管 AI 的专家陷阱

最近团队一直在讨论”和 AI 合作写程序”应该怎么走。

过去两周，我们走的是一条精细化管理的路径——保证 AI 每一步都无错。也看到有一些完全不会代码的人，完全不看代码、只检验功能，搭出了能跑的大系统——it just works。我们自己也尝试过另一条路，但没完全跑通。

会议结束时，大家处在思考但尚无定论的状态。

后来一直在琢磨这条路的问题。我觉得，只要我们拨开了这一重所知障，可能一开始不一定走得最快，但能走得更远。

我们当下的思维定式可能是：正因为懂业务（会写码），所以总会不自觉地插手 AI 员工的具体工作，做 micromanagement，反而忽视了组织 / 机制——怎么通过管理学和方法论让 AI 把事做成。

那些完全不懂编程的人，没办法 micromanage，只能想其他办法。

这就好比传统企业管理里：不懂业务的老板，反而在用人上更加有一套（比如刘备、Sam Altman）；而懂业务的老板，如果意识到不能凡事都亲自抓，学会了用人和组织建设，那一定是更厉害的（张一鸣、雷军、马化腾）。

那些完全不懂写代码的人，已经用他们的结果证明：或许不用代码层面的 micromanage，也有其他办法保证 AI 的产出。

那我们也得找出来——这些方法是什么。

在这点上，我们从”不知道自己不知道”，走到了”知道自己不知道”。掌握了，工具箱里又多了一种工具，认知里又多了一种选择。

专家陷阱（Expert Trap / Competency Trap）

懂业务的人，最容易过度干预执行层，从而阻碍系统规模化。

这正是 Expert Trap 在 AI 时代的实例。

那些不会写代码的人，因为能力上无法逐行控制，被迫：

他们是被逼着站在第二 / 三控制层级。

当我们”逐行管 AI 写代码”，我们其实是在用人的带宽去压制一个高并行系统，必然很快遇到天花板。

不懂业务的老板，往往只能擅长用人和组织（比如刘备、Sam Altman、Jack Welch）。

懂业务的老板，如果凡事亲自抓，很容易被细节拖住。

但真正厉害的，是既懂业务、又能克制自己不用业务能力的人——他们把精力用在：

这不是否定”懂技术”的价值，而是承认：懂技术的人更容易自困在第一层级，但一旦跃迁，天花板更高——张一鸣 / 雷军 / 马化腾就是”懂业务 + 克制”的典型。

在 AI 协作这件事上，我们需要逐步从：

“确保 AI 每一步都不犯错”

转向：

“接受 AI 一定会犯错，设计一个即便个体 AI 会犯错，依然能跑的系统结构。”

这意味着：

只要意识到这一点，我们现在的路径就没有问题。

第一阶管理只要有条件，还是一段不可跳过的经历。只有经历过一阶，才对 AI 的能力有细粒度的一手感知，才知道什么是风险、什么是边界、什么是质量、什么是不可妥协。这会成为我们未来”放权给 AI”时仍然能保持高标准的底气。

只要意识到这个陷阱，专业水平就不再构成所知障，而是升级的基本功。真正的路径是”升级”：一阶走扎实，然后一步一步升级到二阶、三阶。

一阶管理：管行为（必要且宝贵）
- 关注：怎么做、做得对不对
- 产物：高质量、可解释的实现经验与工程直觉
- 价值：打地基、建立标准、识别风险
二阶管理：管规则（下一阶段的核心）
- 关注：输入约束、验收标准、测试、边界条件
- 产物：可复制的方法、可扩展的流程
- 价值：让产出不再依赖个人盯细节
三阶管理：管系统自演化（长期方向）
- 关注：模块自治、自动修复、持续重构、组织结构与系统结构对齐
- 产物：越做越快、越跑越稳的系统
- 价值：规模化与长期复利

我想强调的是：一阶 → 二阶 → 三阶不是”二选一”，而是成长路径。

一阶不是要被否定，而是要被继承、抽象、再升级。

走得远的人，往往不是跳过一阶的人，而是愿意不断升级层级的人。

可以尝试的方向是：

目标不是”少看代码”，而是：把人从细节中逐渐解放出来，用更高层的机制去守住质量。

我们自身的能力和现在的方式，是一段非常宝贵的经历——它让我们建立了标准与底线。

我感到很幸运：在团队开始运作的两周时间里，我们就意识到了这个问题并进行了讨论。这让我们在 Causally 的两核心使命之一——“探索 AI 原生的组织形态”——迈出了实在的一步。

只要保持思想开放，不被”我已经知道怎么做”限制，从一阶走到二阶、再到三阶，我们一定会走得更扎实、更远。