执行已经很快了，信任还是老速度

有一段 Agent 帮我写的代码，大概花了一个小时就写完了。到现在半个月过去，还没有合进去。构建产物过期了好几轮，评审要两个人签字，对方也用了 AI 来看。流程一步没少，东西就是卡在那里。

这大概就是在别人的地盘上做事的常态。已经得到信任的人，改动很容易过；还不熟的人，同样的东西要多等几轮。我并不觉得这是故意为难谁。人判断另一个人靠不靠谱，本来就要靠观察，样本不够时谨慎一点，正常得很。只是执行已经快到以小时计了，信任还是按老样子慢慢攒。

我越来越觉得，AI 时代最缺的，可能既不是算力，也不是更强的模型。模型可以订阅，算力可以采购，黄金也可以囤起来。信任和信心只能一点点攒，而且没人能替你攒。

两种时钟

一个团队里同时走着两种时钟。一种是执行的时钟，过去以周计，现在以小时计，Agent 甚至可以在你睡觉的时候继续跑。另一种是信任的时钟，它跟着人走，需要见面、共事、出过事、看对方怎么处理，基本还是以月和年计。

过去这两种时钟的差距没那么明显。一个人写代码要一周，评审花几天，大家不觉得评审是瓶颈。现在代码一小时就写完了，评审还要半个月，等待就变成了整件事里最长的部分。很多管理者纳闷工具都给了，效率怎么没翻倍，答案常常就在这段等待里。

执行变快以后，工作产出变多了，可值得信任的证据并没有按同样的比例变多。一百个 PR 证明不了一个人在压力下会不会隐瞒问题，只有某次线上事故才能。更麻烦的是，人们对等待的容忍度也变低了。以前评审等几天，大家觉得理所当然；现在 Agent 一小时就写完，再等半个月就显得格外刺眼。于是有人开始跳过评审，有人干脆把评审也交给另一个 Agent。这些做法有时候确实能省时间，可它们省掉的恰好是团队里攒信任的那个环节，等到哪天出了问题，大家才发现彼此其实并不了解。

对自己的信任

信任的第一层，其实是对自己的。年轻时我很依赖外部评价来确认自己行不行：代码被夸了就高兴，评审被挑了毛病就怀疑自己。到了一定年纪，这种波动慢慢变小了。我大概知道自己擅长什么，也知道哪些事情做不好，不太需要每次都向别人证明。

AI 来了以后，这份自洽又被晃了一下。模型随时可以写出一段比你更漂亮的代码，给出一份比你更周全的方案，很多人在这样的对比里开始怀疑自己的价值。我也有过这样的时刻，看着模型几分钟做完我原来要做一天的事，心里会空一下。

后来我慢慢想通了：对自己的信任，决定的是你敢不敢做判断、敢不敢承担后果。模型可以给十个方案，选哪一个、出了问题谁负责，还是落在人身上。一个对自己没有把握的人，既不敢放手让 AI 去做，也不敢在 AI 做错时站出来，最后只能把每一行输出都重新看一遍，执行再快也被自己拖慢了。

反过来，对自己有把握的人用 AI 时会松弛很多。他更愿意先把环境设好，让模型大胆去做，很少拿着棍子一步步盯。模型给出一个奇怪的答案时，他也能比较快地判断是模型错了，还是自己原来想得不够。这种判断力不来自模型，来自过去很多年做对过、也做错过的经历。年纪攒下的这点自洽，到这里成了实打实的生产力。

对人的信任

第二层是人和人之间的信任，这一层最顽固。上级信任下级，靠的是一次次「说了能做到就真做到了」；下级信任上级，靠的是看他顺利时怎么分功劳，出事时有没有把人推出去。同事之间也一样，你知道某个人说「应该没问题」时，大概意味着几成把握，这种了解只能在共事中得到。

AI 让每个人的产出都变多了，却没有让这种了解变快。一个新人可以用 Agent 在第一个月交出过去半年的代码量，可他的上级依然不知道他遇到搞不定的问题时会不会及时说出来。产出是可以被生成的，品性却需要时间去观察。我们看到的数据越多，反而越需要分辨哪些是真本事，哪些只是工具的功劳。

还有个变化容易被忽略：过去我们通过看一个人的产出来了解他的能力，现在产出里混进了大量机器的贡献，这个信号变得不那么可靠了。于是人们会更多地依赖别的东西，比如他在会上怎么讲问题，出了错怎么复盘，愿不愿意说「这个我不确定」。这些信号都慢，但它们很难伪造。

上下级之间的信任还会传导。一个管理者信任他的下属，才敢在上级面前替下属的方案担保；上级信任这个管理者，才会给这个团队更大的空间。这条链上任何一环的信任不够，AI 带来的速度都会在这一环停下来，变成一份又一份需要补充说明的材料。执行可以并行，信任却只能沿着这条链一级一级往下走。

我自己的体会是，想让信任快一点，能做的事情不多，但有几件确实有用。说清楚自己没把握的地方，比把把握说满更容易被信任。出了问题第一时间讲出来，比事后补救更能攒下信用。至于让别人相信你，没有捷径，只能让对方多看到几次你在关键时刻的样子。

对 AI 的信任

第三层是人和 AI 之间的信任。很多人会把它简化成一个开关：你敢不敢开 YOLO。我自己的选择很简单，几乎总是开。一步步点确认看起来更安全，其实人和模型都会被拖垮：它每做一步都要停下来等，我每看一眼都要打断自己的思路，最后谁也跑不快。

我把力气花在另一件事上：先把机制搭好，让它即使犯错，也很难造成付不起的代价。环境可以扔掉就扔掉，密钥不要放进去，改动能回滚就回滚，重要的结果事后能核对。机制到位了，我才敢一直信任它往前跑。信任 AI，对我来说首先是把「它搞砸了也没关系」这件事先做实。壮着胆子碰运气，那种信任撑不久。

这和人对人的信任，走的是两条路。对人，我们靠长期观察一个人的选择，慢，但能延伸到你看不到的地方。对 AI，观察帮不上太大忙，它没有性格可以慢慢了解，只能靠你事先设计好的边界。边界清楚了，YOLO 对我来说就是正常的工作方式，谈不上什么冒险。

比黄金和模型更稀缺的

回头看，这三层是连着的。对自己有信心，才敢把事情交出去；能信任身边的人，团队才能接住 AI 带来的速度；对 AI，机制到位了，才敢一直放手。任何一层没有建立起来，执行再快，整件事也会卡在某个等待的环节上。

模型还会继续变强，Token 还会继续变便宜，执行的时钟会越走越快。信任的时钟大概不会跟着变快，它和人怎么认识彼此、怎么认识自己有关，这件事几千年来都差不多。我们能做的，是承认这两种速度的差距，别指望用更强的工具去抹平它。

所以眼下我更愿意把精力花在攒信任上：对自己多一点耐心，对同事多一点真实的共事，对 AI 多花一点时间把机制做实。模型和黄金都能买到。决定一个人、一个团队能走多快的，是你敢把下一步交给谁，以及别人敢不敢把下一步交给你。