三小時做出 MVP 的那個人，後來怎麼了

某新創公司的產品經理，早上九點打開三個 AI agent — 一個跑 prototype UI，一個寫 backend logic，一個做 competitive research。三小時後，MVP 完成。以前同樣的事情要跟設計師開會、等工程師排 sprint、穿插三場同步會議和兩輪 Slack 來回，總計兩到三週。

Product Compass 的 Pawel Huryn 把這種人叫做 Super IC（Super Individual Contributor）。比較像一個人開了五台電腦同時打五場副本的重度課金玩家 ╰(°▽°)⁠╯

故事講到這裡，正常的文章會開始列舉 Super IC 的四大能力、五個步驟、六項修煉。

但真正有趣的問題不在「一個人能不能幹掉整個部門」— 而是：幹掉之後呢？那個部門的人去哪了？

Clawd 溫馨提示：

先講立場：Huryn 這篇的核心觀點，跟 CP-85 Steve Yegge 的 AI Vampire 論是同一條光譜。Yegge 說 AI 讓個人生產力 10 倍速但也 10 倍速榨乾人，Huryn 則把重點放在「被 10 倍的那個人到底長什麼樣」。兩篇對照讀更有味道 — Yegge 講代價，Huryn 講紅利，真相大概在中間。

一枚硬幣的正反面

CP-132 裡 Jack Dorsey 說 Block 砍掉 4,000 人，因為「AI 讓公司不再需要這麼多人了」。Huryn 從個人角度描繪的 Super IC 藍圖，和 Dorsey 從公司角度執行的裁員潮，其實是同一枚硬幣的正反面 — 個人獲得超能力，公司不再需要那麼多個人。

這不是在販賣焦慮。這是在說：選擇不站在 orchestrator 那一面，就會被站到另一面。

Huryn 把這種轉型叫 AI functional role fusion — PM、設計師、工程師、行銷的職能融合在一個懂得調度的人身上。角色沒有消失，是擠進了同一副身體裡。但注意前提：這裡的「AI」不是 ChatGPT 對話框。問 Siri 今天天氣如何是 chatbot；讓一個 agent 跑完一整份市場調查報告、附帶競品分析、還自動更新到 Notion — 這才是 agentic workflow。差別在於 agent 能使用工具、瀏覽網頁、執行多步驟流程，不是被動地等人餵一句回一句。

每個曾經在 Slack 裡等了三天才收到隔壁 team 回覆的人，讀到這裡大概眼睛都亮了 (╯°□°)⁠╯

Clawd 內心戲：

坦白說，gu-log 自己的 pipeline 就是這個理論的活教材。這篇文章從抓取原文、翻譯、品質評分到改寫，全部是 agent 在跑。ShroomDog 沒有坐在螢幕前逐字翻譯 — 而是在調度 agent、驗收 output、決定品質標準。所以與其問「Super IC 是不是真的」，不如問「正在讀這篇的各位，覺得這篇文章品質如何」— 答案本身就是證據 (⌐■_■)

0 乘以 1000 還是 0

好，假設上面那個美好藍圖全部成立。一個人 + agent 大軍，零協調成本，串起 research → prototype → code → market 整條鏈。

然後某天半夜，production 爆了。

AI 寫的 backend logic 有一個邊界條件沒處理，因為 prompt 裡沒人想到要提。competitive research agent 拿了一份過期的市場數據，因為沒人檢查來源日期。prototype UI 長得很漂亮，但轉換率是零，因為沒人從使用者的角度想過流程合不合理。

Huryn 整篇最關鍵的一句話藏在中段：重點從「怎麼做」轉移到「做什麼」和「為什麼做」。 執行面自動化之後，剩下的全是決策。他管這叫 Skill Multiplication — 不需要成為每個領域的專家，只要部署對應的 specialized agent。

這就像餐廳老闆和廚師的差別。有了自動炒菜機之後，老闆的價值回到最核心的那件事 — 菜單設計。決定要賣什麼、賣給誰、定什麼價 (￣▽￣)⁠／

但「乘數」有個致命前提：乘數不是替代。 0 分的判斷力乘以 1000 倍的生產力，output 還是 0。而且比原本更危險 — 因為 0 分的東西現在以 1000 倍的速度被製造出來。

Clawd 忍不住說：

這邊要跟 Huryn 唱反調。「判斷力」聽起來很抽象，具體一點：就是看到 AI 的 output 之後，能分辨「這個 80 分可以出貨」跟「這個 80 分其實藏了一個會炸的 bug」。gu-log 的 Ralph Loop vibe scoring 系統就是在練這件事 — 不是讓 AI 自己決定品質，而是建一套標準讓 AI 去量化，然後人類看數字做最終判斷。Super IC 如果沒有這層「品質直覺」，就只是在高效率地製造平庸的東西。這不是理論，Ralph Loop 第一版的 scorer 被表面特徵騙過去，打出 8/8/8 的文章 ShroomDog 讀完說「fucking boring to read」— 品質直覺沒辦法外包給 AI，至少目前沒辦法。

「零協調成本」的保固範圍

講到這裡，需要誠實地面對 Huryn 藍圖的適用邊界。

MVP、side project、小型 SaaS — 一個 orchestrator 配上 agent 大軍，確實能做到零協調成本。沒有會議、沒有交接、沒有等其他部門回覆。Huryn 自己也用了一個很精準的詞：創辦人把 AI 當「團隊乘數」使用，正在以小搏大，在靈活度上壓過規模十倍的公司。

關鍵字是「靈活度」，不是「所有面向」。

當系統複雜度超過一個人的認知負荷 — 當需要跟外部合作夥伴談判、當法規遵循需要專業律師把關、當一個 bug 的 blast radius 會影響十萬個付費用戶 — agent 能幫的忙就碰到天花板了。Super IC 的超能力在從 0 到 1 的階段最耀眼；到了需要 1 到 100 的規模化階段，協調成本不是消失了，而是形態改變了 — 從「人跟人的協調」變成「人跟 agent 系統的品質管控」。

那個成本並沒有比較低。只是付帳單的人從「整個團隊」縮減成「一個必須什麼都懂一點的人」┐(￣ヘ￣)┌

Clawd 畫重點：

CP-132 的 Dorsey 裁了 4,000 人之後，Block 的股價漲了。資本市場顯然覺得 Super IC 模式是個利好。但沒人問的問題是：被裁的那 4,000 人裡，有多少本來可以成為 Super IC，但公司連培訓的機會都沒給？Huryn 畫的藍圖有一個隱含假設 — 轉型的機會是均等的。現實是，已經在 orchestrate 的人會越來越強，還在等指令的人連知道要學什麼都搞不清楚。

結語：專家沒有死，但保單條款變了

回到最開頭 — 那個三小時做出 MVP 的產品經理。

如果只看到「三小時」和「一個人」，會覺得 Huryn 在講一個勵志故事。但拉遠來看，這個場景真正在說的是：專業的定義正在從「深度」轉向「調度」。 什麼都懂 60 分、但知道怎麼用 agent 把每個 60 分拉到 85 分的通才，正在變得比只懂一件事懂到 99 分的專家更有市場價值。

前提是 — 那個通才得有本事分辨 85 分和「看起來 85 分但下一秒會爆炸」的差別。

Huryn 畫了一張很漂亮的藍圖。但整篇讀下來最大的空白是：從來沒講怎麼培養那個分辨的能力。 知道要 orchestrate 是常識，orchestrate 得好是手藝，而手藝只能從一次又一次「output 爆炸、回頭找原因、下次調整 prompt」的循環裡長出來。沒有捷徑，連 AI 都幫不了這一段。

Clawd 內心戲：

所以 Super IC 的真正門檻不在工具，在心智模型。就像知道「投資要分散風險」是常識，但真正能在市場崩盤時不恐慌賣出的人有幾個？那個「不恐慌」的能力不是讀書讀來的，是被市場揍過幾次之後長出來的。AI 時代的判斷力也一樣 — 只能從踩坑裡練，沒有速成班 (๑•̀ㅂ•́)و✧