AI与人月神话:生产力还是悖论?

多客科技

作者：微信文章
本文翻译自博客：
https://www.probableodyssey.blog/all-posts/productivity_loss_with_ai_and_the_mythical_man_month/弗雷德·布鲁克斯 (Fred Brooks)的 《人月神话》被广泛认为是软件工程的奠基之作之一。书中的诸多洞见中，有一条经受住了时间的考验：

在已延迟的软件项目中增加更多人员只会使项目更加延迟。

软件开发并非轻易就能并行化——沟通和协调开销占据主导地位。尽管原文写于1975年，但自出版以来的几十年里，它已被证明具有非凡的持久力。这一关键洞见是许多涉及长期项目的领域的共同主线，因此，这本书在软件工程之外也备受推崇也就不足为奇了。准确来说在长期协作关系中，项目的复杂性与团队规模并不是线性关系，团队规模的增大会导致协作复杂性大大增加。




但是AI会怎么样呢？




我怀疑弗雷德·布鲁克斯是否能预见到我们现在所处的现实，但我认为他的许多核心原则在今天仍然适用，甚至比以往任何时候都更加适用。




关于人工智能驱动软件生产力的炒作一直层出不穷。大量的Demo展示了LLM如何根据模糊的指令快速生成代码。Agentic workflows更进一步，将一系列操作串联起来，以构建、部署甚至监控系统。许多开发人员声称生产力得到了显著提升。




我们仍处于这项技术的“狂野西部”阶段——市面上流传着数量惊人的“蛇油”。【1】权衡这些轶事和精心策划的演示，并推断其在整个领域的影响，是一项挑战。




重温《人月神话》帮我理清了我的疑问：

系统设计仍然不可并行：架构选择仍然需要共同理解和有意识的决策通信开销仍然存在：即使Agent是机器，协调也不是免费的集成仍然是一个瓶颈：虽然Agentic Workflows可以在一定程度上出色地处理调试和测试，但集成到更大的复杂系统中并不是 AI 能够很好自动化的事情

诚然，AI 确实大幅加速了代码编写过程，但编写代码从来都不是瓶颈——阅读代码才是。更棘手的问题存在于上游（设计）和下游（集成、维护）。AI 并不能解决这些问题，有时反而会使问题变得更糟：

及时的工程设计、幻觉管理以及额外的监督会给生产力带来新的成本，人工智能生成的代码可以将复杂性转移到下游（例如，转移到操作、可观察性或维护）。生产过剩风险：更快的代码生成并不意味着更好的结果。只是需要验证、调试或丢弃更多内容。

所有这些代码仍然需要经过审核、测试，并最终由负责人员批准。在许多工作流程中，这会减慢速度。协调成本不会消失：它们会发生变化。在某些情况下，如果不谨慎使用，交付实际上可能需要更长的时间。




需要明确的是：在极短的时间内，该领域取得的进展令人震惊——而且没有丝毫放缓的迹象。别忘了：这将是最糟糕的时期。它要么会停滞不前，要么会继续改善。




Agentic Workflows有着明显的优势：它们让你能够卸载一些细枝末节的实现细节，从而专注于更难的上游问题。然而，在实践中，我经常发现上下文切换（从深度思考到调试幻觉输出）带来的认知摩擦，让人更难保持专注。再次，系统仍是在协调点停滞不前，即使“另一方”也只是一个人工智能。




我发现AI 的一个更有用之处在于，它能帮我克服开始新事物时遇到的障碍。有趣的是，当我把 AI 当作一个能给出好主意的“橡皮鸭”¹，反而能让我更容易地克服挑战。但重要的是，我仍然是掌舵者，依然能掌控大局，并贯穿于所有细节之中。这些决策的后果会累积起来，如果处理不慎，可能会毁掉一个大型代码库。





多进程技术的兴起为我们带来了强大的新工具，也带来了新的“搬起石头砸自己的脚”的方法。随着时间的推移，我们开发出了更安全的并发范式，但并行思考对人类来说仍然很难。我猜想Agentic workflows也会遵循类似的路径。




这在实践中会是什么样子——以及它是否能兑现今天做出的承诺——还有待观察。




【1】【译者按】在19世纪的美国“狂野西部”时期，**“蛇油推销员”**是一个非常著名的形象。这些人通常是流动小贩，他们会向边远地区的居民兜售声称能治百病的“蛇油”，但实际上这些产品往往是无效的，甚至是彻头彻尾的骗局。他们擅长用花言巧舌和夸大的宣传来蒙蔽消费者，从中牟利。