1958年，毛澤東命令中國每個村莊都要生產鋼鐵。農民們在自家後院的熔爐裡熔化了他們的鍋，並報告了驚人的數字。但這些鋼鐵毫無用處，農作物也腐爛了。三千萬人因此餓死。

2026年，幾乎每家公司都在自上而下地推動 AI 轉型。

「大躍進」的口號是「超英趕美」。每個省、每個村莊、每個家庭都被期望僅憑意志力縮小與工業化西方國家的差距。從未見過工廠的農民被分配了鋼鐵生產配額。如果足夠多的人熔煉足夠多的鐵，中國就能一夜之間成為工業強國。專業知識無關緊要，信念就足夠了。

今天的指令如出一轍，只是名詞不同。每家公司、每個職能、每個個人貢獻者都被期望縮小 AI 的差距。發布 AI 功能。構建代理。自動化工作流程。團隊中沒有人訓練過模型、設計過評估系統或調試過檢索系統，這都無關緊要。信念就足夠了。

於是每個人都在構建。產品經理構建 AI儀表板。行銷部門構建 AI 內容生成器。銷售營運構建 AI 線索評分器。軟體工程師正在構建看起來像素完美但功能糟糕的 AI 和數據解決方案。使用者介面乾淨。API 是 RESTful 的。架構圖很漂亮。但輸出是錯誤的。沒有人檢查，因為團隊裡沒有人知道正確的輸出是什麼樣子。他們從未看過數據。他們從未計算過基準。

整個部門將 n8n 工作流程拼湊在一起，並稱之為 AI —數十個自動化鏈條向模型發送提示，但對其中任何一個都沒有進行評估。這些工具是複雜性的商人：它們銷售視覺上的簡潔，卻在底層產生義大利麵條般的混亂。拖放式畫布讓鏈接十個 LLM 調用變得輕而易舉，卻讓調試第八個調用為何在週二會出現幻覺變得異常困難。構建這些工作流程的人從未設計過評估管道，從未測量過模型漂移，從未 A/B 測試過提示。他們不需要——畫布看起來很乾淨，箭頭向前，綠色的勾號亮起。複雜性並未被避免。它被隱藏在一個沒有 ML 專業知識的人會去查看的 GUI 背後。

1958年後院煉出的鋼鐵看起來像鋼鐵。但它不是鋼鐵。今天的後院 AI 看起來像 AI。但它不是 AI。一個帶有硬編碼 if-else 分支的 TypeScript 工作流程不是代理。一個 REST 端點後面的提示模板不是模型。稱這些東西為 AI，就像稱後院熔爐產出的生鐵為高級鋼鐵一樣。它滿足了報告要求。但它在所有實際測試中都失敗了。

但最危險的熔爐是生產出看似功能性產品的那個。團隊正在構建演示軟體——漂亮的介面、可工作的端點、令人印象深刻的演示——但底下卻沒有任何驗證。有些公司透過「憑感覺編碼」一些前端和編碼代理來構建內部 SaaS 產品：它能運行，有儀表板，成本僅是外部供應商的一小部分。Klarna 在2024年宣布將用內部 AI 構建的解決方案取代 Salesforce 等 SaaS 供應商。這些替代品缺乏的是數據基礎設施、錯誤處理、監控、隨叫隨到的支援、安全補丁，或者在構建者晉升離開後會維護它們的任何人。

這些應用程式將在下次全員大會上贏得獎項。兩年後，它們將成為無法維護的技術債務，某個可憐的靈魂將繼承並從頭重寫。熔爐生產了生鐵。有人在上面蓋了「鋼鐵」的印章。現在它卻是承重牆。

與此同時，客戶付費購買的實際產品卻在田間腐爛。但嘿，超英趕美。AI 採用儀表板是綠色的。

在大躍進期間，各省競相報告最驚人的糧食產量。湖北報告每畝產10,000斤。廣東說50,000斤。有些縣聲稱超過100,000斤——這在物理上是不可能的數字，據說稻子密集到孩子們可以站在上面。官員們擺拍照片。每個人都知道這些數字是假的。但每個人都還是報告了，因為另一種選擇是被貼上破壞者的標籤。中央政府對豐收感到高興，並根據報告的產量增加了糧食徵收。農民們吃著真實數字和幻想之間的差異而挨餓。

一個團隊報告他們的 AI 助手「將開發時間縮短了 40%」。下一個團隊不甘落後，報告了 60%。第三個團隊聲稱他們的 AI 代理「自動化了 80% 的分析師工作流程」。沒有人詢問這些是如何測量的。沒有人檢查方法論。沒有人指出聲稱自動化 80% 的團隊仍然擁有相同的人員數量從事相同的工作。這些數字進入了幻燈片。幻燈片進入了董事會。董事會很高興。董事會增加了投資。

然後有人——總有人——構建了一個排行榜，追蹤你這週寫了多少提示、你的程式碼有多少是 AI 生成的、你與團隊、與組織、與整個公司的排名。有一天，你的公司宣布：停止一切，這是 AI 週。用 AI 構建一些東西。展示你的成果。你以為你可以在駭客松後結束了嗎？不不不。現在你必須推廣它。每日發帖：看我建了什麼，這裡有多少代理，這裡有多少技能。拉入隊友。拉入陌生人。請求回饋。「謙虛地」。

你的 AI 使用量現在是一個 KPI。你正在根據你報告了多少糧食來評估，而不是你種了多少糧食。這就是組織規模上的古德哈特定律：當一個衡量標準成為目標時，它就不再是一個好的衡量標準。這個指標本應追蹤 AI 是否讓公司變得更好。相反，整個公司現在都在優化指標，使其看起來更好。只要採納率沒有提高，鞭打就會繼續。

大躍進中最具悲劇色彩的篇章是「除四害運動」。毛澤東宣布麻雀是國家的敵人——牠們吃穀種，殺死牠們會增加收成。整個國家動員起來。民眾敲鍋打碗，讓麻雀在空中盤旋直到牠們因精疲力竭而死亡。孩子們爬樹搗毀鳥巢。村莊競賽誰的擊殺數最高。這奏效了。牠們幾乎消滅了麻雀。

麻雀吃蝗蟲。沒有麻雀，蝗蟲數量爆炸式增長。蝗蟲群吞噬的穀物遠超麻雀以往的數量。拯救收成的運動卻摧毀了它。毛澤東悄悄地將麻雀從官方害蟲名單中換成了臭蟲，再也沒有提起過。

每一次 AI 的大躍進都有其麻雀運動。

中層管理者就是麻雀。他們被宣布為害蟲——層級太多，速度太慢，成本太高。扁平化組織！加快速度！讓 AI 處理協調！於是公司取消了 M1（一級經理），將經理轉變為領導團隊的技術負責人，並讓團隊使用 AI 工具進行自我組織。

然後，蝗蟲就來了。那些中層管理者掌握著機構知識——哪個客戶有奇怪的整合，為什麼數據模型會有那個莫名其妙的欄位，那個讓合規部門無法標記每第三筆交易的未記錄業務規則。這些背景知識存在於他們的腦海中。現在他們走了，而取代他們的 AI 系統卻需要這些背景知識才能正常運作。

QA（品質保證）也是麻雀。「AI 現在負責編寫測試。」於是 QA 被削減了。AI 編寫驗證自身假設的測試——機器檢查自己的功課。指導初級工程師的資深工程師？麻雀。文件撰寫者？麻雀。知道如何在凌晨 2 點重啟那個奇怪的舊服務的營運團隊？絕對是麻雀。

每一次消滅在單獨來看似乎都是合理的。二階效應會在六個月後出現，到那時已經沒有人將蝗蟲群與死去的麻雀聯繫起來了。

1956年，毛澤東發起了「百花運動」：「百花齊放，百家爭鳴。」自由發言。分享你真實的批評。黨想聽到你的真實想法。

知識分子上鉤了。他們公開發言。

然後是「反右運動」。所有誠實發言的人都被識別、貼標籤並被清洗。「百花運動」是一個陷阱——一個有效識別誰知道什麼，然後將他們清除的機制。倖存者學到的教訓是：永遠不要誠實地透露你所知道的，因為它會被用來對付你。

現在 Meta 和越來越多的公司發起了自己的「百花運動」。指令是：每位員工都必須構建「代理技能」——將你的專業知識提煉成 AI 代理可以執行的結構化提示和工作流程。甚至更糟的是，使用一些拖放式的舊技術構建「代理」，這些技術從未奏效，並且在2024年就被前沿實驗室放棄了。編碼你的判斷。記錄你的決策過程。讓自己對機器來說是可讀的。

聲稱的目標是提煉你的專業知識。將專家的技藝轉化為組織的資產。領導層真正想要的是將個人人力資本轉化為組織資本，使其能夠承受任何單一員工的離職。

員工們立刻看穿了這個遊戲。如果我將我十年的領域專業知識提煉成任何初級人員都可以透過提示調用的技能，我就等於自動化了我自己的取代。讓我成為關鍵節點的知識——那個在凌晨 2 點會被打電話的人，那個知道模型為何對巴西實體出現奇怪行為的人——是我的護城河。你們要求我將其排乾。

於是他們適應了，開始構建「反提煉」的代理技能，就像知識分子在「反右運動」陷阱後適應一樣。

我們已經看到專門為保住工作而構建的代理技能。表演性的技能看起來很全面，演示效果很好，但卻省略了使其在生產環境中工作的 20% 的邊緣案例知識——你現在變得更加不可或缺，而不是更少。毒丸忠實地編碼了專業知識，但卻微妙地依賴於只有你才擁有的背景——你維護的內部維基、你創造的術語、你擁有的數據管道——因此，移除你將導致輸出悄悄地漂移，直到有人說「我們需要讓他們回來處理這個」。複雜性護城河使得技能與你的其他工作在架構上糾纏不清，以至於提取你的知識比留住你更困難。你現在是一堵偽裝成裝飾品的承重牆。

旨在減少組織對個別專家依賴的運動，現在卻創造了在策略上不可或缺的專家——不是因為他們知道什麼，而是因為他們如何巧妙地設置系統陷阱來需要他們。花朵盛開了。它們卻長滿了荊棘。

與此同時，「每個人都用 AI 構建」的指令變成了一場範圍蔓延的飢餓遊戲。工程師使用 AI 生成設計並發布原型，而無需等待設計團隊。產品經理使用 AI 編寫程式碼並啟動儀表板，而無需提交工程工單。設計師使用 AI 構建產品規格並運行用戶研究，而無需讓產品部門參與。每個人都在擴展到別人的領域——不是因為他們做得更好，而是因為 AI 使之成為可能，並且指令獎勵這種行為。組織圖說的是協作；激勵結構說的是搶地盤。表面上是生產力提升，實際上是一場所有人對所有人的戰爭，每個職能部門同時試圖證明自己能夠吸收其他部門，以免被其他部門吸收。

大躍進的飢荒並非立即來臨。有一段時間，數字看起來很驚人。每個省都報告了創紀錄的收成。領導層很高興。徵收款項增加了。

飢荒來臨時，真實的糧食耗盡了，但報告的糧食卻持續向上流動。

我們仍處於報告階段。儀表板是綠色的。採用率呈上升趨勢。每個團隊都報告了生產力提升，如果將這些提升加總起來，將意味著工程師的發貨效率達到 300%，但同時仍然錯過相同的截止日期。

在指標之下，這是一場向底層的競賽。一個人構建了一個技能，另一個人就構建了一個更好的。一個人演示了一個原型，另一個人就對其進行了基準測試。每個人都在競爭，比下一個人更徹底地證明自己的角色是可以被取代的。所有人都在加速。所有人都在沉淪。

麻雀死了。蝗蟲還沒到。花朵盛開，裡面充滿了毒丸。熔爐生產了蓋著鋼鐵印章的生鐵，現在卻是承重牆。糧食數字看起來很棒。

但沒關係。我們正在超越並趕上。

哦，還有 Klarna？那家大聲宣布將用內部 AI 解決方案取代 Salesforce 的公司？他們悄悄地用另一家 SaaS 供應商取代了 Salesforce。後院熔爐無法生產真正的鋼鐵。他們從另一家鋼廠購買了。

沒人問的問題是：這一切到底生產了什麼？

答案，當它來臨時，將會很尷尬。

Han Lee 的部落格，專注於機器學習工程、複合 AI 系統、搜尋與資訊檢索，以及推薦系統——探索從新創公司到企業的機器學習、LLM 代理和數據科學見解。