最近刷到两条消息，放在一起看很有意思。
一条是UNESCO的调查：93%的高等教育从业者在使用AI工具，但只有33.4%的人对自己的使用"非常有信心"。另一条是Anthropic的CEO Dario Amodei公开呼吁放缓AI前沿开发——做AI的人自己都在喊"慢一点"。
93%在用，33%有信心。这60个百分点的差距，就是今天技术管理者最该正视的问题。
大家都在用，但谁用对了？
我观察到的情况是：团队里几乎人人都在用AI工具，写代码用、查问题用、写文档也用。但如果你问一句"你觉得你用的效果怎么样"，大部分人答不上来。
不是工具不好，是使用者没想清楚自己在干什么。把ChatGPT当搜索引擎用的大有人在。拿AI写了一堆自己都判断不了质量的代码，也不少见。这不是"拥抱AI"，这是"被AI拥抱"。
对技术管理者来说，问题不是"团队有没有在用AI"，而是"团队用对了吗"。你需要帮团队区分信号和噪音——哪些AI能力是真信号，哪些只是噪音。
管理者的职责不是追，是筛
Dario Amodei说了一句很到位的话：在所有人都在加速追赶的时代，最稀缺的能力是知道什么时候该停下来。
这话放在技术管理场景里同样成立。你的价值不是多快把新技术推到团队里，而是能不能判断：哪些该追，哪些该放一放。
我见过一种做法：每个Sprint安排"AI实验时间"，让大家自由尝试新工具，然后做分享。听起来很前沿，但实际效果是"谁demo做得炫就跟着谁走"。一个季度试了十几个工具，真正沉淀到生产环境的零个。
更务实的做法是给团队设一个过滤器。我一般问三个问题：
- 这个能力是不是当前团队确实需要的？还是只是"可能有用的"？
- 引入它的成本是什么？不只是订阅费，还有学习成本、维护成本、出错成本。
- 有没有非AI方案能解决同样的问题？
能回答这三个问题的技术，才值得投入。回答不了的，先放一放。这不叫保守，这叫有判断力。
"不追"不是"不学"
有些管理者对AI的态度是"别碰，风险太大"。这不是谨慎，是懒。
真正的风险管理不是回避风险，而是理解风险。在金融行业，这种情况很常见——一句"AI会出错"就把所有AI方案否了。但你想想，传统方案就不出错了？人工操作出错的概率可能更高，只是犯了错"更容易被原谅"，因为是人在犯的。
技术管理者要做的是帮团队把风险评估做准确，而不是用恐惧替代判断。
我比较倾向于一个思路：小范围先试，用真实数据说话，设好止损线。比如先在一个内部工具上试AI辅助代码生成，跑两周看看效率变化和问题率。如果数据好，扩大范围；数据不好，收回来。
这样做的好处是：团队从"我觉得AI行/不行"变成了"我有数据证明它行/不行"。这个判断框架，才是技术管理者该给团队的东西。
自己不下水，就别当教练
说一个扎心的事实：很多技术管理者自己不深度用AI，但在决定团队的AI战略。
这就像一个不会游泳的人在当游泳教练——理论一套一套的，但一下水就露馅。从2024年开始，我就有一个原则：自己不亲手用够一定量，就不做相关的技术决策。
不是说你要成为AI专家，而是要有足够的"体感"。你得亲自用AI写过代码、做过code review、分析过线上问题，你才知道这东西哪里强、哪里坑。当你能说出"用AI做代码审查确实效率提升30%，但做架构设计还是得人来"这种话时，你的判断才有说服力。
团队也更愿意听一个"自己也在用"的管理者的建议，而不是一个"只看报告就做决策"的领导。
守住节奏，比追赶速度更重要
技术管理有一个容易被忽视的职责：管理团队的注意力。
每个新技术都有引入成本——不只是学习成本，还有切换注意力的成本。一个团队如果总在追新框架、新工具、新范式，看上去很前沿，实际上注意力被稀释了，在最该深入的地方反而投入不够。
我见过太多团队，上半年追微前端，下半年追AI编程，明年估计又要追别的。真正的问题不是这些技术不好，而是注意力被切割了，每个方向都是浅尝辄止。
作为管理者，你要敢于对大部分新技术说"现在不"。这不是否定技术本身，而是保护团队的注意力，让他们有空间在当前最重要的事情上深耕。
保罗·格雷厄姆有一个观点：好的决策者不是做得多，而是少数几个决策做得对。技术管理也一样——你一年做的几十个技术决策里，真正影响团队命运的可能就三五个。把这几个做对就够了。
最后说一句
AI时代的到来让技术管理者面临一个悖论：你必须拥抱变化，但你不能被变化牵着走。
这两者的区别在于：前者是主动选择，后者是被动反应。前者需要判断力，后者只需要执行力。
而判断力，恰恰是AI无法替代你的东西。
技术管理者最核心的能力，从来不是追赶的速度，而是选择的智慧——什么该追，什么该放，什么该深入，什么该观望。在AI时代，这个能力比以往任何时候都稀缺。因为技术能力可以被工具放大，但判断力不行。
93%的人都在用AI，但33%才有信心。这个差距，就是技术管理者存在的价值。
添加新评论