管理觀點 · 2026-09-25 · 14 分鐘閱讀

我從 review 產出變成校準方向 — 一個設計主管的 AI 重構日記

兩年前我的日常是掃 PR、留 comment、對齊細節；現在我寫的字變少了，但那不是退化，是工作層級上移。這篇記錄一個設計主管在 AI 進入團隊後的角色重構：不 micro-manage，靠 set context 控品質，把時間花在校準方向而不是 review 產出——以及這個轉變不能被外包到底的那一小塊風險。

Tags: 判斷力, 管理, 職涯, 領導力

攤開一週的活動紀錄：我寫的字數，可能是團隊產出最多的 IC 的十分之一。

但同一週我做的 P0 方向決定，密度可能是過去三年最高的一週。

這不是「主管變閒了」，是 工作層級整個上移。AI 把我從 PR review 產出的那層，推到校準方向的那層。

核心洞察 在 AI 時代，主管的價值不再建立在「細節審查」或「產出字數」，而是決策密度與方向校準。工作層級的上移伴隨著認知負荷的加重，而非減輕。

以前的我：review 的人

兩年前的工作日常大概是這樣。

早上掃 PR，留一堆 comment 在 review 裡，從 button 對齊到 copy 語氣。中午改一份 PRD 的 user flow 圖示。下午連開三場會：1on1、design crit、跨部門 sync，每一場都在「對齊細節」。晚上打開 IDE，自己也寫一點 React，因為「我不寫，team 會覺得我脫節」。

那時候我的價值，建立在「我看得到 team 看不到的細節」。一個按鈕的 8px vs 12px、一個 copy 的「您」與「你」、一個 user flow 的第三步斷點 — 這些是我的差異化。

但這種差異化本身就藏著一個陷阱，經濟學裡有個名字叫 Goodhart 定律：一旦一個指標變成被追求的目標，它就不再是個好指標。當「我抓到的細節數量」變成我證明自己價值的方式，我其實是在把主管的價值，優化成一個可以被量測、也可以被抹平的代理指標——而任何代理指標，遲早會被更擅長優化它的東西超越。這正是現在發生的事：Claude 看 layout 看得比我細，GPT 寫 copy 寫得比我快，Cursor agent 連 design rationale 都會幫我寫。產業近期反覆討論的一個轉變是：開發者開始從 conductor（逐步指揮單一 AI）轉向 orchestrator（拆解任務、調度多個 agent，再整合與驗證成果）。這不代表大多數工程師已經完成角色轉型，但它確實指出了工作價值正在往任務拆解、脈絡設定與結果校準移動。這個轉變對 IC 是工具升級，但對主管，是價值重新分配的訊號——因為我一直守著的那個代理指標，正被 AI 大幅壓低成本。

如果我繼續用「review 細節」當作我的價值，那我會被取代。不是被 AI 取代，是被任何一個會用 AI 的 IC 取代。

現在的我：校準方向的人

我現在的工作日常是這樣。

早上不再看 PR — PR 我交給 AI 第一輪 review，只看它 flag 的部分。Cloudflare 在最近一篇技術 blog 公開過他們的 AI Code Review 數據：

Cloudflare AI Code Review 數據 (2026)

  • 30 天內跑了 131,246 次 review、覆蓋 48,095 個 MR
  • 橫跨 5,169 個 repo，中位數 review 時間僅 3 分 39 秒
  • 其中 **288 個 MR（約 0.6%）**需要人工「破窗」介入

💡 這代表大量有明確標準的 review 可以先交給 AI 處理；主管不必再對所有細節平均投入，而應把時間留給少數需要脈絡與後果判斷的例外。

我早上看的是數據、看用戶回饋、看其他團隊的進度，問自己「這週我們解決對的問題嗎？」。這個問題沒有 AI 能答 — 因為它需要的是脈絡：老闆昨天臨時說的某句話、業務上週談的客戶要什麼、競爭對手在做什麼、我們上一個 quarter 為什麼選了這條路而不是那條。

管理學者 Herbert Simon 早在資訊還不豐富的年代就講過一句後來被反覆驗證的話：一個資訊豐富的世界，製造的是注意力的貧乏——資訊越多，能真正被留意、被判斷的容量反而越稀缺。這正是我現在每天在對抗的處境。AI 讓資訊、產出、選項全部變得豐富且便宜，但團隊的注意力沒有跟著變多。主管的工作，本質上就是把團隊裡最稀缺的那個資源——注意力——分配到真正重要的問題上，而不是自己也去搶著消耗這個資源。

中午跟 1–2 個成員 1on1，但不是 review 進度，是問「你卡在哪？」、「你覺得這條路對嗎？」、「如果可以重來你會怎麼做？」。AI 不會替我問這些問題，因為它不知道誰需要被問、誰最近狀態不對、誰快要 Burn Out。

下午我會打開 IDE，但不是寫 code，是「跑實驗」。給 agent 一個方向，讓它做三個變體 — 例如同一個 Onboarding Flow，分別強調速度、學習曲線、社群連結 — 一個下午就能跑完三組可互動的 Prototype，挑一個方向給 team。這在兩年前需要兩個 designer 配一個 frontend 花兩週的時間驗證。

晚上我寫的字加總可能不超過 500 字 — 一封給 PM 的 email、一份給老闆的 strategy doc、一個 1 段話的 context 整理丟回 team Slack。但這些字會改變 team 接下來兩週的方向。

「寫的字變少」不是退化，是工作層級上移

我認識的幾個其他主管，AI 來了之後反而工作變更忙。他們堅持要「自己也用 AI 寫東西」、「自己也 review AI 產出」、「自己也跟著 IC 一起寫 prompt」。

這是搞錯方向。

主管用 AI 不是要追上 IC 的產出速度 — 那是 IC 已經被 AI 放大十倍的賽道，你追不上。主管用 AI 是要把自己從產出層解放出來，去做 IC 做不到的事：設定方向、移除阻礙、建立脈絡、給資源。

Clayton Christensen 在談企業策略時提出過一個至今仍成立的觀察：一個組織真正的策略，不是牆上寫的那句話，而是它的資源配置流程實際把時間、人力、注意力送去了哪裡。對主管來說，這句話可以直接套用在自己身上：你把自己最稀缺的資源——時間——花在哪裡，那裡就是 team 事實上的優先序，不管你嘴上說的優先序是什麼。如果我把時間花在 review 細節，team 事實上的策略就是「把細節做對」；如果我把時間花在校準方向，team 事實上的策略才會是「把方向做對」。這也是為什麼主管換工作方式，不能只是「多用一個工具」，而是要先承認：過去把時間分配在哪裡，就已經替 team 決定了過去的策略是什麼。

寫的字變少，是因為每個字都在更高層次起作用。寫一封 email 改變 team 半個月的方向，比留 50 個 PR comment 的價值大十倍。

這是工作層級的上移，不是工作量的減少。實際上我每天的 Cognitive Load 更重了 — 因為我做的每個決定影響的範圍更大、可逆性更低。以前 review 錯一個 button 對齊，下次 PR 改回來就好；現在 set 錯一個 quarter 的方向，team 的人花三個月才會發現我們在錯的山頭爬。

關鍵轉變：產出密度 vs. 決策密度 主管的價值在於「讓 team 的方向是對的」。當 IC 的產出成本被 AI 壓到零，每個錯方向的成本反而被放大。工作層級的上移不是工作量減少，而是認知負荷與決策影響力的指數型增長。

不 micro-manage，靠 set context 控品質

有人問我：「你不 review 細節，那 Quality Assurance 怎麼控？」

答案是：quality 不是靠 review 出來的，是靠 context 設出來的。

這裡有一個組織學習理論可以解釋為什麼 context 比 review 更根本。Chris Argyris 區分過兩種修正機制：單迴圈學習，只是把眼前偏離目標的行為修回來；雙迴圈學習，是連「我們一開始為什麼判斷這是對的」這個底層假設一起檢查、更新。review 細節，做的永遠是單迴圈修正——你在幫團隊改一個一個具體的錯，但那個會讓錯誤反覆出現的底層判斷框架，從來沒被碰過。set context，做的是雙迴圈的事：當團隊清楚知道「我們這個 quarter 在解決什麼問題、為什麼這個問題比其他更重要、什麼是不能妥協的」，他們自己就有能力去檢查每一個決定是不是符合這個底層框架，而不需要我一個一個抓。

Context-Driven Quality Control 當 team 的每個人都清楚知道我們這個 quarter 在解決什麼問題、為什麼這個問題比其他更重要、什麼是「好」的標準、什麼是不能妥協的、什麼是可以妥協的 — 他們做出來的東西就會自動對齊。我不需要在 PR 上修 button 對齊，因為他們知道對齊在我們這個 product 的脈絡裡為什麼重要。

而我能設出這個 context，是因為我把時間從「review 細節」移到「想清楚我們要去哪」。這兩件事是直接的 trade-off — 你不可能兩個都做滿。

這個轉變不能外包到底的地方

這裡要誠實面對一個反對意見：如果主管完全退出 review，會不會漏掉 AI 抓不到的那種系統性風險？

Cloudflare 的數據其實已經給了答案的一半，只是原本容易被忽略：0.6% 需要人工破窗介入。這個數字聽起來很小，但破窗率從來不是均勻分布的——AI 抓得住的多半是格式、對齊、常見的邏輯漏洞這類「有明確標準答案」的問題；真正需要破窗的那 0.6%，往往正是最貴、最不可逆、牽涉到跨系統影響或倫理邊界的例外。換句話說，主管退出 review 這件事，退出的是「可以被規則化」的那一大塊，不是「需要人對後果負責」的那一小塊。

這個界線劃在哪裡，我用一個簡單的判準：可逆性。一個改動如果錯了，下一輪 PR 就能改回來，這種風險交給 context 加 AI 第一輪 review 去扛，成本可以接受。一個改動如果錯了，要三個月後才會被發現、或者已經影響到用戶的信任與資料，這種風險，我仍然會親自看過一遍，不會只靠 AI 的 flag。主管從審稿人變成方向設定者，不代表對「品質」放手，而是把品質守門的力氣，從均勻灑在所有 PR 上，重新集中到那一小部分真正不可逆的決定上。

主管在 AI 時代的價值

這幾個月我常想一個問題：如果 IC 的產出能被 AI 放大十倍，主管的價值要怎麼衡量？

我的暫時答案是：主管的價值在於「讓 team 的方向是對的」。AI 可以幫 team 跑得很快，但跑錯方向的速度越快，浪費越大。當 IC 的產出成本被壓到零，每個錯方向的成本反而被放大 — 因為你做了十倍的東西全部要丟掉。

主管的工作於是從「審稿人」變成「方向設定者」、從「品質守門員」變成「脈絡建立者」、從「最後一道把關」變成「最早一道思考」。

這個轉變不是每個主管都做得到。我自己也還在學，常常忍不住又跳進 PR 海裡。但我知道一件事：如果你還在用兩年前的方式當主管 — Micro-management、堅持自己也寫、用 review 證明價值 — 那不是 AI 會淘汰你，是你會把自己卡在那個被淘汰的位置上。

結語

我那天跟一個剛升 manager 的朋友吃飯。他說他每天都在 PR 海裡浮沉，覺得自己快被淹死。

我跟他說：把 PR 留給 AI 第一輪 review，你只看 AI flag 的部分。把省下來的時間拿去想清楚 team 接下來三個月要去哪。

他說：「可是不 review 細節我會很沒安全感」。

我懂。我也是這樣走過來的。但 AI 時代的主管，安全感不能再來自「我看得很細」，要來自「我想得很清楚」。

這條轉換的路不容易，但走過去之後，你會發現工作變得有意思多了。

參考來源