AI 狂热正在蚕食全球决策——顾问的第一手现场报告

AI 狂热正在蚕食全球决策——顾问的第一手现场报告

TL;DR – AI 炒作正在毁掉决策

作者是一名曾监督数十个 AI 项目实施的顾问，他声称 几乎所有他见过的 AI 项目都失败了，并且 高管们被迫公开宣扬 AI，即使私下里对其持怀疑态度。这导致一种自我强化的狂热，扭曲招聘、预算和风险管理，使员工只能在充满敌意、以指标为导向的环境中生存。

1. AI 项目几乎全是失败

  • 观察到的成功率： 在作者团队参与或旁观的项目中，超过一年半的时间里成功率为 0 %。
  • 典型的失败模式： 文档缺失、对大语言模型（LLM）的不切实际期待，以及因 AI 新颖性而放大的传统软件项目管理失误。
  • 聊天机器人案例： 内部帮助台机器人几乎没有使用；面向客户的机器人很少解决问题，且常在指标中无声消失。
  • 评论： 多位评论者指出作者的说法可能夸大或存在选择偏差，但他们也承认许多以 AI 为中心的举措（如内部聊天机器人、代币排行榜）几乎没有提供实质价值。

"我们团队观察到的所有 AI 项目都在失败。每一个——在一年半的时间里成功率为 0%…" – 作者
"这篇文章的观点似乎正确，但也与我使用 Claude 进行高级 SQL 和 Python 的实际体验不符…" – LOCNE55（HN 评论）

2. 公开反对 AI 等同职业自杀

  • 类似邪教的压力： 高管必须反复宣称 AI 是变革性的，即使他们从未亲自使用过。
  • 后果： 质疑 AI 项目的员工往往会被 “枪毙”——被解雇、边缘化，或被迫捏造 AI 使用情况以保住工作。
  • 指标滥用： 代币消耗、AI 账单 KPI、以及对工作进行的 “AI 洗白” 被用来衡量绩效，无论实际成果如何。
  • 评论： HN 用户指出作者的轶事反映了更广泛的企业狂热，类似过去的技术潮流（如区块链、敏捷）。

"检查我们 Go 仓库的平行副本，让 AI 用 Zig 重写整个代码…我真的受够了这种事。" – 软件工程师（文中引用）

3. 演示是特洛伊木马

  • 炫目演示： 即使是半成品的 AI 演示（例如 Snowflake Cortex）也能引发非理性的抢购狂潮。
  • 结果： 公司购买根本无法实际使用的 AI 解决方案，往往是为了取悦同样被演示冲昏头脑的客户。
  • 作者的回应： 团队停止提供此类演示，并将该产品从销售手册中剔除。
  • 评论： 评审者指出作者的经历符合一种模式：表面的概念验证掩盖了深层的实施缺口。

4. 高管博弈论——诚实的囚徒困境

  • 战略困境： 若高管承认 AI 成果被夸大，他们可能被贴上说谎者标签并失去合同；保持沉默则维持现状。
  • 董事会压力： 即使董事会成员也承认怀疑，但为了避免显得落后，他们仍被迫支持 AI 投资。
  • 结果： 一种协调问题，没人能安全地说出真相，进一步强化了狂热。
  • 评论： HN 参与者认为这与其他技术浪潮中的经典协调失灵相似。

5. “AI‑原生”要求

  • 招聘与预算： 员工必须展示 AI 使用情况才能获得编制或避免被解雇。
  • 代币排行榜： 团队竞争的是 LLM 代币消耗，而非实际交付成果。
  • 项目案例： 数据库迁移被重新包装为 “AI 驱动”，即使只有几行代码涉及 LLM。
  • 评论： 有评论者认为作者的观点过于悲观，举例说明自己在 LLM 辅助编码上的成功，但他们仍认同 garbage‑in‑garbage‑out（输入垃圾输出也垃圾）的原则。

6. 生存策略——当你无法改变系统时

6.1 当你有其他目标时

  1. 私下异议： 一对一提出担忧，避免在公开场合出现异议。
  2. 匿名投票： 用调查揭示项目健康的两极化意见。
  3. 真实数据： 从实际用户而非高管言论中获取洞见。
  4. 避免直接挑战： 让宽泛的 AI 炒作言论自行过去，专注于具体、可信的关系。
  5. 了解政治格局： 先识别谁已经公开承诺 AI 指标，再决定是否对其提出质疑。
  6. 务实的撒谎： 如有必要，加入代币密集的 AI 成分以安抚管理层，保护自身位置。

6.2 当你只是想生存时

  1. 接受影响有限： 认识到自己可能无法改变 AI 狂热。
  2. 考虑外包/合同制： 更高的报酬和固定的结束日期可以降低内部政治风险。
  3. 限制 AI 新闻摄入： 减少炒作曝光，维护心理健康。
  4. 策略性沉默： 在不会危及自己的情况下点头认可 AI 使用，个人观点保持私密。
  5. 准备离职： 将压倒性的 AI 驱动工作量视为开始找工作的信号。
  6. 利用 AI 对抗 AI： 如果经理回复的是 AI 生成的文本，你可以安全地用 AI 回答，以保住理智。

"如果你被要求审查大量糟糕的 AI 代码，就假设组织会把你烧尽并解雇你。" – 作者（文中引用）

7. 社区反应——读者的声音

  • 对邪教氛围的认同： 多位评论者将此情形类比过去的技术狂热，并指出反击的困难。
  • 对夸张的批评： 有人认为 0 % 成功率的说法被夸大，存在选择偏差。
  • 对真实成功的承认： 少数用户报告在特定任务（如高级 SQL 生成）中通过 LLM 获得了显著的生产力提升。
  • 呼吁细致： 有评论要求更明确地界定何为 “AI 项目”，并建议作者区分技术失败与项目管理失败。
  • 更广阔的视角： 少数参与者警告说，这种狂热是更大炒作周期的一部分，终将平息。

结论——狂热终将过去，但损害是真实的

作者的第一手视角展示了 AI 炒作对企业决策的系统性俘获，高管被迫在公开赞扬与私下怀疑之间进行危险的游戏。虽然仍有少数真正的 AI 驱动生产力提升，但主流趋势是 激励错位、指标膨胀以及惩罚怀疑的文化。实用建议——私下异议、数据驱动投票以及必要时的策略性合同——为在这片动荡海域中航行的专业人士提供了路线图。

这种情况可能是暂时的，但未能识别并纠正根本协调问题的组织，将面临长期理性决策能力的侵蚀。

Sources