26年04月总结｜直觉未明，校准判断

本月速览

一些感悟

最早接触“专家判断”一词是在备考软考高项，核心解释是：

专家判断（Expert Judgment）是指基于历史经验、专业知识或特定应用领域的技能，对当前项目活动的输入、决策或评估提供权威性指导和意见的过程。当项目团队缺乏某项特定知识，或者面对复杂的、无法仅通过定量数据解决的问题时，就会引入专家判断。

注意：这里“专家”往往是一种“状态”和“语境”，而非一个固定的“头衔”或“职级”，跟 P8 等职级没有强关联。

以前我觉得“专家判断”太飘渺，直到本月全栈开发做产品多版本表结构设计时，AI 给我的方案很完美，但是我总感觉不对劲，于是去寻求相关后端同学讨论。讨论出最终方案后，突然想到这不就是专家判断嘛。

为什么 AI 时代下，AI 能够又快又好地给出近乎“完美”的解决方案，我反而去使用“专家判断”工具呢？思考良久，我的想法是 AI 的局限 与 专家的直觉 的鸿沟：

第一、知识因素。AI 擅长“局部最优”，考虑到的最大范围也仅限于当前项目；专家则能够通过我们共同的专业背景、项目信息、对这个业务的理解，最终结合他的经验给出考虑到全局甚至更长远的解决方案。

第二、信任因素。AI 可以快速针对当前场景给出“正确答案”，但是它不承担责任，最多在你纠正时 say sorry；而人类在给出方案之前会考虑自身信誉因素，说白了会为自己的方案的可靠性做背书。即使明确告诉专家不会因此担责，仍会给出慎重决策，甚至在自身难以给出抉择的情况下，帮你引荐其他资源。

那么，我们该在什么情况下选择专家判断呢？我认为需要考虑 失败成本 和 掌控能力 两个维度：

失败成本：即失败对整个方案的影响，比如底层架构方案、数据库选型此类的基础方案，一旦选错直接影响最终结果，且变更成本很高的可以寻求专家判断；如果是一个纯函数、一个无关痛痒的模块等，对最终结果影响不大或者很容易变更的，自己决定即可。
掌控能力：项目受成本、进度和质量铁三角限制，假如自行选择的方案一旦失败，你是否有能力挽救？如果不能，就去咨询相关专家。另外，一定一定要相信自己的直觉，这是跟随了你几十年的系统，比任何 AI、单一专家都要可靠。掌控能力才是最终决定，也是成长的过程。

总结一个简单的公式：

IF
  (失败成本 == 高)
  OR (个人掌控力 < 潜在风险)
THEN
  启动【专家判断】

与专家理想的协作方式是将 AI 作为元工具（meta tool），当 AI 给出自认为足够的方案后，再找专家去抉择。即 AI 给出所有可能的“砖块”，而专家判断决定了“地基”打在哪里。

整个过程是非常好的“人机协作模型”。我们通过复盘 AI 与专家之间的权衡，思考专家提到的具体的“坑”，或者哪些方案是自己没有意识到的，六经注我地充实自己，提高自身实践能力。

学习成长

截至4月底，累计单词数为 7784，本月 +118 个。 4月工作压力比较大，认知负载比较高，一般都是睡前才有空背单词，效果不太好。

身体健康

4月底是有氧适能37.2，相比上月34.2增长了不少。

身体相比于上个月状态好了不少，开始跑步、午饭后散步、冥想，月底还打了2场羽毛球，精力也恢复了一些。

财务理财

4月收益率 7.26%，花真的要开了。

主要以定投为主，没时间研究，最近沉迷于全栈开发转型无法自拔。