以后人人都能用 AI 造软件,这个说法错在哪

"

AI 不会让软件变少，它只是给即兴与制度化之间那个旧循环，又加了一层。

现在到处都在说一件事：有了 AI，你不需要会写代码，想用什么工具就让模型给你做一个。软件会变成随时生成的东西，任务自动化大幅增加，软件反而变少。

Benedict Evans 在 9 月 3 日写了篇文章，把这套说法拆了。

他的结论刚好反过来了。

📌 本文看点

Benedict Evans，长期做科技趋势分析的独立分析师，做过 a16z 的合伙人。这篇文章叫《AI, tools and transformation》，2026 年 9 月 3 日，一万四千多字符。

值得读的理由只有一个：他不是在做预测，他是在解释软件到底是怎么出现的。

而这件事，恰恰是「人人都能造软件」这套说法最大的盲区。

这是他反驳的第一层。

他先摆了个老笑话：工程师就是那种会花一小时做个工具，去自动化一件十分钟就能干完的事的人。有了 AI，这个工具五分钟就能做出来，你不需要是工程师，也不需要写代码。

听起来很美。但他说，这误解了两件事。

第一，绝大多数人不会本能地想「我的工作还能换个做法」

一个很厉害的婚姻律师，整天想的是案子和客户，不是「什么样的法律检索软件能让我更高效」。一个很厉害的企业销售，整天想的是产品、客户和竞争对手，不是「什么样的销售赋能软件能让我多产出」。

他顺带点了一句 Excel：「文件—新建」里看到的每一个选项，都是在提示你可以拿它做这个。

我觉得这一句杀伤力很大。它说的不是「模板不够好」，而是这类需求天然会长成一门生意。所以他对「Claude for X」这类产品的判断也是同一句：有用，但不是答案。

第二，更深的问题：该自动化的东西，往往并不显而易见

我们每天用的很多东西，第一反应都是「我为什么要这个？」问题本身是否存在就不明显，而且它常常被嵌在别的东西里、被打包在一起、或者藏在某个角落。就算你看见了，正确的修法也常常不清楚。

所以才有了「前线部署工程师」这个角色：一个自己会造、也知道 AI 能造什么的人，走进一家律所或者建筑事务所，看见那些摆在桌上但当事人自己看不见的机会。

他还打了个比方：这很像很多科技圈的人 15 岁时的经历，在实习的地方、或者在父母的办公室里转一圈，然后说一句「爸，你没发现这个其实可以这样做吗？」

这是他反驳的第二层，也是我觉得最有价值的一层。

他说，软件是在一条光谱上被买下、选择或者创造的，而这头也可以理解成：一头是制度化的，一头是即兴的。

— 制度化与即兴之间的来回，就是软件长出来的路径

一头，是那些在你已有的专用工具里很容易完成的任务。很多人花了很多时间研究出「这件事正确的做法是什么」，而且重要的是每个人都必须用同样的工具、同样的方式去做。

另一头，是那些边缘情况、例外、一次性的疑问。于是用户自己想办法，在 Excel、邮件、共享文件夹、截图、PDF、还有一场又一场的会议里，凑出一个模糊的、即兴的解法。

然后关键的一步来了。一旦这个任务变成你一直在做、每次都一样做、很多人都在做、变得重要、而且牵涉到收入和风险，那么在某个时刻，公司必须把它制度化。

你需要审计、安全、维护、问责。

而且你可能压根没意识到那条路在那儿。你可能不知道公司里有几百号人，每天在这件事上浪费一小时。你也可能很难搞清楚到底该怎么修。

这个过程，就是为什么一家公司会有几百个 app。

他没有停在理论，给了一个已经发生过的类比：SaaS。那是软件总量的又一次量级变化，带来了新的运营模式和新的周期，并且杀掉了一大批跳不过去的 incumbent。

整个过程是持续的、有机的捆绑与解绑。那些 SaaS 应用做的事，你全都能在 SAP、Excel 或者邮件里做。

而且任务会来回搬。他说几年前跟一个顾问聊，对方一半的工作是劝用 Excel 的人改用数据库，另一半是反过来。

规模也很诚实：如果你在 PwC，每年招三四千个毕业生，你就会用制度化的专用软件来管。如果你是个小公司，一年招五到十个人，你就用邮件、共享文件夹和 Google Sheets。小公司长大了会迁移，但反过来也一样，PwC 内部一个小团队也可能因为 Workday 太不灵活，转头用 Google Sheets。

解绑又开始了

他的答案很克制。AI 会扩展所有现有的应用，会出现很多新的垂直应用，而 Excel、邮件这些即兴空间会获得新能力。

在这个循环里，聊天机器人本身是一个新的即兴空间，它就坐在 Excel 和邮件旁边，从它们和你的应用那里接手任务，也会把任务输回给它们。

所以他真正的结论是：AI 不是让软件消失，它是给旧的循环又加了一层。软件总量未必会降，即兴空间和制度化之间的来回，只会变得更频繁。

Evans 整套论证建立在一个非常特定的语境里：美国的大公司。

SAP、Workday、PwC 每年招三四千毕业生、「几百个系统」、18 个月的销售流程。这套生态在中国大量企业里根本不存在。很多中国公司没有「几百个系统」，大量流程是跑在微信、飞书、钉钉里，靠人和一张张表格顶着。

这意味着两件事：一是中国公司对 AI 造工具的接受方式可能不一样，不是「从即兴走向制度化」，而是在即兴空间里直接长出新能力；二是他预测的「软件总量未必降」，在中国可能会以完全不同的形态出现。

这不是说他错了，是说他的结论有适用范围。而这个范围，恰恰是中文读者最容易忽略的。

还有一处小的地方：他把「前线部署工程师」当成问题的答案。但那本质上还是少数人的游戏，不是他标题里暗示的那种「人人都能造工具」的变革。这两者之间的张力他没有处理。

这篇最打动我的不是结论，是一个观察的角度。

大家都在问「AI 能做什么」。他在问「软件到底是怎么出现的」。

后一个问题更难，但它决定了前一个问题的答案。

所以下次再看到「以后人人都用 AI 造软件」这种说法，可以多想一层：那个任务，为什么到现在还没被自动化？是真的没人做，还是因为它已经长成了一家公司，或者它正等着被刻进石头里。

原文：https://www.ben-evans.com/benedictevans/2026/9/3/ai-tools-and-transformation

（Benedict Evans《AI, tools and transformation》，2026 年 9 月 3 日。本文为解读，非翻译。）

如果你觉得今天这篇有收获，欢迎点赞、在看、转发三连，我们下篇见。