客户开始用AI写需求文档了,解决方案工程师会被取代吗?
屏幕上还留着客户下午发来的”需求文档”，标题很专业：《XX水务集团智慧水务系统建设需求说明书V3.0》，足足47页。但当我翻到第3页就知道——这是AI写的。
特征太明显了：结构完美，逻辑通顺，痛点分析得头头是道。但那个”提升客户满意度30%”的目标，没有任何测算依据；那页”行业最佳实践”，列出的三个案例有两个是竞争对手编造的；最让我窒息的是网络技术架构图——那是个通用模板，和我们实际要对接的遗留系统完全不兼容。
客户业务负责人在微信里很得意：”我让AI花了半小时就梳理完了，你们基于这个直接做方案吧，这样沟通效率高。”
我盯着这句话看了很久，最后回复：”收到领导，我们先研读一下，明天约个会碰细节。”
然后我一个人坐在电脑前，开始逐条拆解这份”AI需求文档”里的隐形炸弹。
这就是2026年解决方案工程师的日常：我们不再只是翻译客户的业务语言，我们还要翻译AI的幻觉。
现场一：当AI成为客户的”伪专业”铠甲
上个月去一家客户现场，他们的IT总监打开笔记本电脑，给我看一份”AI辅助编写的数字化转型规划”。
文档很漂亮。SWOT分析、波特五力模型、技术路线图，应有尽有。但当我问到：”你们产线现在的MES系统和我们要上的AI质检模块，数据接口是什么格式？”他愣住了。
然后他说了句让我印象极深的话：”AI没告诉我这个。”
这就是第一个残酷真相：AI擅长给答案，但不擅长提问题。它能生成一份看起来无懈可击的需求文档，但它不会追问：
你们车间主任其实抵制上系统，因为觉得”老师傅的经验比算法准”
质量部门愿意用AI检外观，但绝不碰内部探伤——那是他们的权力禁区
预算批了800万，但其中有300万是留给”万一失败”的退路，没人明说
这些组织暗知识，不会出现在任何AI生成的文档里。但解决方案工程师如果捕捉不到，方案写得再漂亮也是废纸。
那天晚上我在酒店里重写需求分析，把AI文档里的”通用痛点”全部删掉，替换成我白天观察到的三个微观冲突：
质检科长的KPI是”漏检率”，但生产厂长的KPI是”产能”，AI质检的”严格”会动后者的蛋糕
现有供应商是集团某领导的亲戚，我们需要设计一个”不撕破脸”的替换路径
一线工人平均年龄47岁，任何需要复杂操作的界面都是灾难
这些才是售前真正的价值：在技术的可行性之外，看见组织的可接受性。
现场二：那个被AI”优化”掉的关键角色
另一个项目，客户用AI做了”业务流程优化建议”。AI分析得很对：客服部门60%的咨询是重复问题，可以用智能工单替代。
方案写到一半，我发现了一个致命遗漏：客服部门有个岗位叫”投诉升级专员”，名义上是处理疑难问题，实际上是集团某副总夫人的专职岗位。AI建议里，这个岗位被”优化”掉了。
这就是第二个真相：AI不懂办公室政治，但售前必须懂。当我们嘲笑大企业”流程冗长、人浮于事”时，没意识到那些”冗余”可能是某种精巧的平衡。
我连夜在方案里加了一个章节：《人机协作模式下的岗位能力升级路径》，核心就一句话：系统负责处理标准化问题，人工专员专注”高价值客户关系维护”——其实就是给那个岗位找了个新说法，还抬高了职级。
客户副总后来特意打了个电话：”你们很懂我们的实际情况。”
我没告诉他，这份”懂”来自我对着组织架构图研究了两个小时，来自我和他们HR总监的一次”非正式咖啡”，来自我注意到那个岗位三年来招聘JD从来没对外发布过。
AI能处理数据，但处理不了这些”非结构化信息”。而这些信息，往往决定项目的生死。
现场三：AI的”正确废话”与售前的”精准冒险”
最危险的是第三种情况：AI生成的需求文档，全是正确的，全是没用的。
我见过一份”智能供应链系统需求书”，AI列出了12项功能模块，从需求预测到库存优化，从供应商协同到物流追踪。每个模块的描述都专业得无懈可击。
但当我问客户：”你们现在最痛的点是预测不准，还是库存积压？是供应商交货不及时，还是内部协同效率低？”客户说：”都痛。”
这是典型的需求塌方——AI把行业通用痛点全部罗列，却帮客户回避了真正的决策：资源有限，到底先解决哪个？
如果售前工程师照单全做，最后会交付一个样样通、样样松的系统。客户用起来觉得”好像都有，但好像都没解决根本问题”，然后项目进入漫长的”二期优化”——其实就是烂尾。
那天晚上我做了个”冒险”的决定：在方案建议书里，主动划掉了6个功能模块。
“我们建议首期聚焦’需求预测准确率提升’单点突破。这不是能力不足，而是基于贵司现状的判断：计划部门目前承担70%的决策压力，且与生产部门的矛盾最为尖锐。解决这一点，比做一个’大而全’的平台更能快速证明数字化价值。”
客户CEO当场问：”如果只做这一点，预算是不是可以砍半？”
我说：”是。而且我们建议把节省的预算，留作计划部门完成预测模型训练后的绩效奖金。”
会议室安静了五秒钟。然后CEO说：”这个思路，其他厂商没提过。”
后来我们中标了。我知道竞争对手的方案更”完整”，但他们输给了AI都能写的”正确”。
深夜独白：我们到底在卖什么？
我想回答标题那个问题：解决方案工程师会被AI取代吗？
套模板写方案的能力
把产品功能翻译成PPT的能力
背诵行业通用痛点和客户案例的能力
在客户说”我都知道”时，发现他其实不知道的能力
在完美的技术架构图里，看见那个会卡壳的接口的能力
在AI生成的”正确需求”里，识别出那个会杀死项目的”错误前提”的能力
Gartner有个预测：到2027年底，超过40%的Agentic AI项目将被取消。原因不是技术不成熟，而是”期望管理失败”——客户以为AI能解决一切，结果发现组织还没准备好。
解决方案工程师的真正价值，是管理这种”期望差”。我们不是技术的布道者，我们是技术幻想的解毒剂。
当客户拿着AI生成的需求文档找到我们，我们要做的不是否定它，而是翻译它——把”AI说的”翻译成”组织能消化的”，把”技术可行的”翻译成”政治可接受的”。
这需要一种很旧的能力：倾听、观察、共情、在复杂利益中找到最大公约数。
给同行的三句话
如果你也是那个深夜还在改方案的售前，我想分享最近写在笔记本上的三句话：
AI写的文档往往比我们写的”看起来更像那么回事”。但记住：客户买的不是专业感，是安全感。而安全感来自”你懂我的特殊情况”，不是”你懂行业的通用情况”。
在方案里留一两个”需要和客户共同探索”的开放点，比假装全知全能更有说服力。这既是真诚，也是策略——给客户的参与感留个入口。
记录那些不会写进投标文档的信息：某客户CTO其实不懂技术但特别在意”汇报材料的美观度”；某国企必须在方案里出现”信创”字样否则过不了合规；某民企老板的儿子在海外学AI，所以方案里要引用几个英文术语。
夜雨聆风
