機器中的幽靈：為什麼 AI 能寫程式碼，卻在記錄「制度債務」時徹底失敗

最近，我的 LinkedIn 動態滿滿都是宣稱 AI 正在取代技術寫作者的貼文。邏輯是：「既然 ChatGPT 可以寫程式，它當然也能輕鬆寫出 README 檔案。」

身為真正接觸程式碼庫的人，我的答案很簡單：不，它做不到。人們忽略了文件記錄真正的意義。AI 可以理解語法，卻完全無法處理「制度債務」。

「Jugaad」的現實

老實說，在真實世界中，軟體架構很少是完美的。在緊迫的期限下，開發人員不會寫乾淨的程式碼。他們部署快速修補程式和臨時應急措施——也就是我們所說的 jugaad——只為了讓伺服器能在週五晚上繼續運作。

他們總是說：「我下週再來記錄。」但下週永遠不會到來。

這些隱藏在開發人員腦中的、未寫下的知識就是「制度債務」（或稱部落知識）。而這正是 AI 碰壁之處。

AI 知道「是什麼」，卻不知道「為什麼」

如果你把混亂的程式碼庫餵給 AI，它會很樂意告訴你程式碼「做了什麼」。它能完美描述函式和變數。
但 AI 永遠無法告訴你，為什麼三年前要建立那個特定的應急措施。

它不知道每週日都會讓 API 當機的奇怪遺留伺服器錯誤。
它不知道過去架構失敗的歷史，這些失敗迫使團隊使用那個修補程式。
如果你盲目相信 AI 僅根據語法來最佳化或重寫程式碼，它將會破壞系統。AI 缺乏理解混亂存在原因的人類脈絡。

寫作者是「軟體偵探」

技術寫作不只是格式化 Markdown 檔案或精通英文。

優秀的技術寫作者是一名偵探。我們真正的工作是與疲憊的資深工程師通話，提出正確的問題，並在他們離職前挖掘出那些部落知識。

當資深開發人員離開時，他們帶走了公司未記錄的大腦的一部分。AI 無法阻止這種知識流失。人類寫作者可以。

結論

AI 為機器寫作。人類則為其他人記錄決策。

所以，下次當科技領導者考慮用 AI 按鍵取代寫作者以節省預算時，他們應該問問自己：當生產環境因為未記錄的遺留錯誤而當機時，你的 AI 準備好承擔責任了嗎？

大概沒有。