AI 狂熱正在摧毀全球決策——顧問的第一線觀察
AI 狂熱正在摧毀全球決策——顧問的第一線觀察
TL;DR – AI 炒作正在毀滅決策
作者是一位曾監督過數十個 AI 推出計畫的顧問，他聲稱 他見過的幾乎所有 AI 專案都失敗了，而且 高層被迫公開讚揚 AI，即使私下對其抱持懷疑。這形成一種自我強化的狂熱，扭曲招聘、預算與風險管理，讓員工只能在充斥指標的敵對環境中苟活。
1. AI 專案幾乎全是失敗
- 觀測到的成功率： 0 %（作者團隊參與或僅旁觀的專案，累計一年半）
- 常見失敗模式： 文件不足、對大型語言模型（LLM）期望不切實際，以及因 AI 新奇性放大的典型軟體專案管理不善。
- 聊天機器人案例： 內部客服機器人幾乎沒人使用；面向客戶的機器人很少解決問題，且常在指標中無影無蹤。
- 評論： 多位評論者指出作者的說法可能過於誇張或有選擇偏誤，但也認同許多以 AI 為中心的計畫（例如內部聊天機器人、代幣排行榜）幾乎沒有實質價值。
"我們團隊觀察到的所有 AI 專案都在失敗。每一個——在一年半的時間裡成功率是 0%…" – 作者 "這篇文章感覺大致正確，但也跟我自己用 Claude 做進階 SQL 與 Python 的經驗不太相符…" – LOCNE55（HN 評論）
2. 反對 AI 等同職業自殺
- 類似邪教的壓力： 高層必須不斷宣稱 AI 具變革性，即使他們從未親自使用過。
- 後果： 質疑 AI 計畫的員工往往會被 「射殺」——被解雇、被邊緣化，或被迫偽造 AI 使用以保住工作。
- 指標濫用： 代幣消耗、AI 账單 KPI、以及「AI 洗白」的工作方式被用來衡量績效，與實際成果無關。
- 評論： HN 使用者指出作者的軼事反映了更廣泛的企業狂熱，類似過去的技術熱潮（如區塊鏈、敏捷開發）。
"把我們的 Go 倉庫複製一份，叫 AI 用 Zig 重寫整個程式…我真的超討厭這種事。" – 軟體工程師（文中引用）
3. 示範是特洛伊木馬
- 華麗示範： 即使是半成品的 AI 示範（例如 Snowflake Cortex）也能引發非理性的購買狂潮。
- 結果： 公司購買根本無法實際使用的 AI 解決方案，往往只是為了取悅同樣被示範炫耀的客戶。
- 作者回應： 團隊停止提供此類示範，並將相關產品從銷售手冊中移除。
- 評論： 評審者指出作者的經驗符合一種模式：表面的概念驗證掩蓋了深層的實施缺口。
4. 高層博弈論——誠實的囚徒困境
- 策略困境： 若高層承認 AI 成果被誇大，可能會被貼上說謊者的標籤並失去合約；保持沉默則維持現狀。
- 董事會壓力： 即使董事會成員私下持懷疑態度，也會因不想顯得脫節而被迫支持 AI 投資。
- 結果： 一種協調問題，沒有人能安全說出真相，進一步加劇狂熱。
- 評論： HN 參與者觀察到這與其他技術浪潮中的協調失敗十分相似。
5. 「AI 原生」的要求
- 招聘與預算： 員工必須展示 AI 使用才能獲得人頭或避免被解雇。
- 代幣排行榜： 團隊競爭的是 LLM 代幣消耗，而非實際交付成果。
- 專案案例： 資料庫遷移被重新包裝成「AI 驅動」——即使只有幾行程式碼涉及 LLM。
- 評論： 有評論者認為作者過於悲觀，舉出自己在 LLM 輔助編碼上的成功案例，但仍同意 garbage‑in‑garbage‑out 的原則仍然適用。
6. 生存策略——當你無法改變系統時
6.1 當你有其他目標時
- 私下異議： 一對一提出疑慮，避免在群體場合顯露異議。
- 匿名投票： 用調查收集對專案健康的雙峰意見。
- 真實數據： 從實際使用者而非高層口號中取得洞見。
- 避免直接挑戰： 讓廣泛的 AI 炒作說法自然流過；專注於具體且可信任的關係。
- 了解政治版圖： 辨識誰已公開承諾 AI 指標，才去對抗他們。
- 務實說謊： 必要時加入代幣密集的 AI 元件以討好主管，保護自己的位置。
6.2 當你只是想活下去時
- 接受影響力有限： 認知自己可能無法改變 AI 狂熱。
- 考慮外包： 較高的薪資與固定的結束日期能減少內部政治風險。
- 限制 AI 新聞攝取： 減少炒作曝光，保護心理健康。
- 策略性沉默： 在不危及自身時點頭認同 AI 使用，將個人觀點保留私下。
- 準備離職： 把過度的 AI 工作量視為開始找工作的信號。
- 以 AI 抵抗 AI： 若主管回覆的是 AI 生成的文字，你也可以用 AI 回覆，以保全理智。
"如果你被要求審查大量糟糕的 AI 程式碼，就假設組織會把你燒盡並解雇你。" – 作者（文中引用）
7. 社群回應——讀者說了什麼
- 對類似邪教氛圍的認同： 多位評論者將此情況類比過去的技術狂熱，並指出反擊的困難。
- 對誇張的批評： 有人認為 0 % 的失敗率說法過於誇大，屬於選擇偏誤。
- 承認真實成功： 少數使用者報告在特定任務（如進階 SQL 生成）上確實獲得了生產力提升。
- 呼籲細緻： 有評論要求更清楚界定「AI 專案」的範疇，並建議作者將技術失敗與專案管理失敗分開討論。
- 更廣的觀點： 部分參與者警告說，這股狂熱是更大炒作循環的一部分，最終會逐漸平息。
結論——狂熱終將過去，但傷害是真實的
作者的第一線觀察顯示 AI 炒作已系統性地俘虜企業決策，高層被迫在公開讚揚與私下懷疑之間玩危險的遊戲。雖然仍有少數真正的 AI 生產力提升案例，但主流趨勢是 激勵不對、指標膨脹、且懷疑者受到懲罰。實務建議——私下異議、資料驅動的投票，以及必要時的策略性外包——為在這片動盪領域中求生的專業人士提供了路線圖。
這種情況可能是暫時的，但未能辨識並修正根本協調問題的組織，將面臨長期理性決策的侵蝕。