Day 30：AI 加快了實作，經驗決定怎麼交付

寫到今天，感受最深的一件事，就是 AI 產生 code 或 YAML 的速度真的非常快。

尤其像 Kubernetes 這類有完整技術文件的服務，只要把需求描述清楚，搭配官方文件、服務的技術文件，通常很快就能產出第一版設定，無論是做 PoC，或是整理準備交付的內容，都比以前快了很多。

但當產出變得容易，我們更需要花時間思考：這個方案，適合目前客戶的環境嗎？

AI 可以提供功能完整、架構漂亮的建議，best practice 也能給我們很好的參考，可是真正做決定時，還是要回到現實：

• 客戶目前的環境、資源、公司內部流程與政策，要採取哪些工具方案才能有高度的可維護性以及清楚的叢集管理手段？
• 交接給負責操作與維護的人，能不能夠有效理解並在後續實際操作時是不太會出錯的？
• 加入不同的設計、服務，能帶來多少幫助，又會增加多少維護成本？

有些功能看起來很好，但目前可能用不到；有些設計比較單純，卻剛好符合需求，也方便後續維護，這些取捨，需要靠我們對環境的理解，以及過去累積的經驗來判斷。

AI 幫我們加快實作，而我們則要知道為什麼採用這個做法，以及交付之後會怎麼運作，
雖然我接觸的 K8s 經驗還不多，但我會認為在整個叢集規劃上，還是非常非常依賴人類的經驗，
而人類的經驗則會影響 AI 規劃、實作 K8s 的結果（不過軟體開發也是差不多的情況就是了）。

產出的速度可以交給 AI 協助，選擇方案與承擔交付責任，仍然需要我們自己的判斷。