@VKazulkin: "目标仍是价值" AI 采用并不等同于实现成果。作者：Francisco Trindade https://francisco…

“目标（仍然是）价值”
人工智能应用的推广并不等同于实现实际成果

来源：https://franciscomt.medium.com/the-goal-is-still-value-9258db5d5e85

人工智能的应用并不等同于交付成果

弗朗西斯科·特林达德（https://franciscomt.medium.com/?source=post_page—byline–9258db5d5e85—————————————–）

“如果说人工智能让我们学到了什么，那就是行业误解了软件生产力的本质”。这是我从另一位技术领导者那里听到的、与我产生共鸣的一句话。

人工智能正在以几年前难以想象的方式重塑团队的工作模式。从构思到执行的差距从未如此之小。因此，我们期望能够学习如何以最佳方式使用这些新工具。

这正是软件行业正在做的事情。工具日新月异，方法也不断演变。我们正处于这一转变的初期阶段，在过去六个月里，我们已经看到了许多变化：自主运行的智能体、以消耗token为策略的预算管理，以及随之而来的各种成本控制手段，这还不包括在此过程中涌现出的大量其他开发技术。

其中一些想法从一开始就明显存在缺陷。但我们仍在努力改变工作方式。创新与失败本就是过程的一部分。

问题在于，我们总是在试验方法，却不去衡量实际的成果。

我们常常衡量的是中间结果，而非真正的目标。“我们团队90%的PR都使用了人工智能”，当行业领袖们将人工智能的应用推广视为一项成就时，他们强调的只是自己在追随趋势方面做得有多好。此时，我们需要重新将“价值”引入讨论。人工智能只是交付客户价值过程中的一个工具，与其他工具并无二致。

CEO的例子虽然典型，但同样的挑战也出现在许多其他领域。我最近参加了一个工程指标工具的演示会，该工具旨在分析哪些人工智能提示能促使更多PR被合并。看到它时，我的想法可能和那些CEO们一样：这与交付更多价值有何关联？

这里的问题同样不在于我们使用更多数据来讨论团队工作方式。我们需要提升对团队效能的理解，而数据是其中的一部分。这一点我完全赞同。但我们不能从模糊的感觉转向虚假的精确。

展示时间（与成本）

这个话题的常见问题在于，我们最终总会绕回到同一个问题：什么是价值？如果范围定得太宽，就无法衡量，也就无法评估任何措施是否有效。然而，将产出指标提升到更高的层面也并非解决方案。指标并非在所有组织层级都通用。

如果你是一家公司的CEO，token消耗除了反映人工智能账单的规模外意义不大。如果你是一名软件工程师，你将无法改变全年的营收预测。根据你在组织中所处的位置，你需要在尽可能广泛的范围与可操作且能理解结果的事物之间找到正确的平衡点。

在组织某个层级上有用的指标，在其他层级上未必有用。如果你管理着一个软件团队（或多个团队），你的答案可能是资金和时间的混合体，旨在交付有价值的客户成果。换句话说：投入与周期时间。

周期时间部分应该不难理解。例如，如果存在一个明确的客户需求，比如他们希望更快地找到合适的产品，那么你的团队需要优化的就是交付这一成果的速度。从客户直接或间接表达需求，到交付实现该需求的功能，这中间需要多长时间？

使用周期时间来衡量软件开发有诸多优势。首先，它聚焦于实际价值，这种价值很难通过中间步骤来操纵。你的客户并不关心你为了交付成果消耗或节省了多少token，也不关心智能体在构建过程中是否“有意识”。他们关心的是问题是否得到解决，以及解决的速度。诚然，可以通过缩小每个任务的切片来操纵周期时间，但这是一种积极的改变，因为更小的批次将带来更好的性能。正如人们常说的，这是一个双赢的局面。

周期时间还允许你创建遵循同一原则的中间指标。上面提到的“到价值的周期时间”涵盖了整个链条，也包括你们公司感知客户需求的能力。对于一个工程团队来说，只考虑从需求（例如作为一个项目）交接到团队，再到交付给客户之间的时间，可能就足够了。在此范围内，你还可以考虑每个工单的周期时间（代表价值的一个切片），或每个PR的周期时间（聚焦于日常工程工作）。这是同一指标在不同系统细节层级上的应用，其目标都是一致的。

不同的指标在不同层级上衡量着同一个概念：完成一项变更需要多长时间？。然而，时间并非一切，随着技术投入从仅涉及人类转向人类与智能体并存，这一点变得越来越明显。长期以来，科技公司遵循着一种“构建出来就会有价值”的原则。其理念是，如果你能构建出有用的软件产品，它就能扩展到足够大的规模，从而使投入变得值得。

这从来就不是一个好做法，即使在人工智能出现之前也是如此，因为许多公司都难以扩展业务。但这通常被多年投入的跑道所掩盖。在每家公司你都能看到这种情况：一个项目交付了，并获得了极好的反馈，每个人都分到了蛋糕。没人关心这个项目耗时三年，花费一千万美元，却只带来了十万美元的回报。

随着投资能力的降低和人工智能账单成为成本的一部分，投资实质性（重要性）的问题变得更加关键。技术领导者需要更好地回答的问题是：交付某些价值需要多少投入。这种投入由时间构成，包括工程师和其他团队成员的薪酬，以及工具成本，即人工智能的token费用。

技术领导者应该向这个问题靠拢，而不是远离它。将讨论集中在投入和时间上，迫使我们去问什么能真正带来更快速、更低成本的交付。是哪些实践、工具或原则？换句话说，它告诉了我们如何交付更多价值。

如果您觉得这篇文章有趣，我撰写关于领导高效软件工程团队的内容，更多信息请访问我的网站 (https://franciscotrindade.me/)。如果您对该领域感兴趣，可以在那里订阅。