統治所有軟體公司的50年定律已破，取而代之的是什麼？

(SeaPRwire) –   1975年，軟體工程師佛瑞德．布魯克斯（Fred Brooks）出版了一本管理書籍，闡述科技公司擴張時所面臨的內在困難。他將此書命名為《人月神話》（The Mythical Man-Month），書名本身就點出了一個簡單卻深刻的洞見：增加人力並不等於加快產出速度。

簡單來說，擴充軟體團隊的產出，與提升工廠作業員的產量截然不同。增加十名作業員，就能多生產十個零件。但投入十倍的資金、雇用十倍的程式設計師，卻無法產出十倍的程式碼行數。

布魯克斯是從自身經驗中領悟到這點。在參與IBM 360大型主機作業系統專案期間，他親眼目睹軟體組織因自身複雜性而崩解。每新增一名員工，溝通成本便呈指數級上升。新人需要培訓，而適應期意味著他們初期產出緩慢。現有員工也必須暫停手邊工作來指導新人——這種雙重打擊會隨著每次新聘而加劇。

五十年來，無人能突破此困境。2021年資金充裕的66家獨角獸企業（估值逾10億美元的初創公司）中，有30家此後未再募資，另有11家募資時估值更低。儘管其他因素 undoubtedly 也發揮作用，但這仍是另一項數據，說明僅靠雇用更多工程師無法買到生產力。

然而，2022年情勢發生了轉變。

為何AI廢除布魯克斯法則

自2023年起，一套新的法則開始主導資本部署方式，這些法則幾乎使《人月神話》* 變得無關緊要。只要觀察企業如何將資本投入AI模型並迅速獲得研究與模型能力的回報，便可清楚看出這點。AI模型公司已成功以較小團隊部署更多資本，並因此實現超常的營收成長。事實上，我們的內部數據顯示，大型AI公司的每位全職員工營收運行率，幾乎是非AI軟體與科技公司的三倍。

其背後原因比工具或工作流程效率更為深層。現代AI方法已演化為依賴大量運算資源，而非複雜的工程設計，這意味著過去由複雜性引發的協調問題 largely 消失了。里奇．薩頓（Rich Sutton）在其2019年著名的〈 bitter lesson 〉論文中精準捕捉此觀點，主張運用強大電腦的簡單演算法，始終勝過基於「領域特定」人類知識的 clever 演算法。薩頓撰寫該文時，尚無ChatGPT，也沒有耗資數億美元訓練高階模型。此後前沿AI的崛起，以比任何人預期更戲劇性的方式驗證了他的論點。

布魯克斯長期觀察適用於傳統軟體開發。但開發AI實則大相逕庭。AI模型不再需要橫跨多個子系統、需高度協調的大型團隊，而是由小型團隊開發，其產出品質取決於投入的資料與運算資源。其結果是布魯克斯幾乎無法想像的局面：資本終於得以快速部署，投資與產出之間的關係變得更為直接。換言之，現在你確實可以透過投入資金來提升軟體工程產出——前提是你正在開發最終能取代傳統軟體工作的AI模型。

新數據呈現的樣貌

此趨勢正於私募市場上演：企業以史上最小團隊募集創紀錄資金，並享受史無前例的成長。OpenAI、Anthropic與Cursor均在不到兩年內，營收從數百萬美元飆升至數十億美元。

贏家所需條件也隨之改變。長期以來，《人月神話》* 的解方在於更卓越的領導力與更強韌的組織文化。管理更佳的團隊能以相同資本更快、更高效執行，擊敗競爭對手。但近期AI將瓶頸從人力轉移至運算力，如今管理大規模頂尖團隊的重要性已不如以往。

布魯克斯的約束始終在供給端：你根本無法快速建立足夠多的優秀軟體公司來滿足市場需求。同樣邏輯也適用於創投：資金充裕，但能吸收資金的頂尖公司卻不足。此模式在各個週期皆可觀察到，回報集中於少數 outlier，而無論募資多寡，任何時代存在的 outlier 數量始終不變。但 outlier 稀缺與否，從來不關乎創意或資本，而是布魯克斯所見：你無法按需擴張公司。一旦改變這點，稀缺性也將改變。

《人月神話》之後的世界
此轉變的影響將極為深遠。回報將流向能快速且高效部署資本者，而不僅限於最具消費者洞察力、衝勁或領導才華之人。對客戶與投資者而言，這可能代表更多機會建立定義時代的企業，且無需面臨擴張的根本限制。

軟體產業及其觸及的一切領域之變革速度，只會持續加快。而軟體所能觸及的範圍也將擴大。在AI出現前，工程進展受限於投入更多程式設計師所帶來的遞減回報。如今有了AI，世界已找到繞過此限制的方法。

布魯克斯指出了軟體產業耗費逾五十年試圖擺脫的陷阱。《人月神話》曾被視為無法克服。但在AI時代，它或許僅關乎足夠的運算預算，以及一支懂得何時、如何使用它的小型團隊。

.com評論文章所表達之觀點，純屬作者個人意見，不一定反映之立場。