管理者开始用AI,对软件厂商的冲击

当老板开始用AI写软件，传统厂商最先失去的不是订单

《AI落地实勘录》· 板块四 落地心法 · 第14篇

素材，近期东北、黑龙江项目观察｜管理者使用Codex、WorkBuddy制作原型带来的甲乙方关系变化

上一篇，第14篇《AI能跑不算交付，甲方到底该验收什么？》

大家好，这里是《AI落地实勘录》。

最近在东北的一个项目里，客户高管（总会计师）说了一句话，“用AI编一套软件容易得很”。

站在做过企业软件的人角度，这句话当然经不起推敲。一个能点击的页面，和真正运行在企业里的管理系统，中间还隔着数据、权限、接口、审计、异常处理和长期运维。可我没有只把它当成外行话，因为它虽然低估了软件，却准确反映了一种正在发生的变化。

甲方已经开始亲手碰到软件生产的第一道门槛。

以前管理者有一个点子，要交代给分管领导，再转给业务部门和信息部门，由信息部门整理需求、寻找软件厂商。中间每转一次，需求都会衰减一点、变形一点。等方案回来，管理者自己都未必记得最初想解决什么。

现在不一样了。管理者想到考核页面、经营看板或者移动填报场景，手边如果有Codex、WorkBuddy，完全可以先做一个微信小程序原型，或者一份能交互的HTML动态文档。它未必能投入生产，却足以把模糊想法变成可以点击和讨论的东西。

这个变化带来的影响，可能比多一个AI功能更大。

一、AI先缩短的，不是开发周期，而是需求距离

过去甲方描述需求，乙方负责理解和翻译。客户说想看经营情况，厂商要继续追问看哪些指标、从哪里取数、谁能查看、出现异常以后怎么办。能不能把一句管理语言变成一套系统方案，是软件厂商的重要能力，也是双方信息差的一部分。

现在管理者可以自己完成最早的一轮验证。他不需要写出完整代码，只要把想法不断讲给AI，再根据结果调整，就能判断基本逻辑和操作方式。

AI平权的第一件事，不是让每个人都成为程序员，而是让需求者第一次拥有了低成本表达和验证需求的能力。

以前甲方拿着一句话找厂商，问能不能做。以后甲方可能拿着一个已经能操作的原型来问，怎么接进现有系统，多久能上线，为什么要花这么多钱。

厂商最先失去的不是订单，而是对需求解释权的垄断。

二、原型一旦看得见，甲乙方的议价方式就变了

需求停留在口头时，方案怎么拆、工作量多大、需要采购哪些模块，主要由厂商解释。甲方即使觉得贵，也很难判断钱究竟花在哪里。

原型出现以后，讨论会具体很多。管理者可以直接指出哪里要增加字段、哪里要改变动作，也可以追问，AI半天就能做出来的东西，为什么厂商要报几个月？

这个问题有时并不公平，但厂商绕不过去。客户看到的是界面生成速度，报价里还包含系统集成、权限控制和后续责任。双方谈论的根本不是同一种软件，可过去那句技术复杂，已经很难让客户信服。

传统厂商以后不能只报一个总工期，再用专业术语把过程包起来。必须拆开原型与生产系统之间的距离，哪些已经被AI完成，哪些要接真实数据，哪些涉及安全和责任，哪些成本来自企业原有系统。

AI让软件价格更透明了一部分，也逼着乙方把自己的价值讲得更具体。

三、最危险的误判，是把能演示当成能运行

管理者亲手做出原型，是进步。但人很容易从一个成功的小场景，跳到一个过大的结论。既然AI能写出一个小程序，是不是也能编一套ERP；既然它能读一张表，是不是就能打通全公司的数据；既然页面可以点击，是不是下个月就能给几百人使用？

管理者的优势，本来就是跳跃思考，快速抓住机会，再调动组织去实现。可AI把想法变成原型的速度太快，也会放大这种跳跃。过去的传递和开发周期虽然低效，却给了组织一段冷却时间。现在原型当天就能出现，错误判断也可能更快进入立项和预算。

一个页面能跑，不代表权限不会串；一组数据能算，不代表口径长期一致；十个人能用，不代表一千个人同时使用还能稳定。更重要的是，AI可以生成代码，却不会自动承担业务中断、数据泄露和错误决策的责任。

AI平权了软件表达，没有同时平权企业级交付。

这条边界，甲方需要清醒，乙方也不能故意拿来吓唬客户。

四、软件厂商真正要卖的，是把原型带进生产

面对客户自己做出的原型，传统厂商很容易出现两种反应。一种是轻视，觉得这些都是玩具，根本不值一提；另一种是迎合，客户演示什么就承诺什么，先把项目拿下来再说。

两种反应都会让厂商越来越被动。前者是在否定客户已经获得的新能力，后者则把原型里的全部误判接成了自己的交付责任。

更合理的做法，是把客户原型当成需求讨论的起点。先确认它想解决哪项管理任务，哪些交互确实有效，再共同标出从演示走向生产还缺什么。数据从哪里来，沿用谁的口径；哪些人能看，哪些动作必须审批；失败以后谁接管；上线以后谁维护；效果如何验收。

过去厂商经常从一张空白需求表开始。以后，甲方可能先完成从零到原型，乙方负责从原型到生产。前半段越来越便宜，后半段更考验业务理解、系统集成和风险承担。

会写功能当然还有价值，但只会照着需求单堆功能，价值会越来越薄。

五、真正承压的，是靠信息差赚钱的交付模式

AI不会让企业软件一夜消失。复杂流程、历史数据、跨系统集成、权限合规和持续运维，依然需要专业团队。在制造业和大型组织里，软件要嵌入真实业务，接受多年变化。

但有一部分生意一定会被压缩。简单表单、轻量查询、展示页面和标准化小应用，甲方自己能做出原型，信息部门也能借助AI快速实现，继续按照过去的人天和模块价格销售，会越来越难。

厂商还能不能守住价值，要看它能否回答几个更难的问题。客户的点子适不适合进入生产，原型背后缺少哪些业务规则，怎样接入旧系统，出了错误如何停止，交付以后甲方能不能接住。

这也会倒逼咨询与实施重新分工。咨询不能再只是为了证明自家产品适合客户，实施也不能等需求层层转交后照单开发。甲方已经能够参与最初的设计，乙方要提供的是独立判断、工程化能力和结果责任。

AI拿不走所有软件公司的饭碗。它先拿走的是模糊报价、重复开发和需求信息差留下的利润。

客户会做原型，厂商更要会交付

回到黑龙江项目里那句话，用AI编一套软件容易得很。它在技术上并不准确，却可能是软件行业必须认真听见的一句话。

因为客户未必要真的替代软件厂商。他只是第一次可以绕过几层传递，把自己的管理想法直接变成一个看得见的东西。需求一旦看得见，厂商过去依赖的表达优势、解释优势和信息差，就会重新分配。

未来更现实的甲乙方关系，可能是管理者先用AI验证点子，信息部门判断系统边界，软件厂商负责工程化、集成、治理和长期运行。谁也没有完全取代谁，但每一方原来的位置都变了。

如果你是企业管理者，可以回头看看，最近有没有亲手用AI做过页面、表格或者小程序？它最终停在演示，还是进入了真实业务？如果你是软件厂商，也可以问问自己，客户拿着原型进场以后，你还能提供什么只有专业交付才能完成的价值？

下一期，我们继续看AI进入员工层以后，管理者可能出现的新盲区。当人人都能用AI写报告、做纪要，领导还怎么识别真正的人才？

技术方案总有完美蓝图，企业落地永远直面现实。不神化AI，不否定AI，只聊适配企业真实处境的数字化解法。

《AI落地实勘录》· 只写我在现场看到的AI，不写PPT上的。

关注「数智行者」，不画饼、不说教、只讲真话。