AI 价值移动靶效应
解决什么问题
团队试了 AI 工具一段时间，收益看起来一般，就得出"AI 是噱头，落地价值有限"的结论，然后放弃跟进。这个观察解释了为什么这种"一次性评估、之后不再更新"的态度本身就是错的。
核心内容
作者的核心判断分两半：
- 任何一个当下的 AI 效果统计数字，都应该被理解为"这是它未来表现的下限，而不是上限"——"这是它这辈子最差的样子（this is the worst it will ever be），这就是新的基线"。也就是说,今天测出的生产力提升数字,本质上是一个动态曲线上的某个瞬时点,而不是稳态。
- 由此推导出的行动要求："价值每天都在变化，所以你必须跟着这股浪潮一起前进（ride the wave along with it）"——不能只评估一次就下结论,需要持续、周期性地重新测试和重新部署，把"什么地方 AI 现在最有效"当作一个需要不断更新的动态地图，而不是一次性调研结论。
作者用这个判断解释了一个行业现象：为什么两种截然相反的舆论（"AI 是未来，所有人都在指数级加速" vs. "AI 被过度炒作，试点全部失败"）会同时存在——那些觉得"没用"的公司，往往是把 AI 工具直接扔向自己巨大复杂的存量代码库,期待"好事自动发生"，而不是持续跟踪"AI 现在到底最擅长做什么"并把投入逐步扩展到那些真正见效的领域。作者观察到的具体分布是：全新的绿地代码库/新平台上的应用能看到"非常激进的收益"；而在已经存在的复杂代码库上，收益还没有充分体现。
适用边界
- 这个判断是方向性的（"持续变好、需要持续跟进"），原文没有给出具体的重新评估周期或量化跟踪方法。
- 前提是团队真的在跟踪"AI 现在最适合做什么"并据此调整投入范围，而不是被动等待——单纯"知道要 ride the wave"不会自动带来收益，还需要配合
manual-hours-saved-benchmark--dhanji-r-prasanna.md中提到的持续测量机制。
关键引述 · 原话
"Whenever I hear a stat like this, I think an important element is this is the worst it will ever be. This is now the baseline. The truth is the value is changing every day, so you need to ride that wave along with it." — Dhanji R. Prasanna
"There is some truth to this notion that AI isn't a panacea and it's growing as well in capability... A lot of the companies aren't realizing this. They're like, 'Well, where's the value?'" — Dhanji R. Prasanna
关联卡片
- 与 `manual-hours-saved-benchmark--dhanji-r-prasanna.md` 是同一套观察的两面：一个讲"该怎么看待数字"，一个讲"具体数字和测量方法"
被这些卡引用
提炼自 Lenny Rachitsky 的 Lenny’s Newsletter & Podcast（2019–2026）。本站为个人学习用途的二次创作，与 Lenny’s Newsletter 无官方关联。
provenance · 已核验 · glm-5.2