AI 时代的架构决策治理：从 ADR 到可审计的决策链

一、发生了什么？

大模型把"写方案"的成本压到了接近零。一个中级工程师借助 AI，十分钟就能产出一份看起来相当专业的架构方案：组件图、选型对比、容量评估一应俱全。

但最近一年，我在多个团队观察到同一个现象：方案变多了，能讲清楚"为什么这么定"的人却变少了。 方案被采纳、上线、出问题，回溯时发现没人记得当初的关键假设是什么、谁拍板绕过了哪个风险、AI 生成的内容里哪部分经过人脑验证、哪部分是直接采信的。

决策在发生，但决策的痕迹在消失。

二、真正改变了什么？

过去架构决策的瓶颈是"产出方案的能力"，所以评审流程天然围绕方案文档展开。现在瓶颈迁移到了判断力与责任承担上：

• 生成答案的门槛归零后，稀缺的是敢签字负责的人；
• 多套方案可以同时存在，"选哪个"比"有没有"更重要；
• AI 会随上下文漂移，同一个问题隔周问可能给出相反建议——没有记录，就没有一致性可言。

传统的 ADR（Architecture Decision Record）写一次、归档、不再翻阅的模式，已经匹配不上 AI 辅助决策的速度与数量。

三、我们以前哪里想反了？

以为评审会越严，决策质量越高。 实际上评审排队三天、编码十分钟，结果是团队开始绕过评审——流程越重，影子决策越多。

以为文档越厚，追溯越容易。 实际上厚文档无人维护、无人阅读，真正的决策发生在 IM 群聊和走廊里，事后无法重建。

以为 AI 提效等于竞争力提升。 实际上如果省下的工时全部换成更多工单，复盘、行业理解、长期信任就被挤掉了——短期产出上涨，长期复利断裂。

四、然后会发生什么？

如果继续沿着"只记录结论、不记录约束"的路径走，可以预见的三个阶段：

1. 近期（0-6 个月）：返工率上升，但归因困难——没人说得清是需求变了还是当初判断错了；
2. 中期（6-18 个月）：核心成员流失时决策上下文随之流失，交接成本指数上升；
3. 远期（18 个月+）：组织丧失"从错误中学习"的能力，因为错误从未被结构化地记录过。坏的决策模式会像技术债一样复利累积。

五、我们该做什么？

把 ADR 升级为可审计的决策链（Auditable Decision Chain），核心是从"记录结论"转向"记录判断"：

1. 最小决策单元结构化。 每个被采纳的方案，至少记录：关键假设（Assumption）、被否决的选项及理由（Rejected Alternatives）、风险接受声明（Risk Acceptance）、决策者（Owner）。四条以内，五分钟写完——比方案本身更重要。

2. AI 参与的决策显式标注。 方案中由 AI 生成且未经人工验证的部分，打标留存。这不是不信任 AI，而是出事时知道该复查哪里。

3. 轻量分级，替代统一门禁。 按资金影响、数据敏感度、可回滚性三级分类：高风险决策双人评审+灰度+审计，低风险决策异步备案即可。把最强的治理投在最昂贵的失败上。

4. 复盘制度化。 每周固定复盘时间，季度回看返工率、决策翻转率（同一决策被推翻的次数）、假设失效率。指标挂在技术负责人身上，而不是挂在流程上。

一句话小结

AI 把产出变便宜，把负责任的选择变重要。决策链的可追溯性，就是架构师在 AI 时代最后的护城河。