🏠 home › concepts › bottleneck-shift-output-to-review
tags
[AI, 工程, 组织, 流程, Agent]
created
2026-04-27
updated
2026-04-28
sources
[raw/notes/zhao-saipo-work-experience-ai-skill-2026-04-27.md, raw/notes/karri-saarinen-some-notes-on-ai-2026-04-26.md]

定义

AI 渗透各行业的一个共同模式：当 AI 把单环节产能拉高一个数量级，瓶颈不会消失，而是平移到下一个还没被 AI 化的环节——通常是审核/筛选/责任承担环节。

赵赛坡 2026-04 评论文章里给出的具体实例：4 人 AI 流程改造公司帮某媒体客户重构生产流程后—— - 熟练编辑原本 1 小时完成的工作 → 系统几分钟完成 - 编辑部日产量 20 篇 → 200 篇 - 其中 85% 不需要人工干预

赵赛坡的判断：

过去，上限是编辑写作速度。现在，上限变成审核能力。AI 可以迅速拉高产量，审核反而成了卡住流程的地方。

与瓶颈级联原则的关系

ai-first-engineering CREAO 提出"瓶颈级联原则"：当构建时间从月压缩到小时，相邻环节成为新约束。CREAO 识别的三个瓶颈是 PM / QA / 人员。

本页是该原则在内容生产 / 审核流程 / 责任承担这一类工作的具体应用：

旧瓶颈 新瓶颈
编辑写作速度 编辑审核速度
设计师出稿速度 评审决策速度
程序员出代码速度 Code Review + 测试覆盖速度
客服回复速度 投诉处理 + 异常裁定速度

CREAO 的解法是用 AI 同步推进相邻环节（三通道 AI 审查 + 自愈循环），把审核也 AI 化。但本页关注的是 AI 还没进入审核环节时的中间状态——大多数公司当前正处在这个状态，审核就是真实卡点。

为什么审核难被 AI 化（短期）

产出可以批量化，审核难批量化的三个根本原因：

  1. 责任不可批量化：审核错了的代价（错误内容上线 / 法律风险 / 用户信任损失）由人承担，AI 不能签责任书
  2. 判断标准随时间漂移：什么是"好稿子"在不同时期标准不同（行业风向 / 平台政策 / 用户偏好），固化为 AI 评分会失效
  3. 异常情况的兜底者必须是人：85% 不需人工干预 = 15% 必须人工——这 15% 通常是最复杂、最少范例、最高责任的部分，恰好是 AI 当前最弱的部分

瓶颈位移的三阶段

阶段 1（旧均衡）：产能 = 1x，人工审核 = 1x → 平衡
       ↓ AI 介入产能侧
阶段 2（短期失衡）：产能 = 10x，人工审核 = 1x → 审核成新瓶颈
       ↓ 组织反应
阶段 3 分两条路：
   3a：把审核也 AI 化 → 新均衡（产能 10x = 审核 10x），但同时 reduces 人在流程中的位置
   3b：审核保留人工 → 产能其实卡在审核能力，AI 介入收益被吃掉

大多数 2026 时点的企业还在阶段 2 末尾。CREAO（ai-first-engineering）和 Anthropic 内部已进入阶段 3a。

对组织角色的具体影响

人还在流程里，但更多时间花在筛选、判断和承担责任上。公司继续把判断写进系统，编辑岗位的价值还会被重新计算。

含义：AI 时代员工角色的两次坍缩 - 第一次坍缩：生产者 → 审核者（编辑岗的具体动词从"写"变成"判断该不该发"） - 第二次坍缩（CREAO 实证）：审核者 → 标准制定者（架构师 vs 操作员二分，ai-first-engineering）

第一次坍缩对从业者的现实冲击 = "你还在岗，但岗位价值在被重新计算"。第二次坍缩对从业者的更彻底冲击 = "85% 的审核也不需要你"。

审核瓶颈不是终点：再下一个瓶颈

阶段 3a "把审核也 AI 化" 后，新瓶颈通常出现在： - 数据采集 / 反馈回路：AI 审核需要新数据训练 → 谁标谁审标 - 责任界定：AI 审核出错时谁背锅 → 法律层 - 战略判断：审核标准本身的设定 → 决定要不要做这件事，而不是做得对不对

这是为什么 individual-vs-institutional-ai 会强调"组织 AI 落地的最难处不是模型，是组织"——瓶颈无穷尽地向上游平移，最终回到做不做 / 为什么做这种最高层的判断，而这一层 AI 短期内不能替代。

与单纯 agent 外壳为什么不长期值钱的关系

赵赛坡同一篇文章另一论点：

模型可以调用，界面可以模仿，真正稀缺的是行业里的真实工作记录：谁有权限，谁能确认，哪些步骤可以跳过，异常出现时谁来决定。

这与瓶颈位移逻辑同源——审核能力卡瓶颈 = 谁能确认 / 谁能裁定异常 = 行业 know-how。这也是 process-data-vs-output-data 论点的另一个表达：审核能力沉淀在过程数据里，不在产出数据里。

媒体行业的具体案例数据

4 人公司帮媒体客户搭从找选题、策划到写稿的全流程 skill：

  • 熟练编辑原本 1 小时完成的工作 → 系统几分钟完成
  • 编辑部日产量 20 篇 → 200 篇
  • 其中 85% 不需要人工干预

按新京报采访原文，未独立复核。但数字落在 2026 媒体行业实证的合理范围： - 10x 产能提升：与 CREAO "每天 5-8 次部署 vs 传统每月 1 次" 同量级 - 85% 不需人工：与文心一言/字节豆包等内部内容生产工具公开披露的"自动通过率"接近

不可推广到所有行业的几个限定： - 媒体内容是 language 任务的甜蜜区（individual-vs-institutional-ai "L = Language"） - 内容审核的"对错"主要是合规 + 事实核查，相对结构化 - 媒体行业本身 KPI 已经数字化（阅读数 / 完播率），审核标准容易量化

不适用瓶颈位移的反例： - 法律审核（错误代价巨大、判断高度上下文相关） - 医疗诊断（责任不可批量化、个体差异极大） - 金融风控（监管要求人在环、对抗性强）

Sentino 的应用含义

Sentino Agent 平台（sentino-agent）有几条直接启示：

  1. 客户接入后的真实瓶颈预测：客户用 Sentino Agent 平台搭好语音 agent → agent 产能拉高 → 客户的瓶颈会平移到"客服话术审核 / 异常处置"——Sentino 应该提前思考是否提供审核侧能力（call review dashboard / 异常告警 / 关键判断的人工 escalation 通道）
  2. Standalone Agent 的 latest 输出消费侧：当前主 agent 通过 read_xx 读 latest，单 agent 一次输出 ≈ 单条数据；如果 Standalone Agent 跑 24/7 高频出数据，主 agent 的"消费 + 综合 + 决定要不要说"环节会成为新瓶颈
  3. TENGA 案例中的具体瓶颈预测（sentino-tenga）：如果 AI 化 Seicil 的产能拉到 10x，医生审核就是直接的新瓶颈——这条信息可以反向影响商务定价（按"审核辅助" 而非"内容生产"定价，避免被 token 计费模型困住）

适用边界

"Hard problems remain hard"——任务难度天花板对瓶颈位移的修正

Linear CEO Karri Saarinen 在 2026-04-26 X 长文给瓶颈位移加了一个任务分类层修正：

"But hard problems remain hard. Agentic coding does not speed those up as much as the narrative often suggests. ... The expert still supplies the taste, constraints, and final judgment."

含义：瓶颈位移描述的是smaller bandwidth 任务侧——产能 10x、审核成新瓶颈、审核也 AI 化（3a 路径）走得通。但hard problems 侧从来没经历过"产能 10x"——agent 在 hard problems 上的加速幅度远小于 smaller problems，所以 hard problems 侧不存在"瓶颈从产能位移到审核"的现象，hard problems 侧的瓶颈始终在 expert judgment 上。

任务类型 瓶颈位移成立吗 解法
Smaller bandwidth（重复 fix / 文档 / refactor） 是——产能 10x → 审核新瓶颈 → 3a 审核 AI 化 CREAO 路径
Hard problems（架构 / 系统 / tradeoff） 否——产能本来没 10x Expert judgment 永远是瓶颈，不是 AI 化能解决的

这条对组织战略的具体含义：组织 AI 落地不要把所有任务一刀切按 3a 路径推——hard problems 侧就应该停在 3b（保留 expert），强行 3a 化会让"看起来 AI 化了"但产出质量塌陷。CREAO 99% 代码 AI 写适用于 smaller problems 大量分布；架构师 1-2 人保留是因为 hard problems 必须 expert judgment——这与 Saarinen "hard problems remain hard" 同源。

相关概念