过去两年在工作中看到令人不安的一面————用AI掩饰根本性错误，忽视对事物本质的思考。
第一个案例是评审Email相关的需求，这个需求可以用另一种方式实现更简单，然而老员工问DeepSeek说是可以实现就支持继续推进，客观上来说的确可以但没必要。
第二个案例是近期离职的一家IT公司。它在推广Cursor，用AI整理文档等等。有趣的是项目架构设计错误，用MVC强行嫁接ETL产生大量上帝方法和上帝类，新人很难理解，领导就说用AI整理，可是理解困难的主要原因是架构问题，而且业务流程也设计错导致成本很高。然后用AI检查代码，结果提交了代码卡在Code Review改了很久导致需求延迟交付，架构问题已经存在超过5年但对业务运转似乎影响很小所以也就没人管了，只是基层开发人员离职率高负担重。
这两个案例可以总结出一点，AI不能作为“合理化错误”的工具，只要AI说需求能做就执意推动而不考虑更高效更易于实现的业务功能是不对的。AI编程固然好用，但更重要的是追求事物的本质，许多技术团队可能以为既然业务部门需要就肯定有其合理性，殊不知业务部门领导的认知水平、情绪和使用习惯会影响需求的真实性，只要有1个伪需求流入系统，就会有第二个，第三个，最后整个产品变成“四不像”。
系统架构也同理，项目初期架构设计错误很难补救，例如上文所提到的MVC嫁接ETL，虽然可以运行但造成认知负荷过重，AI的引入进一步放大架构的错误，如果用它设计一些维护错误架构的管理制度将给员工带来巨大压力。架构问题不解决，加班和需求积压就永远不会消失。
总结
在AI提供便利的同时不要忽视对事物本质的思考，更不能将其作为掩饰根本性错误的工具，直面问题的本质才能更好地解决问题，否则一切都是空中楼阁。
