AI 时代的能力溢价:Taste、Agency 与研发价值链重构
当模型能力逐渐变成公共基础设施,工具本身不再构成持续优势。真正拉开差距的,是在大量可行方案中判断哪一个值得做,以及在没有现成答案时主动定义问题、组织资源并把事情推进到底。
核心结论:AI 提升的是执行效率,放大的是判断与行动的价值。Taste 决定“选什么”,Agency 决定“怎么把选择变成结果”;两者共同决定 AI 应用的上限。
两种稀缺能力
Taste:在过剩内容中做判断
Taste 是在AI生成的海量内容中筛选高价值信息的能力。它依赖领域知识、审美标准和对“好”的具体判断,而不是抽象偏好。
- 识别高质量模式与方案,而不被表面差异干扰。
- 基于领域知识建立审美与判断标准。
- 从多个可行选项中选出最值得投入的方向。
- 把普通方案优化为可交付的卓越方案。
当 AI 能快速生成十版方案时,真正的分水岭不是“能不能生成”,而是“能不能看出第七版为什么更好”。
Agency:定义问题并编排资源
Agency 是主动定义问题、分解任务、整合资源并对结果负责的能力。它把 AI 从答案生成器转变为问题解决伙伴。
- 主动定义问题,而不是等待任务分配。
- 把复杂问题拆解为可执行步骤。
- 整合工具、团队与技术栈形成解决方案。
- 承担决策责任,并根据反馈持续迭代。
具备 Agency 的人会让 AI 收集竞品信息、生成候选方案,但自己判断市场机会、设定约束并做最终决策。
价值链中的能力分布
软件研发的价值贡献与风险水平并不均匀。Taste 与 Agency 主要作用于两端的高价值环节。
| 研发阶段 | 价值贡献 | 风险水平 | 能力需求 |
|---|---|---|---|
| 需求分析 | 85 | 70 | Agency 定义问题;Taste 判断价值 |
| 架构设计 | 75 | 65 | Agency 编排资源;Taste 选择方案 |
| 详细设计 | 60 | 50 | Taste 优化细节 |
| 编码实现 | 40 | 55 | AI 自动化为主 |
| 单元测试 | 35 | 60 | AI 辅助执行 |
| 集成测试 | 45 | 65 | Agency 设计用例;Taste 评估质量 |
| 部署上线 | 65 | 75 | Agency 决策时机 |
| 运营维护 | 80 | 40 | Agency 优化流程;Taste 提升体验 |
数据视图:价值与风险的镜像
左端的需求与架构决定方向,右端的部署与运营兑现价值;中部的编码与测试相对标准化,是自动化收益最大的区域。Taste 与 Agency 的影响主要集中在价值贡献超过 65% 的两端。
这套结构与 软件研发价值链的价值—风险镜像分析 使用同一组阶段,可以对照阅读。
AI 时代的能力重估
AI 并没有平均提升所有环节的价值,而是进一步拉开两端与中部的差距。
| 研发阶段 | 传统价值 | AI 时代价值 | 变化 | 能力需求 |
|---|---|---|---|---|
| 需求分析 | 85 | 90 | +5 | Agency 与 Taste 增强 |
| 架构设计 | 75 | 85 | +10 | Taste 更关键 |
| 详细设计 | 60 | 70 | +10 | Taste 优化 AI 输出 |
| 编码实现 | 40 | 25 | -15 | AI 自动化为主 |
| 单元测试 | 35 | 20 | -15 | AI 自动化为主 |
| 集成测试 | 45 | 30 | -15 | Agency 与 Taste |
| 部署上线 | 65 | 75 | +10 | Agency 决策关键 |
| 运营维护 | 80 | 90 | +10 | Agency 与 Taste |
数据视图:AI 对价值曲线的重塑
两端的价值被 AI 放大,中部的执行价值被压缩。结果不是“人变得不重要”,而是人的价值进一步向判断、定义与决策集中。
具备 Agency 的人机工作流
一个可行的工作流不是“把任务全部交给 AI”,而是在关键节点保持人类主导,在标准化环节让 AI 承担主要工作量。
| 工作阶段 | 人类参与度 | AI 参与度 | 价值贡献 | 能力体现 |
|---|---|---|---|---|
| 主动定义问题与目标 | 90 | 10 | 95 | Agency 核心 |
| AI 辅助分析与信息收集 | 60 | 40 | 75 | Agency 引导 |
| 基于 Taste 的洞察判断 | 95 | 5 | 90 | Taste 核心 |
| AI 生成多种解决方案 | 40 | 60 | 70 | Agency 定义方向 |
| 基于 Taste 的方案筛选 | 90 | 10 | 85 | Taste 筛选优化 |
| Agency 决策与资源编排 | 85 | 15 | 95 | Agency 决策执行 |
数据视图:人机参与度与价值贡献
人类主导阶段的参与度通常在 85% 以上,价值贡献在 85–95% 之间;人机协作阶段的人类参与度约为 40–60%,价值贡献约为 70–75%。工作流的关键不是最大化 AI 参与,而是在正确的节点保留人类判断。
能力培养
Taste
- 广泛接触领域内的高质量内容,建立可比较的审美基线。
- 分析成功案例背后的设计原则,而不只复述结果。
- 主动寻求反馈,用真实决策结果校准判断。
Agency
- 从被动执行转向主动定义问题,先写清楚“为什么做”。
- 练习把复杂问题拆成可验证、可交付的步骤。
- 在不确定环境中做小步决策,并承担结果、持续迭代。
结论
AI 让执行变得便宜,也让判断变得昂贵。Taste 决定选择的质量,Agency 决定选择能否落地;两者共同构成 AI 时代的能力溢价。
文中的价值与参与度数据用于解释结构,不代表行业统计;实际应用需要结合组织阶段与岗位职责校准。