AI 时代的软件公司，为什么会变成“大业务 + 小后端”？

最近我越来越强烈地感觉到一件事：

AI 真正改变的，可能不是“程序员怎么写代码”，而是整个软件公司的组织方式。

过去我们做软件，通常是这样一条链路：

业务提出需求
→ 产品经理整理需求
→ UI 设计页面
→ 前端开发页面
→ 后端开发接口
→ 测试人员测试
→ 运维上线

一个需求要穿过很多岗位。

甚至一个很简单的内部系统，都可能需要产品、前端、后端、测试几个人一起做。

但 AI 编程出现以后，这套组织方式开始变得越来越奇怪。

因为今天一个懂业务的人，已经可以直接告诉 AI：

“帮我做一个客户跟进系统。”

“帮我做一个项目管理页面。”

“帮我做一个订单统计工具。”

然后 AI 就可以开始生成页面、数据库、接口、逻辑。

于是，一个非常重要的问题出现了：

如果业务人员已经可以自己做应用，那么软件公司还需要那么庞大的研发团队吗？

我认为未来越来越多的软件公司，会逐渐走向一种新的组织形式：

大业务 + 小后端

但这里的“小后端”，并不是说后端不重要了。

恰恰相反。

未来后端团队可能更小，但是更核心。

一、过去的软件开发，本质上是在“翻译需求”

我们先看过去的软件开发流程。

业务人员通常不会写代码。

所以他有一个需求，只能告诉产品经理。

产品经理再把需求整理成 PRD。

UI 把 PRD 转化成页面。

开发再把页面和需求翻译成代码。

从本质上来说，中间大量工作其实都是在做一件事情：

翻译。

业务语言：

我想看一下这个月每个销售人员的客户跟进情况。

产品经理把它翻译成：

新增销售跟进统计模块。

UI 再翻译成：

左边筛选条件，右边图表，下面表格。

开发继续翻译成：

数据库查询。

API。

前端组件。

SQL。

权限判断。

最终机器才能执行。

于是过去的软件组织为什么需要这么多人？

因为：

业务和机器之间隔得太远了。

中间需要一层又一层的人不断翻译。

但大模型出现以后，一个非常重要的事情发生了：

自然语言开始变成一种编程语言。

业务人员可以直接告诉 AI：

“我需要什么。”

AI 再帮他把这个需求转换成：

页面。

代码。

数据库。

API。

工作流。

这意味着：

过去存在于业务和代码之间的大量中间环节，开始被 AI 压缩。

二、AI 最先消灭的，是“业务需求到应用”的距离

我认为 AI 编程最重要的价值，不是：

程序员写代码更快了。

这只是第一阶段。

真正大的变化是：

业务人员距离软件越来越近了。

过去业务人员想做一个工具，需要排研发资源。

比如销售部门想增加一个客户分析页面。

流程可能是：

先和产品沟通。

产品整理需求。

等研发排期。

前端开发。

后端开发。

测试。

上线。

一个非常小的需求，可能两周、一个月以后才能用上。

但是以后很可能是：

销售负责人上午发现一个问题。

下午直接用 AI 搭一个工具。

第二天整个销售团队就开始使用。

如果不好用，再继续改。

这时候就会出现一个巨大的变化：

以前是：

业务提出需求，研发负责实现。

以后可能逐渐变成：

业务自己实现大量需求。

研发不再需要亲自开发所有应用。

这就是“大业务”开始出现的原因。

三、什么叫“大业务”？

我说的“大业务”，不是说公司要招聘更多销售和运营。

而是：

业务人员的能力边界会越来越大。

以前一个运营人员，只需要懂运营。

一个销售负责人，只需要懂销售。

一个供应链人员，只需要懂供应链。

但是以后这些人会越来越像：

业务 + 产品 + 数据 + AI + 一部分开发。

例如一个销售负责人发现：

公司的 CRM 不好用。

过去只能提需求。

以后他可以直接和 AI 对话：

“帮我做一个客户优先级评分功能。”

“按照最近联系时间、客户规模、成交概率计算分数。”

“做一个页面，按照优先级排序。”

“每天上午 9 点自动提醒销售。”

AI 很快就可以帮他搭出来。

这个时候，他实际上已经完成了过去：

产品经理 + 数据分析 + 前端 + 一部分后端

才能完成的事情。

所以未来非常厉害的业务人员，很可能不是单纯的业务专家。

而是：

能够通过 AI 把自己的业务判断直接变成工具的人。

这类人的生产力会变得非常恐怖。

四、但是为什么后端不能一起消失？

看到这里，很容易产生一个想法：

既然业务自己都可以开发了，那是不是连开发团队都可以不要了？

其实不行。

因为当大量业务人员开始 Vibe Coding 以后，会立即出现另外一个问题：

混乱。

假设一家公司有 500 个人。

其中 100 个人都可以使用 AI 开发。

然后大家开始自己做系统。

销售做一个客户系统。

运营又做一个客户系统。

财务自己建一套客户数据库。

售后又复制一份客户数据。

一个月以后，公司可能有：

5 套客户数据。

8 套用户体系。

10 套登录系统。

20 个不知道谁维护的小应用。

每个人的电脑里面还有一堆 AI 写出来的代码。

这时候企业会进入一种新的灾难：

软件开发速度极快，但是整个公司的技术系统越来越混乱。

所以 AI 时代不是不需要后端。

而是后端的职责要发生变化。

五、未来后端最重要的工作，不是“给业务写接口”

过去很多后端开发的日常工作是：

产品提需求。

增加一个字段。

写一个接口。

改一个 SQL。

做一个 CRUD。

业务变了，再改。

未来这些工作 AI 会越来越擅长。

那么后端开发人员真正应该做什么？

我认为未来核心后端团队会逐渐做四件事情。

第一件事：建设统一的数据底座

比如：

什么是客户？

什么是订单？

什么是产品？

什么是员工？

什么是设备？

这些数据不能让每个业务人员自己定义一遍。

必须有统一的数据模型。

例如客户数据只有一份。

订单数据只有一个可信来源。

业务人员可以开发 100 个不同的应用。

但是底层使用的是同一套企业数据。

否则 AI 开发越快，公司数据反而越乱。

所以未来开发团队非常重要的工作之一，是：

把企业核心数据沉淀成稳定的数据资产。

第二件事：建设统一的能力

比如：

登录。

权限。

审批。

支付。

消息通知。

文件上传。

日志。

搜索。

地图。

AI 模型。

数据查询。

这些东西没有必要让每个业务人员重新开发。

核心研发团队应该把这些能力提前封装好。

业务人员开发应用的时候，只需要调用。

比如：

“调用公司的客户查询能力。”

“调用公司的订单能力。”

“调用公司的审批能力。”

“调用公司的 AI 知识库。”

于是未来公司的技术结构可能越来越像：

底层是一套稳定的企业能力。

上面可以快速长出大量应用。

第三件事：建立规则和边界

Vibe Coding 最大的问题不是：

代码能不能运行。

而是：

它太容易运行了。

以前写一个系统很难，所以大家比较谨慎。

以后做一个系统可能半天就完成。

于是每个人都有能力制造一个潜在的生产事故。

比如：

一个销售人员通过 AI 写了一个脚本。

结果一条 SQL 把 20 万条客户数据改错了。

一个运营人员调用支付接口，逻辑写错。

一个内部 Agent 拿到了不应该访问的员工数据。

这些事情以后都会真实发生。

所以研发团队必须建立：

权限。

审计。

数据隔离。

API 限流。

开发规范。

测试机制。

发布机制。

回滚机制。

安全边界。

也就是说：

未来开发团队不一定负责写所有代码，但是要负责制定“代码可以怎么跑”。

第四件事：处理真正复杂的问题

业务人员 + AI 非常适合做：

表单。

报表。

内部工具。

简单工作流。

CRUD。

简单 Agent。

但真正复杂的问题，仍然会落到专业开发人员手里。

例如：

高并发。

数据库性能。

分布式系统。

复杂事务。

核心交易系统。

网络问题。

生产环境故障。

复杂第三方系统集成。

这些问题不是：

“让 AI 再写一次。”

就一定能解决。

所以未来核心研发团队会越来越像公司的：

技术基础设施团队。

他们人数不一定很多。

但是整个公司的 AI 应用都建立在他们提供的地基上。

六、未来的软件架构，很可能变成“薄应用 + 厚平台”

所以“大业务 + 小后端”对应到技术架构上，其实就是：

薄应用 + 厚平台。

什么意思？

上面的业务应用非常轻。

需要就生成。

不好用就修改。

没有价值就删除。

甚至很多软件未来可能根本不值得维护 10 年。

一个部门这个季度需要一个工具。

AI 生成出来。

用了三个月。

业务变化了。

直接废掉，再生成一个。

应用本身越来越像一种：

临时消费品。

但是下面的平台能力却必须非常稳定。

比如：

客户数据。

订单系统。

身份认证。

权限体系。

财务数据。

知识库。

AI Gateway。

日志平台。

这些东西可能运行很多年。

于是软件架构会逐渐出现一个非常明显的分层：

上层：

大量变化极快的 AI 应用。

下层：

少量非常稳定的核心能力。

这也是为什么我认为：

未来的软件不是越来越“大”，而是底座越来越稳，上层越来越随意。

七、过去的“中台”为什么没完全成功，AI 时代可能反而成功？

看到这里，很多人会觉得：

这不就是前几年非常流行的“中台”吗？

确实有一点像。

过去很多公司都讲：

业务中台。

数据中台。

技术中台。

把公共能力抽出来。

不同业务复用。

这个思路本身其实没有问题。

但过去中台经常遇到一个问题：

最后还是要开发人员调用中台。

也就是说：

中台只是：

开发人员给另外一批开发人员使用的能力。

业务提出需求以后，还是：

业务 → 产品 → 开发 → 中台。

中间链路并没有真正缩短。

所以很多中台后来变成了一个巨大的平台部门。

流程甚至更加复杂。

但是 AI 出现以后情况不一样了。

未来可能是：

业务人员
↓
AI
↓
企业统一能力

业务人员直接告诉 AI：

“帮我生成一个售后工单分析系统。”

然后 AI 自动调用：

用户系统。

工单 API。

权限系统。

数据平台。

AI 模型。

最终把应用组装出来。

这时候：

中台第一次真正绕过了大量人工开发环节，直接服务于业务。

所以我认为 AI 时代的“中台”可能会以另外一种形式重新出现。

只不过它不一定还叫中台。

它可能叫：

AI Platform。

Agent Platform。

企业能力平台。

内部开发平台。

甚至干脆就是一组标准 API、MCP、工具和数据服务。

名字不重要。

本质是一样的：

把企业能力标准化，然后让 AI 去调用。

八、开发人员未来会从“做应用”变成“修高速公路”

我觉得可以用一个比喻。

过去的软件开发像什么？

每个业务部门需要去一个地方。

开发人员就帮他修一条路。

销售需要一个系统。

修一条。

财务需要一个系统。

再修一条。

运营需要一个系统。

继续修。

于是公司养了大量开发人员，不断帮不同业务修路。

AI 时代以后，业务自己已经会开车，甚至自己可以修最后几公里的小路了。

那么开发人员真正应该做什么？

不是继续帮每个人修门口的小路。

而是：

修高速公路。

建设：

统一账户。

统一数据。

统一 API。

统一 AI 平台。

统一权限。

统一基础设施。

然后业务人员想去哪里，自己开车过去。

这就是未来开发团队真正应该做的事情。

九、公司的研发团队会越来越像“特种部队”

这也意味着，未来研发团队人数可能会明显下降。

以前一家 500 人的公司，也许需要：

50 个开发。

10 个测试。

5 个运维。

未来可能变成：

10～20 个非常强的核心技术人员。

再加大量 AI Agent。

而这批人的要求会非常高。

他们必须：

懂架构。

懂数据库。

懂云平台。

懂安全。

懂 AI。

懂业务。

会使用 Agent。

能够解决线上复杂问题。

同时还需要设计整个公司的技术底座。

所以未来研发团队很可能从：

大规模工程团队

逐渐变成：

小规模、高能力密度的技术团队。

就像特种部队。

平时不负责每一个具体业务需求。

但是遇到真正复杂的问题，他们必须能够解决。

十、这也会改变产品经理

另外一个非常重要的变化是：

产品经理也会被重新定义。

过去产品经理非常重要的一项工作是：

把业务需求整理成研发可以理解的文档。

但是如果业务已经可以直接和 AI 对话，那么纯粹负责“需求翻译”的产品经理价值也会下降。

未来产品经理可能越来越像：

业务架构师。

流程设计师。

AI 产品设计师。

他不再只是写 PRD。

而是思考：

整个业务流程怎么设计。

哪些能力应该沉淀。

哪些场景应该自动化。

哪些工作应该让 Agent 完成。

人与 AI 应该怎么协作。

所以不仅开发岗位会变化。

实际上：

产品。

测试。

UI。

运维。

数据分析。

很多岗位都会开始重新组合。

十一、未来公司真正要管理的，不是代码，而是“能力”

我觉得这里还有一个更加深层的变化。

过去企业的软件资产是什么？

一套一套的软件。

CRM。

ERP。

OA。

MES。

财务系统。

项目管理系统。

未来企业的软件资产可能会逐渐变成：

能力。

比如：

“创建订单”是一项能力。

“查询客户”是一项能力。

“审批合同”是一项能力。

“预测销量”是一项能力。

“生成报价”是一项能力。

“分析设备故障”也是一项能力。

这些能力被标准化之后，可以被：

网页调用。

App 调用。

AI 调用。

Agent 调用。

甚至被另外一个 Agent 自动组合。

这个时候企业真正值钱的，就不再是：

“我有多少套软件。”

而是：

我沉淀了多少可以被 AI 调用的业务能力。

这可能才是未来企业数字化真正的核心资产。

十二、“大业务 + 小后端”真正意味着什么？

所以回到最开始的问题。

所谓：

大业务 + 小后端

不是说：

业务人员以后全部变程序员。

也不是说：

开发人员全部失业。

真正发生的是：

过去软件开发里的大量中间工作会被 AI 压缩。

业务人员越来越接近最终软件。

核心开发人员越来越远离具体页面。

业务向上扩张。

技术向下沉淀。

最后两边中间由 AI 连接。

未来的组织很可能变成：

大量懂业务、懂 AI 的超级个体

加上：

少量非常强的核心技术人员

再加上：

大量 AI Agent。

业务人员负责：

发现问题。

创造需求。

快速试错。

构建应用。

技术团队负责：

建设底座。

提供能力。

制定规则。

控制风险。

处理复杂问题。

AI 负责：

中间大量具体执行工作。

十三、所以 AI 时代的软件公司，本质上会越来越“小”

这可能是我认为 AI 带来的一个非常重要，但是现在还没有完全体现出来的变化。

AI 带来的不只是降本增效。

真正大的变化是：

组织规模和业务规模开始脱钩。

过去你要支撑越来越大的业务，就需要不断招聘：

产品。

开发。

测试。

运营。

以后可能不是。

10 个人 + AI，可能完成过去 50 个人的事情。

50 个人，可能支撑过去 300 人公司的业务规模。

所以未来真正优秀的软件公司，可能不会再追求：

“我们的研发团队有 500 人。”

甚至相反。

大家会开始炫耀：

我们只有 30 个人，却支撑了几十亿业务。

到那个时候，公司真正重要的指标可能不再是：

有多少开发。

而是：

每个人能够调动多少 AI 能力。

以及：

整个公司沉淀了多少可以被 AI 调用的能力。

所以我越来越相信：

未来的软件公司会逐渐走向一种新的结构：

业务越来越大。

研发团队越来越小。

AI 越来越多。

而少数真正优秀的开发人员，则站在最底层，构建整个公司的技术地基。

这可能就是“大业务 + 小后端”真正的含义。