AI 團隊也會腦裂：一個人想又做，註定爆炸

最近有團隊做了一個實驗，丟給一群 AI agent 一本八百多頁的技術手冊，要求從零重寫一套資料庫系統，不給原始碼、不給測試、不給網路。結果讓兩種架構對打，一種是所有 agent 平起平坐各自發揮，另一種是分成兩層，貴的模型只負責拆解任務，便宜的模型只負責動手執行。分層那組四小時後全數過關，成本卻只有另一組的十五分之一。

腦裂不是 AI 的問題，是結構的問題

平起平坐那組的慘況很直觀，兩個負責規劃的角色互不知情，同時去處理同一件事，結果做了兩次白工，衝突堆得跟山一樣高。這現象換成人類團隊你一定看過，兩個主管都以為自己是那個拍板的人，底下的人被兩邊指令夾死，最後專案卡在誰都不敢動的狀態。問題從來不是「不夠聰明」，是同一個位置同時扛著想與做，腦袋撐不住。

企業匯入 AI，最常犯的就是這個錯

我們接過不少匯入案，客戶一開始的想法都是「找一個很強的 AI，把整個流程丟給它」。聽起來很省事，實際上跟找一個全能員工一樣不切實際。一個模型同時要判斷該不該做、又要處理細節資料、還要應對例外狀況，context 塞爆是必然的，出錯了還不知道是哪個環節壞掉。

• 把「決策該不該做」跟「執行怎麼做」拆成兩個獨立角色
• 決策層可以用比較貴、比較穩的判斷邏輯，執行層追求快跟便宜
• 中間一定要有可以檢查的節點，不要讓整段流程變成黑盒子

這其實呼應一個現實資料，去年底有研究指出，將近七成的生產環境 AI agent 在需要人類介入前，撐不過十步就卡住。不是模型不夠強，是沒人幫它把工作拆對顆粒度，也沒設計好什麼時候該讓人類接手。

分層不是多花錢，是少花冤枉錢

很多主管一聽到要分兩層架構，直覺反應是成本會翻倍。實驗結果剛好相反，貴的規劃角色只出一點點的量，真正燒錢的執行層換成便宜模型後，總成本大幅下降。我們在幫企業設計系統跟流程時也是同樣邏輯，貴的資源留給真正需要判斷力的節點，重複性高、規則明確的部分交給便宜穩定的工具去跑，整體效益比全部都用最強配備要好得多。

想的人要貴，做的人要便宜，這句話不只講給 AI 聽，也講給每個還在用一套人馬硬撐所有流程的公司聽。