先乱后治:大多数AI推广所跳过的成熟度模型

先乱后治:大多数AI推广所跳过的成熟度模型

💡 原文英文,约1500词,阅读约需6分钟。
📝

内容提要

许多工程团队引入AI编程工具后采用率高但成效参差不齐:少数人完成突破性工作,多数人只当高级自动补全。问题在于跳过了“驯服混乱”的中间阶段。Snowflake工程高级副总裁拉古纳坦提出五阶段模型:放任探索、发现有效做法、提炼为共享语言、规模化推广、重组组织。多数公司急于见效,跳过第二、三阶段,缺少把个人经验转化为组织知识的机制。应先广泛试用、找出并命名有效模式,再通过专门时间推广,最后才调整组织架构。

🔎

延伸解读

跳过中间阶段为何是常态

文章指出,企业跳过第二、三阶段并非因为不懂“采用不等于精通”,而是因为这些工作不显眼且难执行。发现有效做法不像“全公司推广某工具”那样适合发新闻稿,提炼实践需要资深人员投入时间,而购买许可证只是一次性决策。在急于展示投资回报的压力下,这些中间环节容易被降级或忽略。

早期衡量采用而非产出

Snowflake团队在“放任探索”阶段只关注采用本身:人们是否在用、是否用于多种任务,而非代码行数或合并请求数。文章强调,早期结果参差不齐不是失败信号,而是第二阶段所需的原材料。过早用硬指标评分,容易掩盖“什么算好”尚未定义的事实,导致后续推广缺乏依据。

用命名模式与专注周替代强制推广

该团队从工程师处收集到约14个命名模式,如写代码前先书面规划、将代理隔离到独立git工作树等,并仿照“四人帮”设计模式形成共享语言。推广时不靠行政命令,而是设置定期“专注周”,让全组织专门时间学习或突破既定路径。文章认为,这是用结构性机制回应结构性问题,而非在原有冲刺节奏中要求员工自行内化新习惯。

组织重组应放在最后

文章反复提醒,调整角色、职责和组织架构是前四阶段的回报,而非捷径。在尚未明确AI辅助工作在本公司稳定形态之前就重组,等于围绕猜测做设计,上一季度基于猜测的架构图最终仍需重建。因此,先发现、命名并传播有效实践,再考虑组织变革,顺序不可颠倒。

❓

Q&A

为什么很多公司推广AI编程工具后,采用率很高但效果却参差不齐?

因为大多数组织跳过了AI推广中的关键中间阶段:没有把个人探索出的有效做法提炼成共享语言并规模化推广。结果少数工程师能做出突破性工作,多数人只把AI当作高级自动补全,导致效果分化。

Snowflake提出的AI推广五阶段模型具体包括哪些阶段?

五阶段依次为:1)放任探索;2)发现有效做法;3)提炼为共享语言;4)规模化推广;5)重组组织。关键是不能跳过前四个阶段直接进入第五阶段。

在“放任探索”阶段,应该关注什么指标而不是产出指标?

该阶段唯一重要的指标是采用率本身:人们是否真的在使用工具,是否将其用于多种任务。不应过早用代码行数、合并PR数等硬性产出指标来评判,因为这些指标容易被操纵,且无法反映人们是否真正提升了使用能力。

如何把个人有效的AI使用经验转化为组织共享的知识?

需要主动寻找组织中的“无畏探索者”,询问他们开发出的最佳实践,并将其提炼为命名的模式(如“先写计划再写代码”“将代理隔离到独立git工作树”等),形成类似“四人帮”设计模式的模式语言,再通过专门时间(如焦点周)推广。

为什么不应该在AI推广初期就急于调整组织架构?

因为重组组织是五阶段模型的最后一步,必须在前四个阶段完成后才能进行。在还不清楚AI辅助工作在本公司的可靠形态之前就 redesign 角色和职责,等于基于猜测进行重组,最终很可能需要推倒重来。

组织为什么会跳过AI推广中的中间阶段?

主要因为中间阶段不 glamorous 且难以执行:发现和命名有效做法不像“全公司推广某工具”那样容易宣传;提炼实践需要资深人员投入时间主动寻找;而购买许可证是一次性决策,比建立持续实践机制简单得多。在急于展示投资回报的压力下,这些阶段容易被忽略。

🏷️

标签

➡️

继续阅读