AI 不是替代人，而是改变人的工作方式

真正的问题不是"AI 能不能做这个工作"，而是"有了 AI 之后，人应该做什么"。

一个认知偏差

每次和人讨论"用 AI 做 XX"，对方的第一反应几乎总是两种之一：

• 恐惧型："那 XX 岗位是不是要被淘汰了？"
• 轻视型："AI 做的质量不行，还得人来。"

这两种反应都基于同一个错误的二分法：要么 AI 做，要么人做。

实际上，真正发生的事情不是"替代"，而是——人做的事情从"执行"变成了"审判"。

以工作流为例

传统方式（人类）：约 12-15 小时

1. 阅读需求文档（1-2 小时）
2. 拆解功能点（2 小时）
3. 识别风险（1 小时）
4. 设计测试策略（2 小时）
5. 编写测试用例（4-8 小时）
6. 评审和修改（2 小时）

AI + 人类协作（约 2 小时）

• AI 做：阅读需求 + 拆解功能点（10分钟）
• AI 做：识别风险 + 设计测试策略（5分钟）
• AI 做：生成测试用例初稿（15分钟）
• 人类做：审查"待确认"项（30分钟）
• 人类做：验证高风险项（20分钟）
• 人类做：检查业务逻辑（30分钟）
• 人类做：补充边界场景（20分钟）

人的工作从"生产者"变成了"审判者"。

人应该审判什么？

1. 解决"待确认"项

AI 遇到不确定的地方会标记【待确认】，而不是瞎猜。AI 擅长发现模糊性，人类擅长消除模糊性。

2. 高风险项验证

AI 的风险分级准确率大约 85%，每 20 个高风险标注里有 3 个是过度担忧。高风险项的误判代价太高，必须人工验证。

3. 业务逻辑准确性

AI 对"业务意图"的理解依赖于需求文档的表述质量。这种"文档里没写但大家都知道"的隐性知识，是人类审判的核心价值。

4. 边界场景补充

AI 善于在已知框架内做系统性穷举。但"框架外"的创造性边界场景——来自经验、直觉和记忆——仍然是人类的强项。

5. 可行性判断

AI 生成的方案可能在技术上完美但实际不可行（测试数据难以构造、环境不可用等）。这类判断需要了解团队的实际情况。

渐进信任模型

阶段	人工审查	信任 AI
第 1 个月	80%	20%
第 3 个月	40%	60%
第 6 个月	15%	85%

"80/20" 的新含义

AI 做 80% 的"量"，人类做 20% 的"判"。但那 20% 的人类判断，产出了 80% 的质量增量。

AI 负责：系统性展开、格式标准化、繁重的文档生成、模式匹配

人类负责：业务意图的最终裁定、隐性知识补充、风险的上下文判断、创造性边界思考

对从业者意味着什么

你的角色从"内容生产者"升级为"质量守门人"。

以前重要	现在更重要
写作速度	审查效率
格式规范记忆	业务判断力
系统性覆盖能力	识别 AI 盲区的能力
从零构建文档	从 AI 初稿中找问题

不确定性管理：被忽视的关键能力

一个典型的失败模式：

1. AI 在分析阶段标记了一个"待确认"项
2. 人类没有及时确认就进入了下一阶段
3. AI 在下一阶段基于"假设成立"继续推理
4. 最终输出中，"不确定"变成了"确定"

人类审判者最重要的素质可能是：对 AI 的自信输出保持适度怀疑。

最后

写这个系列文章的过程中，我自己也在用 AI 辅助——它帮我理清思路、生成初稿、检查逻辑。但每一篇文章的核心论点、案例选择和价值判断，都是我做的。

AI 是一个强大的思考伙伴。但伙伴不是替身。

---

"AI Agent 工程化实践"系列完。