切坦·亚瓦萨尼在数据、人工智能与生命科学的交叉领域构建并扩展产品组合，致力于交付价值和改善患者预后。
今年2月下旬，我撰文探讨了《冰淇淋上的培根》，指出AI失败本质是领导层的捷径而非技术问题。今年3月，我从观察者转变为实践者，全力开发一个自主代理工作流程——在该领域，"幻觉"将引发监管灾难。
构建Vigilent.ai（一个用于处理高度监管药物警戒领域不良事件案例的原型AI应用）让我领悟到一个矛盾规律：AI赋予的构建速度越快，就越需要产品纪律来主动降速。
当前流行观点认为AI能让每个人成为"10倍效能工程师"。我的体验却截然不同。AI压缩了从意图到可用原型的距离，但并未消除判断力的必要性。构建Vigilent.ai的"更好的我"并非更优秀的编码者，而是意识到当您能在周末交付多步骤流水线时，最大风险并非语法错误——而是概念模糊错误。
"批准"陷阱：语义重于语法
传统开发中，我们执着于语法：代码是否运行？在"氛围编程"时代，AI让语法变得简单。几小时内，我就拥有了带绿色"批准"按钮的完善界面。
对普通观察者而言，产品看似完成。但在受监管工作流中，"批准"是法律雷区。它意味着AI确信无误？还是医疗专业人员已签字确认？AI默认采用营销话术，因"批准"是人类想看到的词汇。
我必须引导其转向审计术语。我们将状态机拆解为两个独立概念：策略核验（满足技术要求）与人工确认（医疗专业人员签字）。氛围编程创造了看似完整的"顺利路径"，而您的职责是成为逆向架构师，追问："若审计人员询问谁对该数值负责，界面提供的是人名还是仅一个绿色对勾？"
Token、工程与资源迷思
英伟达CEO黄仁勋近期指出："若这位50万美元的工程师未消耗至少25万美元的token，我会深感忧虑。"我认为其核心观点是顶尖人才应利用AI获得"超人能力"。
工程师能创造的价值似乎变得无限。但最近我在Cursor中遭遇令人警醒的弹窗："您已超出token限额"。这强烈提醒我们资源永远有限——无论是人类故事点还是大语言模型上下文窗口。AI并未消除权衡取舍的必要性，只是改变了衡量单位。若不严格筛选让AI解决的问题，您并非高效而是单纯消耗额度。
超越聊天框：构建确定性流程
允许用户直接"对话"案例文件颇具诱惑力。但在高风险领域，开放式聊天框实为隐患。聊天适用于探索；工作流则用于决策。我转而利用AI速度构建边界明确的检查点。系统不再询问"您怎么看？"，而是作为协调者呈现具体关卡，例如："模型发现可疑药物与制造商词典不匹配，请选择正确术语。"
这种转变实现了可追溯性（离散数据点而非对话记录）与可审计性（清晰记录AI提案与人类决策的差异）。
二次处理现实
在完美演示中，一切按直线推进。现实世界的工作流却是非线性的。这正是氛围编程的瓶颈："二次处理"现实。若审核者修改AI生成的报告后，因新文档到达而重新运行提取流程，多数AI系统会直接覆盖人工成果——信任瞬间崩塌。
我们通过状态感知持久化解决此问题，定义AI禁止触碰的"不变量"。我领悟到最关键的文档并非代码，而是需求文档：它定义二次处理逻辑——哪些步骤需重跑、哪些仅是界面重放，以及审计日志如何区分机器基线与人工修正。
结论：犯错的代价
行业领袖正辩论"产品工程师"（技术人才承担产品职责的复合角色）的崛起。但我的实践表明逆向路径同样强大。
当具备深厚领域知识的产品负责人利用AI绕过传统工程瓶颈时，他们不仅构建更快，更以纯自动化无法复制的意图性进行构建。这种转变引发尖锐问题：哪个角色更难被"审计"？
虽然AI能完成多数常规技术实施，却缺乏预见静默安全漏洞或罕见边缘案例的远见。当"氛围"失效时，您需要专家工程师救援。然而产品领导力始终是高风险判断的实践：一行错误代码产生漏洞；错误的产品方向将演变为系统性失败。
在AI时代，房间内最具影响力的人不仅是能编写代码者，更是确切知晓构建目标且有纪律捍卫结果的人。若AI能助您构建基线，它并未取代工程师——只是消除了愿景与可用原型间的中间环节。"更好的自己"并非AI，而是运用AI导向可辩护、可信任结果的领导者。
【全文结束】
