實作充裕，產品工作流程反轉

資料來源#

• Andrew Ng: The Biggest Opportunities in AI Aren't Where You Think
• Codex from 0 to 10M Users: Building ChatGPT Work - Akshay Nathan, OpenAI
• DHH: Future of Programming, AI, Agentic Engineering, Vibe Coding & Linux | Lex Fridman Podcast #501
• OpenAI Codex lead on the new shape of product work
• The state of AI in 2026: On the road to ROI

摘要#

Andrew Ambrosino（OpenAI Codex）說明代理式程式設計如何改變產品流程：當任何人只要和模型對話就能打造任何功能，實作便不再是稀缺、昂貴、需要事先降低風險的步驟——整個流程因此倒轉。 舊流程會先投入文件、研究和原型，在動手打造前降低實作風險，因為打造成本高昂，而且「你真的只負擔得起做一次」。現在，各種媒介的實作都很充裕，因此「每個人都在打造所有東西」——Ambrosino 估計，一個需要的功能可能同時有「90 個彼此沒有協調的團隊」在實作。昂貴的工作轉移到後段，變成篩選整理：「這 90 種嘗試中，有哪些部分做得好？我們該把哪些納入其他部分？該如何呈現？」這種篩選整理就是品味——被問到什麼會取代實作、成為昂貴的部分時，他的答案是「我斗膽說，是品味」。這是 OpenAI 內部、流程層次對這場轉變的說法；本 wiki 也以驗證成為新瓶頸和「決定要打造什麼是瓶頸技能」追蹤這個轉變。

證據說明。 practitioner-opinion——這是前沿實驗室產品主管的說法，不是測量結果。不過，它與 empirical 來源的發現相符（代理式程式設計中的專業回報、規劃／執行分工）：成功與否取決於領域及產品判斷，而非程式設計。

精確來說，流程如何反轉#

Ambrosino 對比的兩種狀態：

	舊流程	反轉後的流程
昂貴的步驟	實作	篩選整理／品味
原因	你只負擔得起打造一次，所以要先降低風險	打造任何功能幾乎都免費；90 個版本已經存在
前置工作	先用文件、研究、原型降低風險，再開始打造	直接跳到大量平行打造
稀缺資源	工程產能	判斷力：哪些做得好、該納入什麼、如何呈現、該用什麼媒介

「方向是反過來的；這不是說人們的角色根本不同了，也不是說技能消失了——只是方向反過來了。實作其實已經不再是昂貴的部分。」

篩選整理不等於以原型取代 PRD#

Ambrosino 特別區分自己的主張與流行的「PRD 已死，原型當道」口號——他說自己並不認同這種說法（參見以原型取代 PRD中記錄的反對意見）。流程反轉不是「永遠直接做原型」，而是：因為每一種媒介的實作成本都降低了，承載關鍵作用的技能就變成選擇最適合表達觀點的媒介，接著篩選整理低成本打造所產生的成果。有時候，合適的媒介依然是文件。正因為成果充裕，篩選整理——而不是創作——才成了限制因素。

這裡的「品味」是什麼意思（篩選整理的能力）#

在這個論點中，品味是在成果充裕的情況下進行篩選整理的能力；Ambrosino 明確表示，它和美感無關（他提到「Paul Graham 品味很好，卻穿著工裝短褲」這句話）。品味包含以下部分：

• 系統思考——某個成果如何融入整體；它屬於哪個主題。
• 方向感——「我們要往哪裡去」，以及「如果什麼都能打造」時目標為何。
• 呈現方式——如何組織並呈現資訊。
• 語意契合度——互動／動畫是否符合它應該傳達的意思（「以它想表達的意思來說，動作太俐落了」）。
• 媒介選擇——哪種產出物最能表達重點。

既然品味如今是關鍵限制，它也就成了招聘門檻：能「把想法從構想推進到完成」、兼具「高度主動性與高品味」的人。Ambrosino 對於獲得無限 token 的個人貢獻者，提出了這項引導測試：「在無限內容的世界裡，判斷什麼是訊號，什麼是雜訊。」

另一位 OpenAI 主管也得出相同結論，並補上機制（2026 年 7 月）#

Ambrosino 的論點來自一位主管對單一組織的觀察。一個月後，另一位 OpenAI 產品主管、負責生產力工程的 Akshay Nathan，在沒有引用 Ambrosino 的情況下得出同樣的結論（Codex from 0 to 10M Users: Building ChatGPT Work - Akshay Nathan, OpenAI，practitioner-opinion）。當被問到團隊的瓶頸是什麼時，他回答：

「我認為瓶頸會變成點子和品味。我想是因為現在任何人都能打造東西……你永遠會受限於點子的數量，以及你在任何時刻正在做的事情有多少。」

同一家公司內兩位主管說法一致，證據力有限——他們共享文化、工具，也共享「無限 token」這個前提（見下方第三個待解問題）。Nathan 補上了 Ambrosino 沒有提到的部分：他曾試著自動化消除瓶頸，但失敗了，也分析了失敗的原因：

「有一種自動化功能我很希望能做出來，但它行不通：給我新的點子。不知怎的，LLM 就是不行。點子有個有趣之處：它們不是憑空出現的……通常都有來源——在產品開發中，它們來自和使用者交談、回應你觀察到的摩擦，或是建立在已經規劃好的基礎上。」

這是情境優勢的解釋，而非能力的解釋——它也直接關係到下方第二個待解問題（「篩選整理會不會轉移到模型裡？」）。Nathan 提出的是一項附帶原因的否定觀察：模型產生不了點子，不是因為它缺乏產生點子的能力，而是因為它沒有點子所依憑的資訊流（與使用者的對話、觀察到的摩擦、先前的規劃脈絡）。按照情境優勢，而非品味的說法，瓶頸因此是可以補上的缺口——把那些資訊接進來——而不是永遠只屬於人類的能力；這比「品味是瓶頸」聽起來弱得多。Nathan 正是基於這個理由，主張人仍須參與其中：「通才總能發揮價值，補上這個循環，並提出立基於那些回饋的點子。」

同樣的反轉，從組織另一端提出（DHH，2026 年 8 月）#

Ambrosino 在前沿實驗室內提出流程反轉的說法。DHH則從一家 20 人的軟體公司得出相同結論，並更直接地指出限制所在（Lex Fridman #501，2026-08-26，practitioner-opinion）。當被問到為什麼擁有大量使用者的成熟產品看不出加速跡象時，他回答：

「只要是人類團隊一起做事，**瓶頸很少是實作，而是人的頻寬和溝通。**有一位產品經理、幾位設計師，他們上面有副總裁，副總裁上面還有技術長；每個人都想參與塑造過程，因為我們都得證明自己為何在這裡，生產力就會在這裡消磨殆盡。」

接著是第二部分，也就是本頁論點換個方式表達的診斷：「大多數組織不知道自己要什麼，也不知道如何讓產品變得更好。它們的瓶頸不是實作，而是**點子……願景……品味。**如果這些要素沒有多到超過你的實作產能，那就沒有幫助。你可以讓一大堆糟糕的點子成真，那又怎樣？」他以那些實作產能無限、卻仍推出平庸軟體的既有企業，證明反面情況確實存在。

**他提出了令人不安的推論，本頁沒有。**如果瓶頸是協調，那麼只有直接操作代理程式的人，才享有生產力倍增：「要得到那種神奇的 10 倍、100 倍……生產力提升，你就得直接和代理程式互動，不能讓另一個人居中轉達這種頻寬，因為速度實在太慢。」這表示流程反轉在結構上有利於非常小的團隊和獨立開發者，而不只是暫時如此——而且照他自己的說法，這個結論讓他不太喜歡（「一方面，這有點令人沮喪。我是說，我喜歡人類。」）。這也尚未經過測量，而且對一位大部分由自己打造發行版、並以此為案例的人來說，有自利之嫌；反面的證據則是，他認為自己多人成員共同打造的產品 Basecamp 和 Hey，正是加速幅度最小的產品。

第三種命名，以及反轉的界限（Ng，2026 年 8 月）#

Andrew Ng在實驗室外為瓶頸取了一個名字——「產品管理瓶頸」——並提出同樣的診斷：「打造成本已大幅下降，因此挑戰轉向決定要打造什麼」（Andrew Ng: The Biggest Opportunities in AI Aren't Where You Think，Silicon Valley Girl，2026-08-28，practitioner-opinion）。他的解方既不是 Ambrosino 的品味，也不是 Nathan 的資訊流，而是他所說的三個循環中最外層、由人親自執行的循環：「學會 AI、快速打造、與客戶交談」——也就是那些「能和客戶交談，掌握打造什麼的判斷品味，再用 AI 打造並快速反覆改進」的人。他描述自己親身經歷了成果充裕的一面（「我發現自己每週……每個週末都在打造東西」），接著提出本頁尚未涵蓋的限制：

「結果發現，打造一家公司依然非常、非常困難……我常能在一個週末做出 LLM 包裝器、打造簡單的應用程式，但我希望打造一家大型公司也能這麼容易……要打造有意義的東西，往往需要真正深厚的技術專業，或深入了解客戶並與客戶合作。沒錯，現在我們可以用 AI 在幾個小時內寫出程式，但那只是一小部分。」

這個限制談的是時間，而非判斷力。流程反轉論點認為，昂貴的步驟已從實作轉移到篩選整理；Ng 則表示，從行事曆時間來看，昂貴的步驟依然耗時——可能是「得花幾個月……也許幾年」的「真正複雜的軟體」，也可能是「得花很多時間和人交談、閱讀臉部表情、做調查，並一再重複」才能得到的客戶洞察——所以低成本實作能讓週末專案更容易完成，卻無法讓打造公司變得容易。獨立創辦人轉變以 399 天測量了這一點，而 DHH 也從自家產品承認這種情況；這些觀察都支持「單線領導」，而不是成果充裕所誘發的廣泛取樣本能：「廣泛取樣，但接著讓個人專注於幾個領域並深入探索。」這些說法都來自一位創辦人的自述，而他的投資組合（AI Fund）採取的正是他正在提醒人們不要採用的取樣策略。

從整體人口來看：成果充裕已擴散到什麼程度（McKinsey，2026 年 8 月）#

The state of AI in 2026（McKinsey / QuantumBlack，2026-08-25，屬於 empirical，但完全是自陳資料；涵蓋 97 個國家的 1,719 位受訪者）是第一個在前沿實驗室之外檢驗本頁前提的來源，並將前提與論點分開檢視。

**打造能力已經普及。**32% 的受訪者表示，其組織至少曾有一次不購買軟體產品或功能，因為可以使用代理式程式設計工具自行打造（圖表 4）——科技業比例為 41%，能源與材料業為 38%，專業服務業為 38%，工程與營造業則為 28%。約有兩成組織表示正在擴大使用軟體程式設計代理，營收達 10 億美元以上的組織中為 31%，低於 10 億美元者為 17%（圖表 3）。實作充裕已不再只是打造模型的實驗室才有的特性，而是橫跨十三個產業的採購現實；詳見代理式程式設計下，選擇自建而非採購。

**token 並非無限供應。**約 20% 的受訪者表示，包含 token 成本在內的 AI 相關營運成本限制了組織使用 AI（圖表 8）；而這項限制在本頁所描述、最需要這個機制的地方最明顯：AI 高績效者表示，成本限制了他們使用軟體程式設計代理的比例為 18%，其他所有受訪者則為 6%；這是唯一一種領先群體表示所受限制比其他群體更大的工具（圖表 14）。Michael Chui 在文章評論中說明了其中的機制：對代理式軟體開發來說，AI「並非『便宜到不必計量』」，因為 token 消耗增加的速度已超過每 token 價格下降的速度。

**流程反轉本身仍未受檢驗。**這份調查統計決策與擴大使用的階段，卻沒有觀察平行打造、篩選整理成本或產品流程的形態。這些資料既無法證明，也無法否定昂貴的步驟已轉移到篩選整理。它讓前提從實驗室裡才有的條件，變成有價格的整體人口事實。

延伸閱讀#

• 獨立創辦人轉變——實測流程反轉的限制：實作變得便宜後，創辦人解放出來的資源，第一件買的依然是人；中位數為 399 天
• AI-Native Organization——以創辦人建議的形式提出同樣的流程反轉：工具幾乎免費，想打造什麼都行，Tan因此把「滿足自己的需求，並希望這是個市場」改成「滿足自己的需求，因為滿足需求幾乎不花成本」，再讓其他人的需求顯示哪些單人自用工具其實有機會成為公司。從加速器的角度來看，問題選擇是剩下的稀缺資源，而不是從實驗室的角度出發
• 將代理程式工作結晶為工作流程——從營運領域回答一部分篩選整理成本問題：探索證明可行的做法可以升格為確定性工作流程，逐步降低篩選整理成本，將其變成每個重複模式的一次性投資，而不是反覆徵收的成本——但只適用於模式會重複出現的情況，探索式產品工作未必符合這項條件
• Andrew Ambrosino——闡明流程反轉
• 以選擇進行設計——單一團隊內的實例：Opus 4.5 加快了 Claude Code 工程師的速度後，團隊唯一的設計師Nate Parrott仍以原本速度交付，於是成了瓶頸，並打造了Claude Design來追上工程師。低成本實作會把昂貴步驟轉移到任何尚未獲得加速的角色。他也直接說明這個論點：「最重要的工作會往流程前段移動」
• 驗證成為新瓶頸——一般形式：當生成變得便宜，判斷／驗證就成了稀缺資源；本文則是它在產品流程中的呈現
• 工程師與產品經理的角色匯流——Cat Wu 所說的「程式碼變便宜後，決定要寫什麼更有價值」正是同一種瓶頸轉移；本頁是 OpenAI 內部、流程層次的說法
• 研究品味是人類瓶頸——AI 研究領域的近親論點（品味是 AI 尚無法吸收的剩餘部分）；本頁則是產品工作的近親論點
• 打造很便宜，爭論很昂貴——同樣以「打造變便宜，就會把困難部分移到別處」的邏輯處理爭議；本頁則把它應用到整個流程
• 以原型取代 PRD——Ambrosino 修正的立場：不是「原型取代 PRD」，而是「成果充裕讓媒介選擇與篩選整理成為技能」
• 精緻度不再代表已準備就緒——直接推論：90 個低成本打造的版本看起來都已準備好上線，因此精緻度不再能顯示進度階段
• 角色平均化，而非消除角色——誰來篩選整理，以及 90 個互不協調的版本出現時，為何「區域防守」式的涵蓋方式很重要
• 以自家產品訓練產品紀律——如何培養篩選整理所需的品味：不斷親自使用產品
• Compute Allocator——整理 90 個版本，就是在整體功能探索的層次進行分配
• 模型進步下的 harness 縮減——從產品流程角度看實作充裕，就是 harness 縮減
• 代理式程式設計中的專業回報——實證支持：打造變得便宜後，決定誰能成功的因素是領域／產品理解，而非程式設計
• 情境優勢，而非品味——說明新瓶頸是什麼：Andrew Ng主張，篩選整理所依賴的「品味」其實是資訊落差，而非一種能力；因此反轉流程中的昂貴步驟會隨時間流失，不是永久存在
• 行動手冊的適用邊界：反方論據的基礎與原型的優勢——將媒介選擇規則推廣為原型取代 PRD 失效時的一般解答：選擇其可觀察呈現面能涵蓋風險的產出物；只有在沒有任何產出物能涵蓋風險時，PRD 才能保有作用
• 標準化基礎設施，而非工具——讓整個組織都能使用基礎設施據稱帶來的效果：銷售、財務和人資能在無需工程票單的情況下打造「n-of-1」軟體
• Prototype Fidelity After Cheap Polish——從設計流程角度解讀同樣的反轉：精緻化免費後，昂貴步驟轉移到方法論（選擇什麼忠實度、要收集什麼回饋），而非篩選整理
• DHH（David Heinemeier Hansson）——從小型公司角度提出同一種流程反轉，並指出更嚴苛的推論：經過另一個人居中轉達後，生產力倍增效果便不復存在
• AI 原生打造的三個循環——Ng 對反轉流程的說法：外層循環（與客戶交談）決定要打造什麼，而且這個循環依然緩慢；他對流程反轉提出的限制是行事曆時間，而非判斷力
• 代理式程式設計下，選擇自建而非採購——以整體人口測量採購端的後果：1,719 位受訪者中有三分之一表示，因為代理式程式設計能提供該功能，所以不再購買軟體。這項資料補上了本頁前提未納入的成本限制
• Printing Press Software Democratization——同一種成果充裕的供給面：打造現在成了一種素養，而不是技藝，因此才會有 90 個互不協調的版本。Cherny 指出稀缺資源是領域知識，而本頁稱之為品味；若品味就是情境，兩者便會交會，詳見情境優勢，而非品味

待解決的問題#

• 整理 90 個互不協調的版本本身就很費工，而且顯然不容易擴大規模——有沒有某個臨界點，讓平行探索的篩選成本超過它所取代的成本？（「區域防守」是 Ambrosino 提出的一種部分解答。）
• 如果品味是瓶頸，而品味「只是 AI 終將掌握的另一項能力」，流程反轉會不會再度反轉——篩選整理是否會轉移到模型裡？
• 90 個互不協調版本的情境假設 token 充足，且組織具有代理式文化；離開讓每個人都能使用「無限 token」的前沿實驗室後，流程反轉還能保留多少？The state of AI in 2026: On the road to ROI（empirical，自陳資料；涵蓋 97 個國家的 1,719 位受訪者，調查於 2026 年 5 月 4 日至 6 月 8 日進行）於 2026-09-22 部分解答了這個問題：這是第一份以整體人口規模檢視該前提的資料，結果分成三部分。**打造能力離開實驗室後依然存在：32% 的受訪者表示，他們曾決定不購買軟體，因為可以用代理式程式設計工具在內部打造所需功能；各產業的差距不大（科技業 41%、能源與材料業 38%、專業服務業 38%、工程與營造業 28%、公共部門 17%）——因此這不是科技業獨有的現象，更不是前沿實驗室獨有的現象。約兩成的受訪者表示正在擴大使用軟體程式設計代理（營收達 10 億美元以上的組織為 31%，低於 10 億美元的為 17%）。「token 無限」的前提並未延續：**約 20% 的受訪者表示，包含 token 在內的 AI 營運成本限制了他們的使用；這項負擔集中在機制發揮作用的地方——高績效群體中，成本限制程式設計代理使用的比例為 18%，其他人則為 6%；這是唯一一種領先群體表示所受限制比其他群體更大的工具，而 Chui 也指出原因（消耗成長速度快於價格下跌）。實驗室之外，成果充裕受到用量計費限制；實務越接近前沿，限制就越嚴格。**流程反轉本身仍未受檢驗：**調查統計了採購決策與擴大使用的階段，卻從未觀察平行打造、篩選整理成本或流程形態，因此昂貴步驟是否轉移到篩選整理，無論在實驗室內外，都尚未經過測量。改變的是，這項前提如今成了有價格的整體人口事實，而不再只是實驗室才有的條件。

資料來源#

• DHH: Future of Programming, AI, Agentic Engineering, Vibe Coding & Linux | Lex Fridman Podcast #501 — DHH，Lex Fridman #501（2026-08-26，practitioner-opinion）：「瓶頸很少是實作，而是人的頻寬和溝通」；組織的瓶頸是點子、願景與品味；人與人居中轉達會失去頻寬的推論

• OpenAI Codex lead on the new shape of product work — Ambrosino：「實作其實已經不再是昂貴的部分……而是品味」；以及 90 個彼此沒有協調的團隊這個情境

• Codex from 0 to 10M Users: Building ChatGPT Work - Akshay Nathan, OpenAI — Latent Space，2026-07-28（practitioner-opinion）：Akshay Nathan 獨立得出相同的瓶頸結論，並補上「給我新的點子」自動化的失敗嘗試，以及說明失敗原因的資訊流診斷

• Andrew Ng: The Biggest Opportunities in AI Aren't Where You Think — Andrew Ng 接受 Marina Mogilko 訪問，Silicon Valley Girl（2026-08-28，practitioner-opinion）：「產品管理瓶頸」、學會 AI／快速打造／與客戶交談，以及打造公司依然困難的限制

• The state of AI in 2026: On the road to ROI — Dan Tinkoff、Lieven Van der Veken 與 Michael Chui，Tara Balakrishnan 協力，The state of AI in 2026: On the road to ROI（McKinsey / QuantumBlack，2026-08-25，empirical，自陳資料；線上調查，涵蓋 97 個國家的 1,719 位參與者，調查於 2026 年 5 月 4 日至 6 月 8 日進行，按 GDP 加權）。本文引用圖表 4（32% 選擇自建而非採購的比例及產業分布）、圖表 3（按營收區間分類的程式設計代理擴大使用情形）、圖表 8（20% 受成本限制）、圖表 14（程式設計代理的 18% 與 6% 對比），以及 Chui 對 token 經濟的評論。自陳資料，每個組織一位受訪者，取自 McKinsey 自有調查樣本；利益衝突——McKinsey 銷售 AI 轉型顧問服務。完整分析見代理式程式設計下，選擇自建而非採購