Why Your 'AI-First' Strategy Is Probably Wrong
编译摘要
1. 浓缩
- 核心结论1: AI-first 不是把 Copilot、Cursor 或 ChatGPT 加到旧流程里，而是围绕"AI 是主要构建者"重写流程、架构和组织。
- 关键证据: 作者区分 AI-assisted 与 AI-first。前者是在原有 sprint、Jira、standup、QA sign-off 上加 AI，通常只有 10% 到 20% 效率收益；后者改变计划、构建、测试、部署和团队角色，使 CREAO 从六周周期变成一天内多次部署和实验。
- 核心转换是问题表述：不是"AI 如何帮助工程师"，而是"如何重构一切，让 AI 做构建，人负责方向和判断"。
- 核心结论2: Harness engineering 的中心任务是让 agent 能看见系统、理解失败、接受约束并通过验证，而不是让模型"更努力"。
- 关键证据: CREAO 将多仓库系统统一为 monorepo，因为 fragmented codebase 对 agent 不透明，无法看见跨服务影响或本地跑集成测试；他们还建立六阶段 CI/CD、Claude 三路代码审查、CloudWatch/Sentry/Linear 的自愈反馈环。
- 文章中最重要的工程原则是：验证速度必须匹配实现速度。否则 AI 把 build time 从几天压到几小时后，QA、PM、营销或发布流程会变成新的瓶颈。
- 核心结论3: AI-first 组织把人的价值从代码产出迁移到决策质量、批判能力、品味和风险判断。
- 关键证据: 作者把新工程组织分成 Architect 与 Operator。Architect 设计 SOP、测试基础设施、集成系统、triage 系统和架构边界，定义 agent 的"好"；Operator 调查、验证、审查风险和处理局部任务。
- 对工程师的建议也很明确：写代码快的价值每月下降，评估、批评和指挥 AI 的价值上升。能发现 agent 漏掉的失败模式，比能亲手生产更多代码更稀缺。
- 核心结论4: AI-first 的组织代价真实存在，不能只看部署频率。
- 关键证据: 作者承认 CTO 工作强度上升、员工不确定性增加、高级工程师价值感受冲击、旧系统被拆而新系统尚未证明的过渡期成本。CREAO 的案例是激进重构，不是低摩擦升级。
2. 质疑
- 关于样本偏差的质疑: CREAO 是 25 人 agent 平台公司，用自家 agents 重建自家工程系统。这是高适配样本，不能直接外推到大型企业、强监管行业、硬件系统或遗留系统深重的组织。
- 关于指标的质疑: 99% 生产代码由 AI 编写、14 天每天 3 到 8 次部署、用户参与和付费转化上升，都是一手叙述，缺少第三方审计、基准线和部署粒度。坏功能当天杀掉是高速学习，也可能掩盖高失败率。
- 关于角色判断的质疑: "初级工程师适应更快"可能成立于短期工具迁移，但长期系统设计、风险建模、产品品味和复杂故障诊断仍可能依赖深经验。不能把传统技能贬为无用，只能说未经重构的传统习惯会拖慢转型。
- 关于组织代价的质疑: 作者把管理时间从 60% 降到低于 10% 描述为收益，但这也可能带来沟通断裂、心理安全下降和隐性知识流失。AI-first 不只是技术架构问题，也是组织契约问题。
3. 对标
关联概念