
大學的時候,我學了三年法文。工作後,學了八年韓文。這些語言一直想撿回來。
今年初,看到老婆自學日文。不同以往,現在的學語言方式,完全被多媒體素材改寫,有各種Youtune可以看。我開始好奇:那AI呢?能不能拿來幫助學語言?
兩個月前,我開始研究AI應用,做了幾個demo後,決定挑戰這個題目。結果花了十天,做出第一個版本。
成果在這裡:http://lt.stingtao.info。
還有很多 bug, 一步一步慢慢修。
這是用Vibe Coding方式做的。我越做越覺得,AI真的很強大。但強大背後,還是得有人把方向對好。
原本想的是,告訴AI要做什麼,讓它自己完成,細節我一點也不想了解。
但架構越寫越大,我發現這樣不行。如果不幫它聚焦,就會失焦。要幫它聚焦,我得先知道焦點是什麼。而要知道焦點,我就得先了解目前的架構、技術邏輯、使用方式。
過程中,AI其實一直回報進度。只要我有跟著看,我就快快學會了這個新架構。也因此,能跟它討論該聚焦在哪裡。
但如果不學,就會拉出一段差距。差距隨著不學,時間過去會越拉越大。這差距,其實就是技術學習的債。終究要還。
這段經驗,讓我有三個觀察:
- AI時代下,技術債積累變得更快了
一家做軟體的公司,原本就會有技術債。產品發展越快,若過程中一直沒有好好設計技術架構,就越容易累積債務,最後要重構甚至重寫。
AI讓事情做得更快,但也讓債積得更快。現在看來,高級工程師的視野還是非常重要。隨著時間過去,AI coding進一步發展,技術債會往更高級的方向發展,積累會越快且越大,對人的要求會更高。
2. AI時代下,公司也會有策略債、流程債
不只是技術,公司的策略與流程也一樣。
AI可以快速生成策略,也能執行流程。但如果組織沒有重新理解這些策略流程的本質,也沒有重整AI如何進來幫忙,就會變成“甩不掉的舊策略、舊流程”。最後,那些能好好用AI跳脫原有限制的公司,就會勝出。
3. AI時代下,個人思考債將更加凸顯
AI可以給出看起來不錯的答案,也能幫忙產出一份OK的報告。問題是,如果人沒有自己再多想一步,很容易就進入copy & paste的節奏。
一開始沒什麼感覺,但幾週過後,就會開始出現“思考落差”。你會開始無法判斷AI出的答案是不是對的,也無法好好跟AI合作。
AI其實就是個強力外掛,但要用好它,反而要回到自己身上:我們的理解力、架構力與思考力,是不是有持續強化?