AI 狂热正在侵蚀全球决策

原文 ↗ Hacker News 讨论 ↗

一位顾问称其在过去 18 个月里见过的所有 AI 计划都失败了，这引发了对当今企业生活中“AI 狂热”的更广泛审视。评论者把由高管推动、光鲜的聊天机器人和自动化项目——它们往往承诺过高、范围定义不清，还充满选择偏差——与代码辅助工具或语义搜索等更安静、较为温和的收益进行对比。许多人认为，这一轮浪潮只是又一个由错失恐惧和高层逃避问责驱动的技术炒作周期；它确实带来真实但有限的生产率提升，而如果组织缺乏明确目标和护栏，则很容易造成大量浪费与倦怠。

“AI 项目”的范围与悄无声息的成功

  • 评论者质疑什么才算“AI 项目”（LLM、传统 ML、聊天机器人、视觉、回归模型等等）。
  • 多人表示，一些狭窄、并不“性感”的用途（类似拼写检查的工具、听写、语义搜索、代码辅助、SQL 生成）确实很好用，但并不会被包装成“AI 项目”。
  • 个人层面的低调生产力提升（例如更高级的 SQL、学习复杂 API、更快的原型开发）被广泛提及，但这些往往不会作为大型企业“举措”显现出来。

对文章“0% 成功率”说法的批评

  • 很多人认为“0% 成功”是夸张说法，并指出它忽略了长期以来有效的 AI/ML。
  • 也有人认为，这家咨询公司本来就会接触到失败、管理混乱的项目，而且它明确拒绝过 AI 实施工作，因此样本存在偏差。
  • 一些人觉得这篇文章的语气有趣但过于宏大，技术细节不足（没有讨论 RAG、评估、检索质量等）。

AI 项目 vs. AI 辅助工作

  • 有一个很强的区分：
    • 人们使用现成工具（代码副驾驶、聊天机器人）来辅助自己的工作 → 整体积极，但收益较为有限。
    • 组织构建定制化 AI 系统（内部聊天机器人、自动化、agentic 工作流）→ 经常过度承诺、交付不足，难以做得稳健，常在护栏和一致性上失败。

组织失调与失败模式

  • 许多人表示，大多数失败都很像传统软件失败：管理不善、目标不清、追逐潮流，以及更看重“做出来有多快”而不是维护。
  • AI 可能会放大糟糕想法：轻易把薄弱方案包装得体面，生成大量低质量 PR，并浪费整个组织的时间。
  • 有人认为，领导者应该改进流程（培训、规划、质量检查），而不是怪 AI 或直接放弃。

狂热、炒作周期与决策

  • 一个强烈主题是高层的“AI 狂热”：害怕错失机会、对 10–100 倍生产力的非现实预期、以 token 使用量作为 KPI，以及逼迫员工表态“相信 AI”。
  • 多人把这与过去的泡沫（互联网泡沫、区块链、铁路狂热）相提并论；AI 被视为既真正有用、又被严重炒作。
  • 对长期影响的争论：有人预期会带来变革性改变，甚至奇点；也有人指出缺乏明确的大规模成功案例，怀疑我们正处于泡沫中段。