夜雨聆风你有没有发现，最近饭局上的气氛不太对。
以前做SaaS的聚在一起，聊的是谁家融了多少钱、谁又拿下了哪个大客户。今年开口就是"你们公司裁了吗"。
一个做营销数字化的朋友跟我说，公司今年第一次零增长。团队没拉胯，产品没变差，但客户就是不再买传统软件了。预算全去了AI项目。
做HR系统的朋友接了一句更扎心的：Workday的CTO跑了。
Peter Bailis，斯坦福博士，2025年5月空降Workday做CTO，管整个产品套件的AI战略。不到一年，自己先撤了。不是跳槽当高管，是去了Anthropic做一个没有行政级别的纯技术岗，"member of technical staff"。
一个C-level，把title扔了，回去写代码。
与此同时，SAP的股价从2025年2月的峰值蒸发了1300亿美元。摩根大通分析师说得直白：投资人担心AI让企业软件开发越来越容易复制，软件公司的定价权在瓦解。
把这些事拼在一起看，结论只有一个。
写代码这件事，正在从核心竞争力变成基础设施。 但你不是只能干等。有一批人，反而会更值钱。
01 写代码为什么在贬值？
先问一个很笨的问题：软件到底是什么？
拆到底，就干三件事：记录、流转、决策。
ERP记录财务，OA流转审批，CRM记录客户。过去五十年，软件行业90%的价值在前两件事上。
大模型直接动了第三件。
你看CRM。以前是你打了几个电话、见了几个客户，月底经理拉报表看谁偷懒。现在的AI原生CRM不这样了，它直接告诉销售：这个客户先别跟，那个客户该出价了，出多少。
这不是辅助。是替代。
那软件公司过去靠什么赚钱？流程复杂、数据沉淀、换系统太麻烦。
AI正在一层一层拆这三样。
流程复杂——以前上一套系统，配置流程要搞几个月。这是护城河。现在一个会写prompt的业务员，用AI就能搭出一套能跑的审批流。
数据沉淀——以前客户不敢换系统，数据全在里面。如果AI能把数据一键迁移、重新建模，"人质效应"就弱了大半。
换系统太麻烦——以前换一套营销系统，光培训导购就得几周。未来系统如果是自然语言交互的，培训成本趋近于零。
三层拆完，软件公司过去最硬的东西，变成了最脆的东西。
写代码也一样。
以前会写代码是核心竞争力，代码稀缺。现在AI十秒钟生成你写一天的代码。代码不稀缺了。
问题没变少，反而更多了。
02 问题变了，值钱的人也就变了
有一件事你仔细想想，挺有意思的。
程序员这个职业，一直有两个东西绑在一起：会写代码 和 能解决问题。
过去这俩高度重合。会写代码就等于能解决问题。公司招你，既买了你的编码能力，也买了你解决问题的能力。
AI正在把它们撕开。
写代码在贬值。解决问题在升值。
那AI做不了的"解决问题"长什么样？
第一种：把客户的乱麻翻译成AI能懂的规则。
一个快消品牌的渠道政策写了几十页PPT，实际执行变出几十种例外。经销商返利算了三层——明返、暗返、季度返、年度返，还有各种"特批"。门店导购的排班规则跟绩效怎么挂钩，连大区经理都不一定说得清。
大模型永远猜不到这些东西。
它们是"现场知识"。只有泡在那个行业、那个客户、那个场景里的人才知道。
能把这些现场知识结构化、翻译成AI能理解的规则的人，AI绕不开。
第二种：能判断"这个事该不该用AI做"。
程序员过去是执行层。产品经理说做什么，你实现它。
但执行是AI最擅长的。留在纯执行的位置上，最危险。
反过来，一个需求来了，你能判断这个该用AI吗？用的话边界在哪？不用的话为什么？你会越来越值钱。
这不只是技术判断。业务、成本、风险，你都得算进去。
第三种：愿意把手弄脏，进客户现场。
软件行业有个很普遍的错觉：护城河在代码里。
其实不在。护城河在客户现场。
一个营销SaaS，客户为什么续费？不是因为你代码写得好。是因为你比他自己更懂他的渠道、门店、促销。因为你已经把他的乱麻梳成了系统规则，换一家得从头来。
这件事AI做不了。不是技术上做不了，是物理上做不了。AI不会去客户现场蹲点，不会跟大区经理抽烟聊天，不会在仓库里对着送货单对账。
03 这三种人，具体长什么样？
第一种人：现场翻译官。
能把客户现场那堆说不清、道不明、写不出来的规则，翻译成结构化知识。
你可能叫产品经理、解决方案架构师、实施顾问。名字不重要。重要的是你能不能坐在客户会议室里，听两个小时业务扯皮，然后画出一张让双方都觉得"对，就是这个"的流程图。
这种人永远稀缺。他不只是懂技术，他懂业务。不只是懂业务，他懂这个客户。
第二种人：问题定义者。
从"有人告诉我做什么"变成"我来判断该做什么"。
这个转变不容易。程序员的职业惯性是接需求，你给我明确输入，我给确定输出。
但AI时代，确定输入对应确定输出，机器比你快。人的价值转移到不确定的地带——定义问题本身。
这个需求值不值得做？做到什么程度算够？用AI还是传统方式？风险和边界在哪？
能回答这些问题的人，不是在写代码，是在做判断。AI做不了判断。
第三种人：复合型交付者。
能理解业务，能驾驭AI工具，能把东西交到客户现场。
不需要顶尖算法工程师，也不需要顶尖销售。但他是"能从头到尾把一件事做成"的人。
客户说要智能营销推荐，他能拆成几个阶段：第一阶段先用规则引擎跑通，不碰AI；第二阶段引入模型做预测；第三阶段才考虑Agent自主决策。每个阶段交付什么、怎么验收、风险怎么控，他门清。
这种人不会失业。他是搞定事情的人，不是写代码的人。
04 做营销SaaS的，三条活路
如果你在营销数字化这个赛道：
第一，别跟客户的自研拼60分。
AI让客户自研从30分涨到了60分。对中国企业来说，60分够了。便宜、可控、够用。
这个趋势挡不住。与其对抗，不如做客户自研做不到的那40分——复杂业务规则、行业最佳实践、持续交付能力。
第二，从记录型变决策型。
营销SaaS过去的核心是"管"：管渠道、管门店、管促销。本质是记录和流转。
未来的核心是帮客户做判断：这个渠道还投不投？这个促销ROI会不会亏？这个门店数据有没有异常？
谁先完成这个转型，谁就从"可替换的工具"变成了"离不开的外脑"。
第三，把手弄脏。
别做轻飘飘的AI套壳。模型越来越强，套壳越来越便宜。
真正的护城河在客户现场。那堆乱麻、那些特批、那些说不清的规则。谁能把这些做成AI绕不开的东西，谁就能活。
最后一句
软件行业没有在"去程序员化"。
它在去写代码化。
写代码会越来越不值钱。但理解客户、定义问题、翻译现场，这三件事AI做不了。
别跟AI比写代码。去比那些AI做不到的事。
