过去很长一段时间,软件开发是一件昂贵的事。企业有一个想法,哪怕只是做一套内部管理工具,也要先整理需求,再找开发人员把它一点点变成代码。项目规模稍微大一些,就需要前端、后端、测试、运维一起参与。软件公司的商业模式很大程度上建立在这个事实之上:把想法变成可以运行的软件,需要大量专业人力。
AI 正在把这个前提拆掉。
今天,一个对编程并不熟悉的人,也可以把想法直接交给 AI,几个小时后拿到一个能运行的版本。编程 Agent 已经可以阅读整个项目、修改多个文件、运行测试和命令,也能参与需求分析、代码审查和故障排查。OpenAI 今年公开过一个很有代表性的内部实验:一个实际投入使用的软件产品没有人工手写代码,应用逻辑、测试、CI、文档和监控都由 Codex 完成。这个实验有很多特殊条件,不能简单外推到所有项目,但它至少说明,"写代码"本身正在迅速失去过去那种稀缺性。
AI 正在拆掉"软件开发很贵"这个前提
这对专业软件开发公司不是一个可以靠宣传绕过去的问题。
一些项目以后确实不需要找开发公司了。简单网站、一次性的内部工具、很小的数据处理程序,或者只是为了验证一个想法,先让 AI 做出来通常更划算。如果市场上已经有成熟的软件能解决大部分需求,重新定制一套也未必合理。过去有些项目之所以需要外包,并不是问题本身有多复杂,只是客户没有能力把它实现出来。现在这种能力开始普及,这部分开发需求自然会减少。
代码成本下降,不会自动降低系统维护成本
但 AI 带来的另一个变化,反而没有那么容易在演示视频里看到。
软件变得更容易生产以后,企业拥有的软件只会更多。一个部门可以自己做三个工具,另一个部门也可以做五个。几个月后,其中一些工具开始连接正式数据,有人拿它做决策,有人把业务流程放进去,还有人离职了,却没人知道那个工具当时为什么这样设计。代码生产成本下降,并不会自动降低这些系统之后的维护成本。有时候情况正好相反,软件产生得越快,公司内部越容易出现大量"能用,但没人真正敢动"的系统。
这里发生的变化很重要。过去软件项目的瓶颈经常是"做不出来"或者"做得太慢",以后越来越多项目的瓶颈会变成"做出来以后怎么办"。
一个系统一旦开始管理客户数据、权限、订单、财务流程,或者和其他业务系统连接,问题就不再只是某个页面能不能生成。谁是数据的最终来源,人员变化以后权限怎么处理,历史规则是否需要保留,第三方接口变化怎么办,系统升级失败能不能回滚,几年以后换了一批人还能不能继续维护,这些事情当然也可以让 AI 帮忙分析,但它们都依赖一个前提:有人必须持续提供完整的上下文,并判断结果是否真的适合这家公司。
"专业服务"最值钱的部分正在换位置
这也是为什么"AI 会不会取代程序员"并不是我们认为最值得讨论的问题。AI 已经在替代大量具体开发工作,而且这种替代还会继续。更值得关注的是,软件公司的价值原来有多少来自人工实现,又有多少来自对一个系统长期负责。如果一家公司的优势只是程序员多、能写的代码多,那么 AI 对它的冲击会非常直接。如果一家公司的工作本来就包括把业务情况弄清楚、处理现有系统之间的关系,并在项目上线以后继续承担维护责任,那么 AI 首先改变的是它完成这些工作的方式。
OpenAI 自己的发展其实提供了一个有意思的参照。一方面,它已经在尝试由 Agent 承担几乎全部代码生产;另一方面,它今年又成立了专门的 Deployment Company,让工程师进入企业处理真实业务、工作流程和系统部署。Endava 这样的专业软件服务公司也没有简单地把 Codex 当成更快的代码补全工具,而是在把工程师从大量亲自编写代码,逐渐转向组织和检查 Agent 完成的工作。软件服务没有因为代码生成变容易而消失,只是"专业服务"里最值钱的部分正在换位置。
AI 也将改变项目的报价逻辑和公司形态
我们现在接触项目时,也越来越常遇到一种以前很少见的情况:客户已经带着 AI 做出的原型,甚至是一套基本能运行的系统来讨论后续开发。对于这种项目,没有理由因为代码是 AI 写的就全部推倒重来。现有部分能继续使用,就应该继续使用;一个成熟产品已经能解决的问题,也没有必要为了定制而重新开发。真正值得投入工程资源的,通常是那些开始影响业务连续性、数据可靠性和后续维护的部分。
这也会改变软件项目的报价逻辑。过去一个功能要做十天,十天的人力自然会进入成本。以后 AI 两天就能完成,如果开发公司仍然按照原来的十天解释价格,客户迟早会发现这笔账不对。AI 带来的效率不能只留在开发公司的内部,它最后应该表现为更短的周期、更小的团队,或者把原来因为预算不够而被省掉的测试、监控和维护工作真正补上。
从这个角度看,未来的软件开发公司可能会比现在更少,也会更难做。简单项目被 AI 和成熟产品拿走以后,剩下来的往往都是更麻烦的项目。客户自己也会越来越懂技术,至少会先让 AI 帮他判断方案和价格。一家公司如果还主要依靠信息差,或者靠"我们有很多程序员"证明自己的价值,会越来越难说服客户。
这对专业软件开发公司其实是一件好事。过去"会写代码"本身就足以形成门槛,导致真正的工程能力和单纯堆人力有时候很难区分。这个门槛正在消失以后,客户反而更容易看清一家公司的价值到底在哪里。
以后企业决定要不要找开发公司,也许可以先自己做一次尝试。AI 能解决,而且未来不需要谁长期负责,就没有必要把它变成一个正式开发项目。如果做到某一步以后,问题开始涉及现有业务、长期数据、权限、安全、系统之间的连接,或者一次错误已经会影响正常经营,这时再引入专业团队往往更合适。
AI 让"做出一个软件"越来越便宜。
对于软件开发公司来说,接下来要面对的问题也很简单:当客户已经不缺写代码的能力以后,公司还能替客户解决多少代码之外的问题。
这个问题,比讨论 AI 会不会抢走程序员的工作重要得多。
参考资料
- OpenAI, Harness engineering: leveraging Codex in an agent-first world
- OpenAI, OpenAI launches the OpenAI Deployment Company to help businesses build around intelligence
- OpenAI, How Endava builds an agentic organization with Codex
- OpenAI, How Endava is redesigning software delivery around AI agents
- OpenAI, Harness 工程:在智能体优先的世界中利用 Codex
- OpenAI, Endava 如何借助 Codex 打造智能体组织