AI贏家 鬥快不如做對

人工智能（AI）確實提升了生產力，代碼寫得更快、更多，這是毋庸置疑的，但它同時帶來了一個新的隱憂：效率提升了，效果卻未然。當我們把「快」當成「好」，危險便悄然而生。

AI模型評估與威脅研究機構METR曾做過一項實驗。16名資深程式開發者，在自己最熟悉的成熟代碼庫上工作，承接246個真實任務（修補漏洞、加建功能、重構），一半允許使用AI，一半則禁用。使用AI的團隊，他們自己覺得快了20%，但感覺與實際表現總有很大落差。值得留意的是：AI提供的建議，最終只有部分被採用，另外的時間，卻花在收拾它留下的手尾上。這並非否定AI的價值，而是揭示另一層道理：工具快不等於完成率高。因為設定邊界條件、審查資訊安全漏洞、跑測試的時間，沒有少，甚至更多。

Efficiency（效率）和Effectiveness（效能）在管理學的概念，Efficiency是「把事情做對」，以更少的時間、成本和資源完成任務；效能是「做對的事情」，強調目標是否正確，以及成果是否真正創造價值。AI極大地提升了前者，但未必完全幫到後者，它能一秒生成過百個方案，卻不能替你判斷哪一項才值得做。工具愈強，這個分界愈要弄清楚，因為如果方向錯了，再高的效率也只是在錯誤的道路上亂跑。

在歷史上早有先例。印刷術普及後，書籍產量爆炸式增長，真正的轉折點，是校對、索引、版本管理這一整套機制的確立。數量多了，如何分辨哪一本是好書，倒成了新的難題。今天的編程正沿着同一方向前行：機器率先接管了「寫」，緊接着被迫出來的，是「審」，代碼審查、架構判斷、資安把關、合規確認。當產能噴湧而出的那一刻，社會真正渴求的，正是那個「能判斷何為合格」的人。

因此，筆者判斷企業真正值得投資的，不是更強大的AI工具，而是審查與判斷的能力──人與機器協作兩者並重。如今許多組織以關鍵績效指標（KPI）獎勵「產出了多少代碼」，卻未在審查上投入對等的資源。這實質上是在大量製造漏洞，以速度換來的紅利，終將在半年至一年後，以事故、回滾、罰款的形式，連本帶利地償還。若缺乏一套機制，能把廉價的產出轉化為可信的應用，那麼多出來的代碼，只會變成一筆負債。請各企業用心聆聽，我們習慣以上線快、出貨快、反應快證明自身的價值，但這一波的紅利，誰能率先把「做對」置於「做快」之前，誰才是真正的贏家。

車品覺 港交所獨立非執行董事、香港基因組中心董事、香港大學中國商業學院客座副教授