Tammuz Dubnov - When Our PM Started Writing Code: What Merge Rate Taught Us About AI Adoption - AI N
三句話摘要
企業如何正確建立 AI-native 組織，讓決策者直接執行工作、加快功能交付，而非浪費預算。 企業應精準配置工具和清晰劃分邊界，讓各角色決策者在其領域直接執行，而非盲目增加 AI 支出預算。 真正的瓶頸是交接，不是寫程式速度。 傳統流程讓一個想法要經過 PM → Designer → 等待對齐 → Developer → 審視規格 → 等 sprint 排程 → 實裝，整個過程耗時數週。AI-native 的價值在於壓縮這些層層 handoff，讓決策者直接在 agent 輔助下執行、立即迭代、滿意後才送審，將數週流程壓縮到分鐘級。
重點整理
重點- 1
真正的瓶頸是交接，不是寫程式速度。 傳統流程讓一個想法要經過 PM → Designer → 等待對齐 → Developer → 審視規格 → 等 sprint 排程 → 實裝，整個過程耗時數週。AI-native 的價值在於壓縮這些層層 handoff，讓決策者直接在 agent 輔助下執行、立即迭代、滿意後才送審，將數週流程壓縮到分鐘級。
- 2
錯誤做法燒錢卻無成效。 Uber 將 AI 支出增加 6 倍卻在 4 個月內用完預算；Microsoft 給全員 Cloud Code 最後因成本失控而回收。根據對 2400 家企業的分析，每花 $100 在 AI 上，只有 $18 實際流向可出貨的程式碼，其餘被 bug 修復循環和重做浪費。
- 3
工具需精準配置，而非「給所有人更多 token」。 正確做法是給 PM 和 Designer 適配他們角色的工具（如 Tonya），而不是 Cloud Code；給開發者時僅在他們感興趣的工作上使用，否則會導致無限 agent 迴圈。Shopify 購買數千份 Cursor 授權給非技術人員，50% 的 PR 直接合併無需修改。
- 4
保留工程守衛，明確分工邊界。 非技術人員應專注前端和 UX 變更，不涉及後端架構決策（如資料存儲方案）。Harness 系統應自動學習這些邊界，對每個 PR 標註風險等級，幫助開發者優先審視。
實用技巧與重點
乾貨- 具體數字：
- Uber：2024 年 AI 支出增加 6 倍，4 個月內用完全年預算
- 分析 2400 企業：$100 AI 支出中只有 $18 變成可運送程式碼
- Shopify：非技術人員 PR 50% 直接合併、完全無需開發修改
- Autonomy AI 客戶數據：非技術人員平均每季 50 個 PR、合併率 74%、84% 的 PR 無需開發者調整
- 工具與方案：
- Cloud Code（Microsoft，適合開發者）
- Cursor（代碼編輯器授權）
- Tonya（Autonomy AI 專為非技術人員設計）
- 流程方法：
- Plan Merge Polish（計畫→合併→潤飾）：容許開發者快速用 feature flag 推送、後續 PR 優化
- 自動 PR 分類系統：每個 PR 標註風險等級和規模大小，讓開發者有效優先順序
結論
結論“企業應精準配置工具和清晰劃分邊界，讓各角色決策者在其領域直接執行，而非盲目增加 AI 支出預算。”
完整解析
詳細組織都想成為 AI-native，但大多數誤解了它的定義。Thomas Dubnov 指出，AI-native 的核心是「決策權和執行能力合一」。在傳統企業中，PM 有想法卻要等 Designer 做 Figma、再等一週對齐、然後寫規格、再等開發者排進 sprint、開發完成還要進行像素完美迭代。這套層層 handoff 的流程才是真正的瓶頸——不是寫程式慢，而是交接慢。一個功能從想法到使用者看到可能要數週。
AI-native 打破這個模式。當 PM 或 Designer 配備合適的 AI 工具時，他們可以迅速原型化、立即看到效果、按需調整，直到滿意再發給開發者進行最終技術審查。這樣做的結果是設計評論、產品評論都已經完成，開發者收到的不是模糊規格而是幾乎完整的方案。整個流程從數週壓縮到分鐘。
然而許多企業走錯了方向。Uber 將 AI 支出在 2024 年增加 6 倍，四個月內就燒完全年預算，但 CFO 無法看到功能上線速度的提升。Microsoft 給全員 Cloud Code 工具，最後因成本失控而收回。分析 2400 家企業的數據更具說服力：每花 100 美元在 AI 上，只有 18 美元變成真正可運送的程式碼，其餘被重做、bug 修復循環吃掉。常見的錯誤做法包括：單純增加開發者的 token 預算卻不改變任務（導致不感興趣的開發者無限丟給 agent）；只加速原型製作卻不解決交接問題（結果只是加速等待）；給非技術人員 Cloud Code 導致環境問題和垃圾 PR。
Shopify 做對了——購買數千份 Cursor 授權給非技術人員在他們擅長的領域執行，結果 50% 的 PR 品質高到直接合併。Autonomy AI 的實際數據：非技術人員平均每季 50 個 PR、74% 合併率（即 25% 被拒，這很正常）、84% 的合併 PR 完全無需開發者調整。關鍵是「harness」系統——當 agent 出錯時自動防止同類錯誤再犯，逐漸演化。同時要明確分工邊界：非技術人員負責前端和 UX，工程師保留後端架構決策。每個 PR 自動標註風險和規模，幫助團隊優先順序。
關鍵時刻
Pipeline v2帶時間戳的重點，會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。
事實查核
Pipeline v2說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。
