审核是AI生成工作的瓶颈吗?
摘要
本文探讨了加速起草的AI工具如何将瓶颈转移到审核阶段,并运用Goldratt的约束理论解释为什么审批能力限制了整体吞吐量。
采用AI的团队正面临一种变化的动态。你推出一个AI工具,它通过梳理文档和仪表盘来起草报告。过去需要团队数天的工作现在几分钟内就能完成。人们在发送审核前仍然会编辑,但初稿更干净了。缺失的字段更少,需要追查的支持文件也更少。然后跨团队审核队列变得更长。这个工具完成了它应该做的事情。结果发现,旧工作流程中的一些延迟实际上起到了泄压阀的作用。起草很慢,因此工作以审核者能够吸收的速度缓慢流入审核环节。现在,看起来成品的工作更快地到达审核环节,而这一步并没有加速。审批不像起草那样可以扩展,因为它不是关于产出工件,而是关于有人愿意为结果负责。制造业在几十年前就解决了类似问题。在Goldratt的约束理论(The Goal, 1984)中,瓶颈决定了整个系统的节奏。以超过约束吸收能力的速度推入工作,吞吐量不会提高;积压只是转移到了另一个站点。他的解决方案是鼓-缓冲-绳子:瓶颈是设定节拍的鼓,缓冲使其保持供给,绳子将新工作的释放与瓶颈的节奏绑定。AI剪断了绳子。它移除了无意中为系统设定节奏的摩擦,而没有触及约束。瓶颈从来不是起草。而是当有人必须为结果负责的那一刻。将AI部署在真正约束的上游,并不会获得更多吞吐量。你只会得到审批者面前更大的一堆工作。有人在他们的组织中看到这种情况吗?
相似文章
最终瓶颈
一篇反思性博客文章,探讨了代码生成中AI加速如何压倒审查流程,在软件工程中创造了新的瓶颈。并与历史上的工业瓶颈进行了类比,建议将抑制输入作为必要回应。
我认为当AI代理的输出规模超过接受速度时,会产生审查债务
本文讨论了AI代理如何以低成本生成输出,却因接受仍需人工监督而产生'审查债务',主张生产力应在审查后衡量。
@svpino: 如果你还在人工审查100%的AI生成代码,那你的速度就不够快。这根本不可能。审查…
该推文认为手动审查所有AI生成代码会造成瓶颈,并附带了一个链接,指向一种更好的方法。
编码代理是否带来了新的审查问题?
本文讨论了虽然编码代理能够有效生成代码,但它们却在审查和信任变更方面引入了新的瓶颈,质疑代理是减少了审查工作量还是转移了审查工作量。
Agentic Code Review(15分钟阅读)
分析AI编码代理如何将瓶颈从编写代码转移到审查代码,数据显示代码变更量增加861%,缺陷率上升,使得代码审查成为软件工程中最具杠杆效应的技能。