自主智能体时代的技术领导力
领导软件团队，一直都是关于管理那些写代码的人。你招工程师、定方向、审产出。能动性始终来自人。
这正在改变。AI 智能体现在独立地写代码、做决策、采取行动。它们不需要许可。它们不需要别人告诉它们如何解决问题——它们自己会想出来。它们不再是工具，而是参与者。
领导那些非人类的参与者，是一种截然不同的技能。
信任问题变得不同
当你雇一位工程师时，你会通过面试、评审和观察到的行为来评估他们的判断力。久而久之，你会建立起一个模型，知道什么时候该信任他们、什么时候该复核他们的工作。这个模型建立在共享的上下文之上——你知道他们如何思考、看重什么、容易在哪里犯错。
你无法对一个 AI 智能体建立这种模型——至少无法用同样的方式。一个 AI 智能体的行为由它的训练数据、提示词和工具决定。它没有一贯的人格，没有价值观，也没有人类所积累的那种履历。
对 AI 智能体的信任必须被设计出来，而不是被摸索出来。
监督悖论
自主智能体制造了一个悖论：它们越自主，就越需要监督。
一个简单的 AI 工作流——给这份文档分类、分派那张工单——很容易监督。你可以抽查产出、衡量准确率、校准阈值。而一个会在数分钟到数小时内探索、规划并执行的自主智能体，则难监督得多，因为可能动作的空间更大，失败模式也更多样。
这意味着，提升自主性需要加大对可观测性、边界和回退机制的投入。智能体在它们的约束之内是自主的。而约束所在之处，正是领导力发生的地方。
领导力发生了什么变化
领导自主智能体会在五个具体方面改变“技术领导者”的含义：
- 从评审者到边界设定者: 你不是去评审智能体产出了什么，而是去定义它运作的空间。约束变得比产出更重要。
- 从指挥者到异常处理者: 你不是去告诉智能体该做什么，而是去处理它无法解决的情况。你的价值在于边缘用例。
- 从质量把控者到信任校准者: 你不是去检查每一个产出，而是去衡量智能体何时可靠、何时不可靠。你决定自主性在哪里是安全的、在哪里需要设限。
- 从事故响应者到系统设计者: 你不是去修复智能体搞坏的东西，而是去设计一个让破坏更难发生的系统。上游的设计比下游的响应更重要。
- 从导师到模型: 你不是去把所知教给人类，而是把你的判断编码进塑造智能体行为的边界和反馈回路里。你的经验变成了基础设施。
你不能委托的事
有三件事，自主智能体永远不应在缺少人类监督的情况下掌控：
- 它们自身权限的扩张: 永远不应允许一个智能体改变它自己的边界。
- 对模糊上下文的解读: 当上下文不清晰时，智能体应当暂停，而不是猜测。
- 关于某件事是否属于例外的决定: 智能体可以识别边缘用例，但该拿它怎么办，应当由人类决定。
这些不是技术约束。它们是关于能动性该落在何处的领导力决策。
真正的问题
问题不在于智能体是否会变得足够自主以取代技术领导者。问题在于技术领导者是否会培养出领导那些独立行动系统的技能——设定既能保护组织、又能给智能体留出发挥空间的边界。
这比领导人类更难。人类对什么合适有直觉。智能体只有你设计的约束。
如果你的某个 AI 智能体开始以你意想不到的方式行动，你的系统能否在它造成真正损害之前察觉到——而你又是否知道该如何应对？