AI时代＂软件日抛论＂,大家听听就好

互联网行业最近有一句话刷屏了，某个老板说：AI来了，软件正在变成日抛，按需生产直接用，还有不少大V纷纷跟风的，导致很多老板听完非常激动，也尝试用AI搞出来一些看着不错的网站页面，就开始想像AI直接代替技术团队去写代码，一两天直接上线的美好场景了。

阿康也算互联网行业摸爬滚打多年，也折腾AI项目好久了，虽然也对AIcoding非常上头，工作内外也搞出来过不少花里胡哨的AI项目，但是真要聊这个话题，我认为还是要冷静的想想，这个观点我感觉其实只是说对了一半。

软件日抛论之所以会被提出来，也是因为工作中确实是有一类软件，可以通过AI写代码的方式可以做到”日抛”，一小时写好，用完就扔掉了。比如：一次性数据处理脚本、某个活动的H5落地页、企业内部用的提效小工具、原型验证Demo之类的，这些场景就是AI写代码的最佳实践，因为需求简单清晰、生命周期短暂、容错率较高。

用AI生成软件，快速生成，用完就扔，效率拉满，合情合理，这时候就体现了AI写代码真正的优势：快速、便宜、不需要重度维护。

那么问题来了，这么多场景都可以用AI生成，为什么不能说软件行业已经到了这种”耗材、日抛”的时候了？我们来思考一个简单的问题：谁家公司的核心业务系统，现在能做到”日抛、耗材”呢？这里用我熟悉的金融行业科技系统为例，核心系统的、用户数据库、交易逻辑、权限管理、对接监管的接口——这些模块如何能”按需生产，按日进化”呢，反正我现在还是没想好咋解决。

这里不是说我不会用AI去分模块理解代码和逻辑（其实这个还不真是啥难题，ClaudeCode、Codex都可以做了，甚至我都可以直接给他补充充足的上下文辅助理解），而是没想好如果全部脱手交给AI去设计这些复杂业务领域，那出点问题可能就是真实的资金损失了。

另外，AI生成代码有些很奇葩的问题：生成的功能表面上看起来人模人样的，但边界条件经常理解不足，逻辑实现也可能缩水，而且上下文一复杂它就”注意力不集中”，开始犯”迷糊”。

好多次我在做一些金融保险系统Agent的时候，就明显发现即便是Claude Sonnet4.6模型也时常给我以次充好，本来应该是通过plan&Execute模式实现Agent逻辑的地方直接用硬编码实现，但页面上还是像模像样的显示plan的过程，要不是我一眼发现破绽，这事情就交代出去了。

还有一次，Claude直接用模拟的保险数据给我页面上显示出来，一开始我都没发现，后来越想越不对，一复盘才发现是Claude这家伙自作聪明的用了模拟数据了，被我一顿”批评”。

你看，测试、权限审查、架构设计、安全审计——这些没有人把关，日抛的不是软件，是你的业务。

社交媒体上已经出现了一批老板跟风的讨论，再加上前不久海外的AWS、meta等大厂裁员，有人开始觉得：既然软件能日抛，程序员是不是可以少养几个？研发成本是不是可以砍掉？

这其实是把”某类软件可以AI化”偷换成了”所有软件都不需要人了”。

一个以点概面，坑的就是真金白银了。

其实，AI写代码的速度确实碾压人工，在限定场景下输出的代码质量也还不错，但人工的价值在于：深度理解业务、有专业审查能力、预判哪里会出问题，以及责任（俗称背锅）。从我的视角看，AI和IT人员真正的最佳实践是：AI负责快速生成，人去负责思考与判断。

一个更实用的分法是把软件分两类来看。第一类是工具型、原型型、活动型的软件，需求清晰、生命周期短、容错高，这类完全可以放手给AI，快速出、快速扔，不用犹豫，省时省钱。第二类是核心业务系统，涉及真实用户数据、资金交易、长期维护的产品，不管AI能力多强，当前阶段也只是起到辅助生成代码的作用，人的判断和把关是省不了的，因为出了问题不是重新生成一遍，是真实损失。

所以真正值得想清楚的问题不是”要不要用AI写代码”，而是”哪类软件可以交给AI，哪类必须人来主导”，想清楚这条分界线，比All in或者完全排斥都更有实际价值。

“软件日抛论”在限定场景下没有错，但这句话被断章取义、以偏概全之后，对不同人的危害是不一样的。

对企业主来说，听完就觉得IT团队可以大幅缩减、研发可以全部交给AI，这个判断的风险比想象中大，踩坑的代价可能不是省出来的几个人力成本能覆盖的。

对IT从业者来说，与其焦虑”会不会被AI替代”，不如想清楚自己真正不可替代的部分在哪里，那些AI看起来能干但实际上容易出问题的地方，恰好就是你的价值所在。

所以日抛、耗材这话，听听就好，别上头。

另外，如果你也对AI、AI产品、AI工作流这些东西感兴趣，欢迎加我的小助理微信，即可进群一起聊聊（工作日上班，所以可能回复慢点）。平时我自己的AI实践、新玩法，还有一些踩坑和判断，后面也会继续往群里同步。