-星云Lucky-的个人主页

即刻App年轻人的同好社区

下载

App内打开

-星云Lucky-

238关注10被关注0夸夸

入一切相，破一切相，方得自在

-星云Lucky-

1月前

AI 提升了工程师效率，但任务量不变，多出来的时间摸鱼了。这种情况真的普遍吗？我感受到的更多是，如果老板认为 AI 能提升一倍工作效率，那么任务排期也会至少压缩一倍，老板是不会让生产工具歇着的。

莫唯书Mark: 为什么用了AI工具，效率反而更差了？两年前ChatGPT刚火起来的时候，大家都在说AI要改变一切。那时候的乐观情绪很浓，仿佛只要有了AI，生产力就会自动翻倍，效率问题一夜之间就能解决。两年后呢？现实给了大家一记耳光。我最近和几个技术负责人聊，他们都说买了AI工具，开了培训，甚至定了KPI，但真正改变的是什么？代码生成率上去了，但交付周期没变。个人效率提升了，但组织产出没变。工具越用越顺手，但问题好像还是那些问题。这不是错觉。快手最近披露的一组数据，撕开了这个问题的冰山一角。他们有一万人的研发团队，AI代码生成率突破了30%，但需求交付效率几乎不变。这个数据让人震惊。30%的代码是AI生成的，按理说效率应该提升不少才对，但实际交付效率却纹丝不动。说明这背后，藏着一个被很多人忽视的真相。 AI规模化落地的核心问题，不是工具好不好用，而是能力暴涨了，但组织没变。这听起来有点反直觉。个人用AI后，能力暴涨了三五倍，写代码速度快了，改bug也更有效率。但组织的协作模式、激励机制、管理方式，还是按照人的能力来设计的。这就像给一个人装了火箭推进器，但还是让他在原来的车道上开车，当然跑不快。快手花了一年时间才明白这个道理。他们之前建立了完整的效能体系，度量指标是人均交付产品需求数。这个指标很清晰，就是看每个人能交付多少个需求。但AI来了之后，问题就出现了。个人编码速度快了，但人均接多少需求这个决策机制没变。AI帮工程师省了时间，但这些时间没有被转化为多接任务，而是变成了摸鱼时间。工程师小王就是典型的例子。用AI写代码快了，下午三点就干完活了，但他能接新需求吗？不能，因为接需求的节奏还是由产品和PM按旧的流程来定的。那多出来的时间干什么？刷刷手机，等下班。这不是快手的特例，是所有引入AI的组织都会遇到的问题。工具提升了个体的能力，但组织的机制还是按原来的节奏在运转，中间的断层谁来填？但更深层的问题，是很多人还在用"工具思维"理解AI。工具思维很简单：买一个更好的工具，就能提升效率。就像买了一台更快的电脑，写文档确实快了，但整个项目的周期不会因为这个变快。但AI不是工具，是工作方式的根本改变。以前我们做事的逻辑是：人写需求文档，流程传递给开发，开发用工具写代码。这个链条很清晰，每个环节都是人在驱动。现在AI来了，逻辑变成了：AI理解需求并生成方案，人审核并决策，AI执行。AI从被动工具变成了主动参与者，这个变化是颠覆性的。这两种方式的切换，不是换工具那么简单。通用AI工具无法理解公司内部的业务概念、存量系统、编码规范。这就像请了一个名校毕业生，但他对你的行业一窍不通。他有很强的学习能力，但需要时间熟悉业务。 AI需要懂你的业务、懂你的系统、懂你的规范，从临时工进化为熟手工程师。这需要大量的领域知识沉淀，不是买个工具就能解决。所以快手最终选择自研，并非是觉得自家技术比别人好，而是因为他们明白：没有数据资产的公司，AI只会让你加速平庸。通用AI能让你快速起步，但真正形成壁垒的是你的业务数据积累。然而这种切换最难的不是技术，是人。一个残酷的数据摆在那里：真正高效的开发方法，能让周期缩短30%到40%，但只有不到10%的人在用。大部分人还是用最原始的方式：只是把AI当成更快的代码补全器。写代码的时候让AI帮忙生成一些片段，但整体的开发流程和以前没有任何区别。这背后是认知惯性的强大力量。我们花了十多年时间习惯了"人写代码、AI辅助"的旧方式，现在要切换到"AI写代码、人审核"的新方式，这个切换不仅是工具的升级，更是能力重构和角色重塑。从写代码的人变成审核代码的人，这个角色的转变比想象中难多了。很多人会觉得，我写代码写了这么多年，现在让我审核AI写的代码，我能放心吗？我看过很多团队，大家都在用AI工具，但还在用旧的思维。就像买了智能手机，却只用来打电话发短信，APP、移动支付、各种功能统统不用，这手机的威力就没发挥出来。还有一个更残酷的事实。他们发现，那些掌握新方法的人，效率提升比不会用的人高出四五倍。这种差距不是在缩小，而是在放大。AI不会平均分配红利，而是会拉大人与人之间的差距。后来快手是怎么走出困境的？他们没有继续在工具上投入，而是开始重构组织。具体怎么做？从三个层面下手。第一个层面是新人培养。新入职的员工，从第一天开始就用AI思维工作，而不是先学老方法再改。他们直接教新人如何与AI协同，如何让AI成为工作伙伴而不是工具。这样就不存在认知切换的问题。第二个层面是团队渗透。找到那些已经掌握新方法的员工，让他们成为种子用户，影响身边的人。不是自上而下的强制推广，而是自下而上的自然传播。一个团队里有两个人用得好，其他人很快就会跟上。第三个层面是激励牵引。在绩效考核中加入AI使用能力的权重，让会用的人晋升更快、奖金更多。那个曾经下午三点刷手机等下班的小王，在新考核周期里，主动申请接双倍需求。他依然是三点干完活，只是现在他的KPI变成了1.8倍。这三个策略不是并列的，是递进的。先解决新人的认知问题，再解决团队的氛围问题，最后解决组织的激励问题。环环相扣，缺一不可。很多组织只是买了工具，开个培训，然后就指望大家自己会用。但想想看，我们在学校学了十几年怎么写代码，现在要改变这个习惯，一个培训能解决问题吗？如果是这样，掉进陷阱就不奇怪了。这种改变不会自然发生，必须强制推动。就像推石头上山，一旦松手就会滚下来，得一直推。快手的技术团队花了两年的时间，从第一阶段的效率提升，掉进第二阶段效率归零的陷阱，再到第三阶段缩短了一半以上的交付周期。这不是一条平滑的曲线，而是一条跌落再爬升的曲线。为什么第二阶段会跌落？因为AI破坏了旧的流程，但新的流程还没建立。旧的流程是按人的能力设计的，AI来了之后，流程不适用了，但新流程还没想清楚。中间这段真空期，效率反而会下降。为什么第三阶段能爬升？因为快手重构了组织，建立了新的流程。不是修补旧的，而是重新设计了整个研发范式。我看过很多公司的AI落地实践，发现一个共同点。那些成功的，都在组织重构上下了狠功夫。那些失败的，大多只是买了工具，然后就期待奇迹发生。真正的挑战，是AI会暴露组织历史积累的所有问题，然后把这些全部放大。那些组织基础好的，AI是加速器，如虎添翼。那些组织基础差的，AI是照妖镜，丑态毕现。差距只会越来越大。 2026年将成为一个分水岭。组织能否高效驾驭AI，将成为其在AI时代竞争力的重要衡量方式。这不仅是技术竞争，更是工作方式的竞争。谁先完成范式重构，谁就建立竞争壁垒。谁还在用买工具的思维解决问题，谁就会被淘汰。 AI不是来帮忙的，是来逼迫你重构自己的。它不会自动修复组织问题，而是先把组织历史积累的长板和短板一并透视出来，再全部放大。想躲都躲不掉。破而后立，这就是AI时代的生存法则。但具体怎么做？先从一件小事开始：不要再问"我们买什么AI工具"，而是问"我们的组织该怎么变"。这就是从工具思维到范式思维的第一步。最后，我想起快手技术团队的一句话：AI规模化落地，是一场组织范式的革命，不是一次工具升级。选择在你手里。但革命从来不会自然发生。要么主动拥抱，要么被动淘汰。

0 00

-星云Lucky-

1月前

千问你 TM 有病吧？！

0 00

-星云Lucky-

3月前

休假？线上办公罢了🤬

0 00

-星云Lucky-

4月前

《聊斋·兰若寺》

不错，挺好。

5个故事，开场的《崂山道士》，毛毡画风很有意思，美术创新很棒，故事简单轻快，作为开场很合适。

《莲花公主》主打一个童趣，不掺杂别的，有那种童年单纯快乐感觉，这点做到了。

《聂小倩》个人感觉是5个里面最拉的，把故事套在了民国，似乎想以此搞点新鲜感，但实际上没有带来什么新鲜感，并没有实质上用好新的时代背景，而且还想扯上家国情怀，最后搞得有些四不像，属于是想的太多做到太少，应该和其他故事一样抓住一个核心做好（尤其是作为二三十分钟的短片）。

《画皮》美术和故事细节都很好，只是有别于其他故事的“happy ending”，结局让人惆怅，当然原作基调如此，改了结局相当于改了内核，所以不能算是缺点，这个就主打成人向了，不太美好的成人向。

《鲁公女》，干干净净的纯爱故事，好看，爱看，我花时间就是来看这些美好东西的。

追光在美术上一直走在前面，尤其是国风方面的创新已经有一些很好的成果，希望能继续精进，带来更多好作品。缺点：依然喜欢网红脸；作品里总要有个骚骚的女角色；国漫普遍的漏气配音；喜欢把老故事换到现代背景新瓶装旧酒，但把握不好容易不伦不类；至于剧情追不上美术算是行业问题，只要耐心沉淀已经在进步了，上一部《长安三万里》就不错。