乐于分享
好东西不私藏

一个需求没澄清,AI写得越快,后面返工越狠

一个需求没澄清,AI写得越快,后面返工越狠

我参与过一个的企业项目,做的是销售团队的客户跟进提醒。

项目不大,12个人左右的研发组,目标也不复杂:客户太久没跟进,系统自动提醒销售,避免商机丢掉。听起来是不是挺简单的?

老周是后端负责人,动作嘎嘎快,他把产品初版的PRD文档扔给Claude Code,接口、定时任务、提醒模板、后台页面,一上午就把Demo做出来了。

他当时还挺兴奋,跟我说:

“以前这种功能怎么也得磨两三天,现在半天就能看Demo。”

我看了他的Demo,的确像那么回事,把PRD里主要的需求都实现了。

直到评审会开始。

销售负责人看完页面,问了一句:

“多久没跟进算逾期?”

会议室安静了一下。

产品说:“大概一周吧。”

销售负责人马上追问:

“客户昨天刚进入报价阶段,但销售没写跟进记录,这算没跟进吗?”

测试同事也开始翻用例:

“客户已经签合同了,还提醒吗?销售离职了,提醒发给谁?主管能看到下属所有客户,还是只能看自己区域?”

我当时就懵了。不是因为这些问题刁钻,而是因为代码已经写出来了,可真正该确认的业务规则,还停在一句话上:

系统自动提醒销售及时跟进客户,避免客户流失。

这句话写在需求文档里,好像没什么问题。

但你让AI写代码,它就必须猜。

“及时”到底是3天、7天,还是15天?

“跟进”是打电话算,发微信算,写拜访记录算,还是必须在CRM里留痕才算?

客户进入合同阶段,还算不算需要跟进?

销售离职了,提醒发给原销售、主管,还是区域负责人?

主管能不能看到跨区域客户?

提醒发错了,谁解释?

你发现没有,需求里每一个含糊词,落到系统里都会变成一个默认判断。

最麻烦的是,这些默认判断不是业务方确认过的,而是AI猜出来的。

AI写得越快,猜得越多。

猜得越多,后面返工越狠。

老周刚开始觉得问题不大,说“补几个条件就行”。

我一听这句话,心里就有点发紧。

企业项目里,“补几个条件”经常不是补几行代码。

这次就是。

补触发条件,定时任务要改。

补客户状态,状态判断要改。

补离职转交,人员关系要改。

补主管权限,权限模型要改。

补消息留痕,表结构和测试用例都要跟着动。

原来半天跑出来的Demo,看起来省了时间,实际把没澄清的需求快速固化进了系统。

后面老周连着改了三轮。

第一轮,销售主管说提醒太频繁,销售觉得系统像在催命。

第二轮,测试发现客户已经成交了,系统还在提醒销售继续跟进。

第三轮,上线前权限评审卡住了,因为区域主管能看到不属于自己区域的客户摘要。

你看,这里面没有一个问题是AI不会写代码。

问题是,AI把一个没讲清楚的业务规则,快速写成了一个没人敢签字的功能。

后来我把需求拉回来,先不让老周继续写。

我当时补了一张表,直接贴到评审文档里。

需求里的坑
我现场追问的问题
不问清楚会怎样
及时跟进
几天没动作算逾期?按创建时间,还是最后有效跟进时间?
定时任务反复改
有效跟进
电话、微信、拜访、CRM记录,哪个算数?
销售说跟了,系统还在催
客户阶段
报价、合同、成交、关闭,哪些阶段还提醒?
已成交客户被误提醒
人员变动
销售离职、客户转交、多人协作时发给谁?
消息发错人,责任说不清
权限边界
主管能看哪些客户?能不能跨区域看摘要?
上线前被权限评审打回
消息策略
一天提醒几次?节假日发不发?要不要已读状态?
销售反感,运营也追不动
验收口径
哪些场景跑通才算完成?谁签字?
Demo能跑,验收不过

老周看完说了一句:

“这张表要是早一天有,我至少少改一半。”

这句话挺真实的。

AI不是不能用,恰恰是太能用了,所以前面的需求更不能糊弄。

后来我把原来的需求改成了这种写法:

当客户处于“意向沟通”或“方案报价”阶段,且最后一条有效跟进记录超过7个自然日时,系统在每天9:30向客户负责人发送提醒;如果客户负责人为空或已离职,提醒发送给直属主管;客户进入“合同签署”“成交”“关闭”状态后不再提醒;每条提醒都要记录发送时间、接收人、客户状态和已读状态。

这段话不漂亮,但能交付。

开发知道怎么写。

测试知道怎么验。

业务知道自己签的是什么。

上线后真出问题,也能查到是规则问题、数据问题,还是执行问题。

我现在参与这类AI项目,会很警惕一种情况:

页面出来很快,接口也能跑,可需求里的关键判断没人确认。

这时候千万别急着夸效率。

你要先问一句:

这个功能跑出来以后,业务敢不敢认?测试能不能验?负责人愿不愿意签字?

说白了,AI可以替你写代码,但不能替你背业务责任。

它能写定时任务,但不能替销售负责人定义什么叫客户流失。

它能生成权限判断,但不能替技术负责人承担越权风险。

它能补测试用例,但不能替产品确认验收标准。

后来我让老周改了AI的使用顺序。

别一上来就让AI写代码。

先让AI挑需求里的坑。

我给他的提示词很简单:

你是企业系统交付负责人。请阅读下面这段需求,找出会影响开发、测试、验收、权限、数据、异常处理和上线责任的模糊点。每个模糊点请输出:需要确认的问题、可能选项、建议默认方案、需要哪个角色确认、不确认会造成什么返工风险。需求如下:{粘贴需求原文}

这一步看起来像是在拖慢进度,其实是在省后面的命。

需求阶段发现问题,只是改几句话。

开发完发现问题,要改代码。

测试阶段发现问题,要改用例。

上线前发现问题,可能要改权限、改数据、改发布计划。

上线后发现问题,那就不是返工了,是事故复盘。

所以我现在越来越相信一句话:

AI不是交付捷径,它是放大器。

需求清楚,它放大效率。

需求模糊,它放大返工。

一个需求没澄清,AI写得越快,后面返工越狠。