一个客户跟我说，他们老板用 AI Coding 搭了一个供应商管理系统。页面能打开，流程能跑，用户管理也能用，操作体验看起来还不错。大家围着看了一圈，都觉得挺好。然后老板随口问了一句：「所以，你们接下来干什么？」

倒计时通知书

一个客户跟我说，他们老板用 AI Coding 搭了一个供应商管理系统。页面能打开，流程能跑，用户管理也能用，操作体验看起来还不错。大家围着看了一圈，都觉得挺好。然后老板随口问了一句：「所以，你们接下来干什么？」

这句话很轻，但分量很重。

在微信对话框我迟疑了很久没有马上回答。不是因为完全没有答案，而是因为我发现，脑子里第一时间冒出来的那些回答，几乎都还停留在旧框架里。比如，「我们的工作不只是写代码」「企业系统没有那么简单」「后面还有权限、流程、架构、测试、运维、治理」。这些话当然都对，但它们听起来更像防御，而不是答案。它们像是在努力证明一个已经被挑战的岗位仍然有存在理由。

后面我意识到，真正的问题不是怎么回答老板，而是我正在用一个逐渐过时的框架定义自己的价值。

过去在软件行业，「我会做」本身就是壁垒。你会写代码，你会搭系统，你会画原型，你会配置流程，你会把业务说的话变成可以运行的页面，这些能力足以构成职业价值。但 AI Coding 出现之后，这个前提正在被快速改写。「会做」仍然重要，但它不再稀缺。更准确地说，执行能力正在从一种专业壁垒，变成一种可以被大规模调用的低成本资源。

在软件行业，「我会做」这项能力，正在贬值。

一、执行价值正在消失

这件事不能只怪 AI。

软件行业过去本来就有一些积习。我们花了大量时间做最终并不被使用的功能，把简单的事情做得越来越复杂，用投入工时证明工作量，用交付数量证明价值，用系统复杂度证明专业性。很多时候，一个功能被做出来，并不意味着它真的创造了业务价值；一个系统被上线，也不意味着它真的解决了组织问题。

AI 不过是把这层遮羞布扯了下来。

它让「执行」回到了它的本来面目：执行是一种成本。而且，这种成本正在极速下降。

过去，老板想做一个供应商管理系统，需要找产品经理聊需求，找开发排期，找测试验证，找实施配置，找项目经理协调。这个链条很长，所以每一个环节都显得必要。现在，老板对着 AI 说几句话，一个可演示、可操作、看起来还不错的系统原型就出来了。哪怕它还不完善，也足以让老板产生一个问题：既然第一步已经可以这么快完成，那么原来围绕「做出来」建立的那套组织分工，到底还剩多少必要性？

所以，当老板问「你们接下来干什么」时，这不是一句挑衅，而是一个值得认真面对的判断题。

长期依赖执行壁垒来定义自己价值的人，当这层壁垒塌了之后，还剩什么？

如果一个人的价值主要来自「我能把需求做成页面」「我能把流程配置出来」「我能把代码写完」，那他面对 AI Coding 时一定会焦虑。因为 AI 正在用更低成本、更快速度进入同一个战场。你可以说 AI 做得还不够好，但这个差距并不会永远停在那里。更重要的是，老板不一定需要它一开始就做到满分。只要它能做到六十分、七十分，很多原本依赖人工执行的价值链就会被重新定价。

二、定义「好」不是护城河，拍板权才是

很多人会安慰自己：AI 不懂什么叫「好」。

它不懂品牌调性，不懂用户体验，不懂企业风险，不懂效率和合规之间的痛苦取舍，不懂一个系统在组织里真正跑起来会遇到什么阻力。

这句话只说对了一半，而且正在变得越来越不稳。

现在的 AI 已经可以通过大量示例、行业知识、企业规范、历史案例和提示词约束，学习人类判断「好坏」的方式。品牌调性可以被拆成风格规则，用户体验可以被转化为设计原则，风险偏好可以通过案例归纳出来，效率与合规的权衡也可以被整理成决策框架。AI 未必真的「理解」这些概念，但它输出的判断，正在越来越接近一个资历尚可的产品经理、实施顾问或业务分析师。

所以，真正的问题不是 AI 懂不懂「好」。

真正的问题是：谁有权定义「好」。

在企业里，「好」从来不是一个纯专业问题。什么叫好产品，什么叫好流程，什么叫好体验，什么叫好系统，最终都不是由执行层单方面决定的。能对「好」拍板的人，是那个背业绩、担责任、掌握资源、承担后果的人。过去，老板说「我要一个供应商管理系统」，他需要经过产品、实施、开发来理解、拆解、转译和实现。在这个过程中，我们用自己的专业判断参与了「好」的定义。

但现在，这个链条被缩短了。

老板可以直接对 AI 说出目标，AI 给出一个版本；老板不满意，再让 AI 调整；流程太复杂，就让 AI 简化；页面不好看，就让 AI 重做；权限不合理，就让 AI 补规则。这个过程不一定完美，但它形成了一种新的关系：老板和 AI 之间的一对一迭代。

我们真正失去的，不是某个按钮、某段代码、某份文档，而是过去夹在业务意图和系统实现之间的「翻译权」。

以前，很多专业价值来自转译。业务说不清，我们来梳理；老板讲方向，我们来拆解；部门之间说法不一致，我们来整理成需求；开发听不懂业务，我们来写成规格。这个过程当然有价值，但它有一个前提：业务方和系统之间存在足够高的沟通成本。

AI 正在降低这个沟通成本。

当老板可以直接和 AI 反复迭代时，很多中间层的转译价值就会被压缩。不是 AI 完全学会了定义「好」，而是它让原本必须经过你的那条路径，变得不再唯一。

这才是最值得警惕的地方。

我们不是简单地被 AI 替代，而是被「老板—AI」这组更短的关系绕过了。

三、处理冲突，正在从专业能力变成组织成本

过去，我们很容易把「处理模糊与冲突」看成自己的核心专业能力。

业务要快，财务要稳，采购要灵活，管理层要可控；一线员工希望少填表，审计部门希望多留痕；老板希望系统尽快上线，项目团队担心质量风险。于是，我们开会、澄清、对齐、写纪要、改方案、做折中。很多人正是在这个过程中证明了自己的价值。

但必须承认，这种价值里有相当一部分，是过去沟通成本太高、信息损耗太大、协作工具太弱时产生的补丁。

我们并不总是在「解决冲突」。很多时候，我们只是在把冲突磨成一个各方勉强接受的版本。

当 AI 可以快速生成五种方案，清晰列出每种方案的利弊、成本、风险、影响范围和可能后果，并直接摆到所有利益相关方面前时，那些漫长的澄清、对齐、反复解释和低效扯皮，就会被重新审视。它们不一定完全消失，但很难再被包装成高价值工作。

不是说决策不需要人了。

恰恰相反，真正的决策更重要了。

只是，仅仅作为协调者、润滑剂、会议搬运工的人，会越来越危险。因为 AI 可以更快地整理信息，更清楚地列出冲突，更系统地生成备选方案。剩下真正有价值的，是那个能在信息相对完备之后做取舍的人。

他要能说：这件事先不做。这个风险可以接受。这个流程必须保留。这个体验可以牺牲。这个部门的诉求这次不能满足。这个版本够了，可以上线。

这不是协调能力，而是判断能力。

更准确地说，这是带着责任的判断能力。

四、责任不是普通人的救生舱

于是，很多人会打出最后一张牌：AI 不能承担责任。

这当然是事实。

AI 不能签字，不能坐牢，不能背锅，不能承担经营结果。供应商准入错了，权限泄露了，促销规则造成资损了，系统上线后业务停摆了，最终被追问的一定不是 AI，而是某个具体的人。

但如果由此推导出「所以人类的价值就是承担责任」，那其实是一种危险的偷懒。

因为责任岗位不是无限的。

一个过去需要五十个人完成的部门，未来可能只需要五个真正的责任人。剩下四十五个人怎么办？他们并不会因为「AI 不能负责」就天然安全。很多人甚至连背锅的资格都没有，因为组织真正需要追责的时候，只会追到那些有拍板权、资源权和结果责任的人。

而且，「责任人」并不是一个轻松的避风港。

它的日常不一定是创造，更多时候是警觉；不一定是建造，更多时候是巡检。它要求你在 AI 高质量的输出里识别那一个可能导致事故的漏洞，要求你在看似合理的方案里发现隐藏风险，要求你在上线前判断哪些问题不能放过。出了事以后，别人不会问 AI 为什么没发现，而会问你：「当初为什么没看出来？」

这个位置需要经验、信任、业务理解、组织判断和长期信誉。它是少数人的位置，不是所有技术人、产品人、实施人的新版职位描述。

不要把「AI 不能负责」当成安慰剂。它确实说明人类不会消失，但并不说明每个人都会留下。责任是幸存者的席位，不是所有人的救生筏。

五、真正的价值重构：从建造者到发起者

那问题回来了：我们到底该何去何从？

过去我可能会回答：你要学会判断 AI 做得好不好。你要能审查它的输出，发现它的漏洞，补上它的边界，承担最终验收。

现在我觉得，这个答案还不够彻底。

因为「判断好坏」本质上仍然站在 AI 产出之后。它是一种审查、一种纠偏、一种防守。它很重要，但它太被动了。而在这个时代，被动就是最大的风险。

真正的出路，不是在 AI 后面做验收，而是走到 AI 前面去，做那个定义目标的人。

不要再把自己的身份锁定在「建造者」上。建造这件事正在被自动化，至少正在被大幅降价。但「决定建什么」和「为什么要建」的能力，反而因为建造成本的骤降，变得前所未有地重要。

过去很多事情不做，不是因为不值得想，而是因为太贵了。做一个系统太贵，验证一个想法太贵，搭一个原型太贵，组织一支小团队太贵，试错成本太高。所以只有老板能发起，只有公司立项才能启动，只有预算通过才能推进。

现在不同了。

AI 降低了搭建成本，也就降低了试错成本。它不只是让老板更容易做系统，也让每一个真正懂业务、懂流程、懂现场的人，都有机会快速验证自己的判断。

你能不能用 AI 快速验证一个自己想了很久的业务假设？

你能不能把一个熟悉的业务流程重新做一遍，做得比现在好十倍？

你能不能用 AI 的低成本，去撬动那些过去因为投入太高而根本不会被立项的事情？

你能不能从「等别人提需求」变成「主动发现值得解决的问题」？

你能不能从「接任务的人」变成「提出问题、定义目标、组织资源的人」？

这才是 AI Coding 真正打开的机会。

它不是让所有人都变成老板，也不是让每个人都去创业，而是迫使每个软件从业者重新理解自己的位置：你到底是在等别人告诉你做什么，还是你已经能判断什么值得做？

AI 抹平的是「怎么做」的鸿沟。于是，「做什么」和「为什么做」就成了真正的战场。

如果你还停留在「我能实现」，你的价值会越来越难证明。因为实现正在变便宜。如果你能上升到「我知道什么值得实现」，你的价值反而会被放大。因为当实现成本下降，真正稀缺的就不是执行力，而是发现问题、定义问题、选择问题的能力。

所以，当有人告诉你「别担心，AI 时代你只要转型成责任人就行」，这句话不能说错，但它只说了一半。

另一半真相是：你的价值不再来自你能做什么，而来自你敢决定做什么。

AI 能做出一个看起来完整的产品，但它不知道什么叫「做得对」。这句话真正的含义，并不是「你还可以负责签字」，而是「你必须有能力定义战场」。

未来的软件人，不应该只问自己：AI 做完以后，我还能检查什么？

更应该问：AI 出现以后，我终于可以发起什么？

如果你只是建造者，AI 会越来越像你的替代品。如果你是发起者，AI 会成为你的杠杆。

这就是倒计时通知书的真正含义。它不是通知你软件行业结束了，而是通知你：那个靠「我会做」就能安稳活下去的时代，正在结束。