如果你喜歡我的內容，歡迎加入會員支持我，讓我把內容做得更深、做得更好，一起把這個頻道做成我們都想看到的樣子！

👉 https://www.youtube.com/channel/UCJIPFjZSCWR15_jxBaK2fQQ/join

這集講的「AI 幻覺」不是大家熟悉的那種 AI 亂講話、產生沒查證的內容，而是另一種更難察覺的幻覺：AI 讓我們整個人，從開發者、公司到整個產業，都誤以為自己的生產力變得超好。

先講一個讓我印象很深的研究。METR 去年找了 16 個開發者來做實驗，而且不是隨便找的，是那種在大型成熟專案裡待了好幾年、閉著眼睛都熟的長期維護者，照理說最有資格判斷 AI 到底有沒有幫到他們。結果這些人事前覺得 AI 會讓自己快 24%，做完還是覺得快了 20%，但實際去看螢幕錄影一算，他們是慢了 19%。一來一回就差了 40%。最弔詭的是，你把錄影放給他們自己看，他們還是堅信自己變快了。

然後今年 METR 想把這實驗做得更大，結果做不成了，因為有 30% 到 50% 的開發者直接拒絕加入「不能用 AI」的那一組。這個現象本身，我覺得就很說明問題。

中間我也聊到一個我自己蠻有感的觀察：為什麼那麼多人會沉迷 Claude Code、Codex 這些 coding agent？某種程度它真的有點像賭場的拉霸機，你永遠覺得「再一個 prompt 就好了」，這次骰到好點數、下次壞一點、再下次又給你驚喜，然後你就在那邊來來回回，覺得生產力爆棚，實際上花了更多時間。

再往上一層看公司跟產業也是一樣的故事。Uber 四個月就把一整年的 AI credit 預算燒完；DORA 的研究發現 AI 其實是個放大器，PR 數量變多很多時候只是「活動量」變多，review 時間拉到三倍、incident 變兩倍，最後你還要回頭擦屁股。而 Sam Altman 跟 Dario Amodei 這些大佬，最近也都默默把「AI 會讓大量白領工作消失」的說法改口了，我自己猜跟兩件事有關，一個是那個一兆美元等級的 IPO，一個是數據根本還沒支持他們之前的預測。

但這集我最想講、也最擔心的，其實是 junior 的能力斷層。我們這一代是一行一行 code 慢慢寫、一場一場架構會議慢慢熬出來的，AI 對我們是放大既有的能力；可是現在剛進職場的新鮮人，還沒經過那些扎實的 struggle 就直接靠 AI，產出看起來很順、很有理有據，但那些東西其實沒有真的內化到他們腦子裡。職缺又變少、訓練又變淺，這個雙重夾擊我覺得是現在最被低估的問題。

最後我還是給了兩個比較樂觀的想像，至於是哪兩個，留給你自己看完。有不同想法的話歡迎在下面留言告訴我，我很期待看到一些好的討論。

🔗 《矽谷輕鬆談》傳送門 👉 https://linktr.ee/jktech

(00:00) 開頭

(02:07) 上集裸辭影片的回饋：為什麼留言一片和氣？

(04:26) 進入主題：我們是不是高估了 AI 的生產力？

(05:40) 第一層開發者：METR 研究證明你以為快了，其實慢了 19%

(09:03) 達克效應被 AI 弭平：連專家都會過度自信

(10:18) 為什麼沉迷 coding agent？它其實像賭場拉霸機

(11:18) 第二層公司：Token Maxxing 與 Uber 燒爆 AI 預算

(12:18) DORA 研究：AI 是一個放大器

(13:49) 第三層產業：Dario、Sam Altman 的末日論

(14:30) 為什麼這些大佬最近都改口了？

(15:29) 兩個改口的原因：一兆美元 IPO + 數據不支持

(17:11) 我認為最大的問題：Junior 的能力斷層

(21:07) 兩個樂觀的可能：教育補上 + 能力被推往上游

S2E60 AI 生產力的幻覺：從開發者到整個產業的自我感覺良好

矽谷輕鬆談 Just Kidding Tech

S2E60 AI 生產力的幻覺：從開發者到整個產業的自我感覺良好