当今的企业采用AI，看中的正是它所承诺的“效率”。在大多数IT领导者看来，效率意味着更简化的工作流程、更便捷的数据访问、更快的结果，以及IT团队负担的减轻。遗憾的是，根据一项最新的IT趋势研究，71%的IT专业人士表示，AI实际上使他们的工作更加繁重。

尽管AI已证明其能够加速完成单项任务，但将AI技术应用于传统流程时，却揭示了隐藏在所谓“简化”承诺下的陷阱。这种陷阱表现为对AI产出的大量审核，导致数字债务增加，IT团队用于推进战略计划的时间减少。如果现代企业希望借助AI赋能IT团队，同时避免陷入效率的假象，就必须重新审视传统流程，推动文化变革，并建立结构性防护措施，从而放大AI创造价值的能力。

认识审核者陷阱与数字债务的加速累积

这一陷阱，更准确地称为“审核者陷阱”，发生在IT团队在未做好充分基础工作的情况下试图扩展AI工作流时。当AI与旧流程结合，或基于不恰当且不干净的数据构建时，IT团队就必须花费更多时间来审核AI的工作成果。本质上，AI返回的结果并不可靠。因此，即使AI能更快地完成某些任务，IT专业人员也只能紧随其后，以确保结果中不存在“幻觉”或错误。

信任是创造价值的催化剂，但许多企业在推出首个AI项目时采用的实施策略(或缺乏策略)也会加剧这一问题。许多IT团队仓促实施AI项目，将其以临时部署的方式分散在多个企业孤岛中。正如在尽职调查证明其价值之前就一拥而上拥抱云计算那样，高管层和其他管理人员也给各团队施加了巨大压力，要求其引入AI。这种零敲碎打式的推广在各团队中造成了大量混乱，团队成员现在必须根据所处的部门孤岛，以不同的方式使用多种AI系统。正如工具重复会导致企业IT中的技术债务一样，AI的重复也会给IT人员带来“数字债务”。

当IT团队在组织工作流中来回切换，反复核对不同AI工具的输出结果时，这种被迫的上下文切换不仅增加了维护成本，还会导致认知负荷加重、精神精力耗尽，并直接加剧职业倦怠。此外，这还会让IT专业人员产生更强烈的“数字债务”感——他们感到自己不断被工作量甩在身后，努力始终追不上工作节奏。

应对AI脑力透支

最终，审核者陷阱可能导致AI脑力透支。这一术语由波士顿咨询集团和加州大学河滨分校在《哈佛商业评论》的一篇文章中提出，指代某些类型的AI应用会增加认知负荷，而另一些则能减轻认知负荷。人类的工作记忆是有上限的。一旦超出这一极限，员工专注于任务或做出明智决策的能力就会急剧下降。

当AI脑力透支发生时，其实际效果与AI的初衷背道而驰。精疲力尽的IT专业人员开始忽略那些难以察觉的AI“幻觉”。这些“幻觉”会引发更严重的问题，原本应该由AI增强、变得更简单的流程，如今却变成了由AI引发的一团乱麻。AI脑力透支还会引发人类认知方面的其他显著变化。例如，过度依赖AI的人会出现“认知衰退”现象，其程度显著加剧——由于他们将决策权交给AI，现有技能反而随时间推移而退化;同时还会出现“决策瘫痪”，即若未获得AI的批准，他们便无法做出决策。这确实令人担忧!

这些动态对初级和高级IT职位都造成了损害。对于入门级职位，原本应成为宝贵的学习阶段，却变成了需要经历多次以AI为中心的审核周期的枯燥工作。在其他情况下，由于AI能够很好地完成初级工作，因此一些公司正在减少入门级职位的招聘。对于高级IT人员而言，他们本应专注于推动创新技术项目和时间紧迫的项目，但无休止的AI产出审核周期却几乎挤占了他们进行以业务为导向的战略思考所需的认知空间。

构建结构性防护机制与培育健康的AI文化

为缓解这些问题，IT团队必须停止将AI生硬地套用到过时的手动工作流程中。这种做法最简单的例子，就是将AI当作“升级版谷歌搜索”来使用。

然而，这种做法极大地低估了AI的价值。将AI添加到旧有的手动工作流程中，只会让本已失效的流程变得更快而已。

IT团队不应将AI视为对旧有流程的简单升级，而应将其视为实现更快、更高效运作的手段。这意味着IT团队应采取战略性方法，通过周密而专注的规划，将AI作为推动重大业务转型的工具。

好消息是，AI应用的最佳实践正日益清晰。其中有几项最佳实践令我印象深刻：

优质数据是所有AI应用的基础。一些早期采用者已将自身转型为数据公司，专注于数据治理和数据质量，以更好地赋能其AI系统。

该领域最先进的企业已经意识到，必须将上下文视为与基础设施同等重要的关键资产。利用工程技术、语义层和本体论，都是为应用型AI增添更多、更优质的上下文机制。

在不确定的情况下，应采用由可信供应商或超大规模云服务商创建的、经过验证的参考架构。

建立能够直接融入现代工作流的结构化防护机制。目前，许多开发者的工作流中正在发生这种转变。开发者已不再依赖程序化的防护措施(例如检查AI生成的每一段代码)，而是将结构化防护机制直接嵌入工作流中，例如部署多个AI代理来检查代码质量、语法、测试覆盖率以及数据访问管道，仅在输出结果可信度较低时才标记问题。

要更进一步，IT专业人员需要将AI视为团队的另一名成员。团队成员必须受到管理。生成式AI和AI代理就像聪明的实习生：能够出色地完成工作，但在无人监督时也可能捣乱。

没有哪位经理会检查实习生写的每一个字或每一行代码。相反，他们会制定需要审核和输入的具体任务。从某种意义上说，他们正在利用可信的框架将AI投入实际应用。对于融入IT工作流的AI，关键在于制定一套协议清单，确保“人类在回路中”，既能保持信心，又能在最关键的节点及时介入。

在AI“食物链”中向上攀升

然而，若没有技能和技术知识的适当提升，上述目标均无法实现。IT领导者应从小处着手，利用AI处理警报优先级排序等任务，在风险较低的情况下观察这种架构的实际运行效果。最终，团队应努力在AI“食物链”中向上攀升，掌握提示工程以确保AI输出结果值得信赖，并摆脱不可预测性。他们甚至可以更进一步，构建AI代理、上下文工程和控制框架，并探索模型上下文协议(Model Context Protocol)技术。通过适当的AI规模扩展和改进的监督框架，IT团队将取得一定程度的成功，届时“救火式工作”、职业倦怠以及潜在的AI“脑力透支”将不再是常态。

作者：Kevin Kline