同樣的 AI 為什麼差幾倍
最近跟一個工程師朋友聊 AI 到底讓他快多少。他說工作上大概 20% 到 30%。再加上少掉那些原本會冒出來的意外——例如忍不住順手重構以前的東西、或是規劃時沒想到、實作才發現的額外工程不確定性——綜合起來大概也就這樣。
但如果是自己的 side project，幾倍的提升。
同一個 AI、同一個人，差距到底差在哪？我們聊到後面發現，是你給 AI 多少發揮空間這件事決定的。
Side project：AI 在幫你"腦補"
side project 通常只有一個雛形——"我想做一個 X，可以做 Y、達到 Z 的效果"。但畫面上要長怎樣、有哪些按鈕、要呈現哪些資訊，根本還沒想到。
這個"幫老闆把模糊想法補成具體規格"的角色，過去都是 PM 在扮演的。差別在 AI 看過太多同類型的應用，直接幫你抄走競爭對手的設計：別人都有 X 功能、別人介面都長這樣，我就先這樣弄上去給你看。
某種程度上，AI 在訓練模型時吃過的那批資料，跟 PM 接到老闆需求去做市場調查很像——都是大量看過別人怎麼做之後，再回來告訴你"通常會這樣"。
既然是腦補，就沒有"正確答案"——可以接受的範圍很大。覺得不對也至少能看出哪裡跟你預期不一樣，下一輪迭代就接得起來。
工作：規格其實已經寫得很細
公司的任務剛好相反，相較之下都明確得多：
- 需求可能來自上下游同事，邊界已經談過
- 要符合既有架構運行，能動的空間有限
- 需要一定的穩定度，所以人在過程中的審核角色一樣不能馬虎
於是 AI 出來的東西沒辦法直接吃下去，每一步都要有人盯。自然就沒有 side project 那麼奔放跟快速了。
模型：AI 能力是固定的，約束條件決定他放多少出來
如果把 X 軸畫成"需求被框得多緊"、Y 軸畫成"實際交付效率"，大致是一條中間高、兩邊低的曲線：
- 框得太鬆：AI 跑得快但常常做錯方向，要一直拉回來
- 框得剛好但留有發揮空間：產出最好，差不多就是 side project 的甜蜜點
- 框得太死、限制太多：又開始往下掉，每一輪都要回頭修
整條曲線在有 AI 的世界裡會整體往上平移——同樣的需求細節，AI 都能比沒有 AI 的時候交付得更好——但形狀沒變。你給的框，決定他能跑多遠。
非功能性需求才是真正吃時間的地方
工作上往下掉那一段，多半不是功能本身難，是非功能性需求在拖：資安、效能、法規、可觀測性、向後相容……這些通常沒辦法在一次 prompt 裡講清楚，必須來回幾輪。
side project 不太在意這些，所以飛得很快；公司任務跑不掉，所以慢。
這也是為什麼我看到"AI 讓工程師快 10 倍"的說法都會先打個折——你看到的那個 10 倍，多半是 side project 的數字。把它直接套到公司任務上會落差很大，不是 AI 不夠強，是你給的框就是不一樣。
一句話總結：AI 的能力是固定的，但你給多少約束，決定他能解開多少效率。