱這個修正為 回答收益管理。

軟體驗證必須成為分層基礎設施，而不是英雄行為。

無結構的「隨便跟 PR 感覺」就是你慢慢死亡的方式。零檢查就是你快速死亡的方式。分級產量控制是唯一的生存之道。

史丹佛的 AI 指數 2026 將不適感的數字化為：AI 代理在 OSWorld 風格的真實電腦使用測試中從大約12% 跃升至 ~66%的成功率。如果你想的話，可以慶祝這次跳躍。也要注意殘留物——在結構化評估中，你仍然面臨著約三分之一的失敗。

這不是「幾乎是AGI，無人看管。」這是一個有已知缺陷率的工廠。

你不會用感覺來回應33%的失敗模式。你應該用流程來回應。

這在運作時的樣子

我在我們自己的堆疊上運行這個版本。

大部分的mtsoln.com是與AI互動編寫的。到頭來我仍然有一個正常運作的神經系統，因為結構是分級的：

• 架構師設定規範
• 自動化是保鏢
• 人類只會在嚴重的紅燈上升級

重要提醒，沒有浪漫的說法：

AI幾乎總是會留下漏洞——即使在簡單的任務上。奇怪的空隙。自信的胡言亂語。在本地看起來不錯，但在全球上是錯的。

對於高級職位來說，這意味著職業重心再次移動：

從製造者 → 到問題設定者。

AI產出的洪流越多，能夠定義的人就越有價值：

• 完成的意思是什麼
• 什麼樣的錯誤預算是可以接受的
• 什麼樣的自動拒絕低於閾值
• 什麼需要在行上有人的名字

馬斯克關於AI時代品味的說法在方向上是正確的——在工程學中，品味不是美學情緒板的能量。

品味是建築判斷。什麼屬於系統。什麼絕不能發佈。什麼樣的失敗在有票號之前看起來是什麼樣子。

模型在這方面仍然很弱。這就是護城河。

初級問題，沒有搖籃曲

我不會賣給你這個軟故事。

道場被拆除。公司在季度業績火熱時，會持續選擇資深×AI 的產出，而非耐心的學徒訓練。這種激勵是真實存在的。

但這也是每位初級者都有一個 24/7、無限耐心的陪練夥伴坐在他們身邊的第一個時代。

以前是：公司強迫你訓練。現在是：你強迫自己——否則你就會在 K 的下臂掉落。

AI 對於自我導向的人來說是一種利用。對於那些只有在被推動時才會行動的人來說，AI 則是一場災難。

K形狀不僅限於職稱。它貫穿於 心態。

證據，而非理論：四到六週 → 八小時

我將在桌上提供一個實際的交付。

客戶網站： https://www.eastwood.page

這類網站的舊路徑 — 端到端需要4到6週：

修訂的路徑與答案產出管理 + 代理生產：

敘事 → 建置 → 部署到雲端 → 客戶簽署。

八小時。從頭到尾。

不是因為有人打字更快。因為工作的單位不再是「英雄手動檢查每個像素和每段文字」，而是：

規格完整性 → 生成的產出 → 自動化閘道 → 只有在仍然有價值的地方才進行人工判斷。

這就是同樣的製造升級，穿著網站的服裝。

本週要做的事情

如果你負責工程或數位交付：

1. 停止將 AI 投資回報率視為生成的標記。衡量逃逸缺陷、循環時間，以及資深人員在純重讀上花費的時間。
2. 迫使資深人員將品味外化為規範。接受標準、錯誤預算、自動拒絕規則。如果它只存在於他們的腦海中，那麼你就沒有系統——你有一個有脈動的瓶頸。
3. 安裝分級審查。低 / 中 / 高。不要再有普遍的逐行角色扮演。
4. 購買計算資源以獲得判斷杠桿，而不僅僅是生成量。在沒有更多產量控制的情況下增加產出，就是如何工業化技術負債。
5. 故意重建一個精簡的道場。自動化工廠內針對初學者的有限任務 — 或接受你正在吃掉自己的種子玉米。

如果你是個別的 IC：

• 在架構師以下：你的緊急專案是在負載下的判斷，而不是更多的快速技巧。
• 在架構師：你的工作正在變成 產出擁有者 — 設計錯誤答案在客戶看到之前如何消亡的人。

我目前唯一信任的路徑

完全不檢查是自殺。完全人力檢查是過勞而死。對 AI 答案進行分級、製造級控制是生存的中間道路。

瓶頸在於人類注意力。升級是答案產出管理。職業轉變是從製作答案到定義什麼是好的答案。

建立檢查系統。否則將淹沒在自己的產出中。

水銀科技解決方案：加速數位化。