技術團隊中 AI 生成內容的禮儀

AI 生成的程式碼、文件和除錯調查的激增，為技術團隊帶來了新的禮儀挑戰：判斷何時將 AI 的輸出轉發給另一個人是可接受的。處理此問題的核心原則很簡單：如果你在請求人類的關注，請展現人類的努力。

AI 疲勞的成本

將未經消化處理的 AI 輸出轉發給同事，通常被視為不體貼，因為這將認知負荷從發送者轉移到了接收者身上。當團隊成員發送一份帶有「我沒讀過這個，所以它可能不完全準確」之類免責聲明的文件時，他們實際上是在要求接收者執行他們自己拒絕執行的驗證工作。

這會造成一種被稱為「AI 疲勞」的現象，工程師們每天花費越來越多的時間閱讀冗長且可能不準確的文本。這種疲勞會導致人們在潛意識中避免處理那些過度依賴 AI 而缺乏人類策劃（curation）的工作成果。

在軟體工程中，AI 生成的 Pull Requests (PRs) 缺乏人類的努力，可能會導致系統性的低效率。

審查者倦怠： 審查者必須花額外的時間在大型、AI 生成的 PRs 中剔除幻覺（hallucinations）和錯誤。當這些深思熟慮的審查意見遇到 AI 生成的修正建議時，整個過程會讓人感到被輕視。
認知債務： 當開發者提交 AI 程式碼卻沒有內化所做的選擇時，他們在審查過程中無法解釋為什麼選擇了特定的實作方式，這增加了專案的長期認知債務。
次級代理人角色： 當團隊成員的主要角色變成過濾另一個人的 AI 輸出時，他們可能會開始覺得自己像是「次級代理人」，而非協作者。

為了維持專業信任與團隊效率，建議在將 AI 整合到技術工作流程中時採取以下做法：

AI 生成的內容應清楚標註，並附上人類的評論。發送者不應直接發送模型的原始數據 dump，而應綜合資訊並強調最相關的部分。

所有 AI 生成的程式碼在提交進行人類程式碼審查之前，必須先由作者本人進行審查。無論使用何種工具生成，程式碼正確性的責任仍由人類作者承擔。

由於 AI 通常很冗長，人類的努力可以透過「為了簡潔而進行編輯」的行為來展現。簡潔是對接收者有限注意力的尊重表現。

雖然「展現努力」的原則得到了廣泛支持，但有些人認為這是一個效用問題，而非勞動問題。

「這只是將勞動價值論應用於文件……如果它們是有價值的，人們就會想讀它們。創作它們對某人來說是否痛苦並不是一個因素。」

其他人則認為，問題不在於 AI 本身，而是整體人類努力程度的普遍下降，或者認為 AI 僅僅是一個工具，其輸出本質上就是人類的輸出。然而，從業者之間普遍的觀點是，AI 生成的「廉價性」使得消費的成本變得更高，因此需要更高標準的策劃，以避免用「垃圾內容 (slop)」淹沒溝通管道。