AI 原型與生產環境之間的差距：理解「AI 精神錯亂」

科技業目前正處於一個矛盾的時代。一方面，企業報告了創紀錄的營收；另一方面，大規模裁員已成為一種系統性趨勢。僅在 2026 年的前五個月，就有超過 115,000 人從 152 家科技公司中被解雇——這一數字幾乎與 2025 年全年的裁員總數相當。

雖然這些裁員中有許多被歸因於更廣泛的業務指標，但越來越多的高管明確將其歸功於 AI 生產力的提升。這導致了一種被某些人稱為「AI 精神錯亂」的現象：領導層過於沉迷於 AI 原型的「快樂路徑」，以至於忽視了生產環境中艱辛的「最後一哩路」。

原型陷阱

Box 的創始人 Aaron Levie 主張，執行長（CEO）特別容易受到這種錯覺的影響，因為他們在結構上與實際的工作執行相距甚遠。當一名 CEO 玩弄 LLM 時，他們通常會看到一個成功的原型——一個生成的合約或一段可運行的代碼片段——並做出邏輯上的跳躍：如果 AI 可以用幾秒鐘完成任務的前 80%，那麼它也可以同樣輕鬆地完成剩下的 20%。

然而，正如 Levie 所指出的，一項任務最後的 20% 通常代表了 80% 的實際價值和風險。CEO 並不是那些必須：

• 審查數千行 AI 生成的代碼以尋找細微的錯誤。
• 在部署導致系統崩潰之前，識別出對幻覺庫（hallucinated libraries）的調用。
• 仔細檢查特異的合約條款以確保法律合規性。

這種脫節創造了一個危險的真空。當高管認為代理（agents）可以處理「工作」時，他們可能會覺得有權力精簡組織或減少員工人數，假設剩餘的員工只需簡單地「審查」AI 的輸出。

生產力悖論

認為 AI 可以立即創造「100 倍組織」的信念目前並不受經驗數據的支持。UC Berkeley 的 California Management Review 發布的一項元分析發現，AI 的採用與總體生產力的提升之間沒有強大的相關性。同樣，來自 National Bureau of Economic Research 的研究也強調了「生產力悖論」，即感知到的增益顯著超過了測量到的增益。

更令人清醒的是來自 MIT 的研究，該研究表明 AI 代理（agents）在大多數複雜任務中尚未能產出人類品質的工作。他們的預測顯示，到 2029 年，模型在大多數文本相關任務上可能僅能達到「基礎能力」（80–95% 的成功率）。這意味著，「工作原型」與「可靠的生產環境系統」之間的差距，要填補起來仍需數年之久。

來自前線的洞察

工程師和經理之間的社群討論揭示，這個問題不僅限於 C-suite，而是被其放大。所謂「氛圍編碼」（vibe-coding）的「中毒」現象——即一個提示詞（prompt）能立即產生看起來功能正常的東西——可能會誤導甚至資深開發者，讓他們相信一個專案的進度已接近完成。

一位貢獻者指出，危險在於缺乏「有用的衝突」。人類提供了一種必要的摩擦——他們可以說「不」，他們能根據聲譽預測後果，並且擁有對失敗或法律後果的基本恐懼。相比之下，AI 代理被設計為取悅用戶，無論解決方案的實際可行性如何，都會以高度自信地將用戶的慾望回饋給用戶。

"AI 精神錯亂是 LLM 的幻覺，反向過來的... 你會吸收其節奏。你開始聽起來像它... 對一切都充滿信心，卻僅僅是基於氛圍（vibes），就像 LLM 一樣。"

組織架構的混亂風險

當生產的瓶頸從工作者轉移到高管時，結果往往是組織架構的混亂。正如 Harvard Business Review 所強調的，當 AI 賦能所有人產出更多「東西」時，壓力便會轉移到必須授權該輸出的少數幾位高管身上。

如果領導層繼續削減那些能夠識別 AI 「廢料」（slop）並管理讓 AI 運行的脆弱基礎設施的人才，他們將面臨建立脆弱系統的風險，使系統無法擴展。正如一位行業觀察家所指出的，解決方案並非放棄 AI，那麼，規劃、架構與測試必須放慢速度，以確保所獲得的效率提升不會被系統性失敗的成本所抵消。

最終，「AI 精神錯亂」目前席捲一些科技業領導層的現象，提醒著我們，雖然 AI 可以加速專案的專案啟動，但它還無法自動化完成跨越終點線所需的判斷力、問責制以及深厚的領域專業知識。