核心摘要
- 14个章节中唯一没有「核心整理」的第14章
- 不是增加知识，而是替换判断
- 质量标准与故障判定流程
- 本周需确认的一件事
AI Times书评专栏《AI领袖的书架》介绍了7月底出版的《初级AI工程师必知的实务知识》（金泰宪 著，韩彼特出版社）。该书共由5个部分、14个章节构成。专栏从目录中首先读出的，与其说是“该学什么”，不如说是“该抛弃什么”；作者在新人工程师的实务知识中，强调的是“清除已经根深蒂固的错误判断的方法”。
专栏引用的章节标题均为否定句式。第3章为《数据流水线不是简单的ETL》，第6章为《生成式AI不是API，而是概率引擎》，第12章为《不靠直觉、靠测量：评估驱动开发》。第1章是《确定性系统 vs. 概率性系统》，第2章是《为什么性能指标正常但服务却出故障？》。结构上也有一处例外：14个章节中有13个章节以「核心整理」一节结尾，但题为《AI工程师应该以何种不同方式判断？》的第14章却没有这一节。专栏解读认为，这是因为怀疑与判断的过程无法被简单地总结概括。
韩国企业AX启示
若将这份目录转换成人才视角来看，它更像一份检查清单，而非教育计划书。若要设计企业内部AI培训，比起单纯思考“还要多教些什么”，更应该同时思考“该剔除哪些前提假设”。如果在保留以确定性软件为前提所建立的质量标准、故障判定、发布审批流程的情况下，仅仅加上生成式AI功能，那么第2章提出的问题——“性能指标正常，但服务却出故障”——就会原样变成运营现场的真实问题。第12章的标题“不靠直觉、靠测量”，在这一点上可解读为要求重新建立评估标准。
专栏建议，与其从第一章开始逐字精读此书，不如先在目录中寻找自己目前所负责服务中曾经历过的试错或错误判断的痕迹。若换算到组织层面，本周可以做的事只有一件：挑选一起最近AI功能中发生的故障或质量问题，确认它究竟是被指标捕捉到的，还是先由用户投诉才被发现的。如果是后者，那就已经说明了该从哪里开始重新建立测量标准。
如果觉得有用,欢迎分享。