过去半年，AI 在编程方面的能力快速提升，我参与的软件开发需求也越来越多。创业者想验证商业想法，中小企业希望开发内部工具，传统行业上市公司希望使用 AI 降本增效并研发 AI 销售系统，其中不少需求在过去会因为预算和周期被搁置。如今，他们开始寻找有经验的开发者，尝试用更低的成本把这些想法做出来。
与此同时，单个项目需要的开发人员也在减少。许多稳定运行的系统，在人员减少之后，功能的迭代速度反而加快了。
需求增加与团队缩小，正在同时发生。这让我开始重新思考：AI 降低了软件开发的哪些成本，又把哪些要求留给了人？
开发成本下降让更多想法值得尝试
万维钢用杰文斯悖论讨论 AI 与就业，我基本认同其中关于需求扩张的判断。
杰文斯悖论描述了一种反直觉的现象：技术提高了资源的利用效率，降低了使用成本，人们因此扩大使用规模、开发新的用途。即使完成同样的工作消耗更少，资源的总消耗仍可能增加。
这种结果有其条件，新增需求需要足够大，才能抵消单位消耗的下降。借用这个思路，可以理解软件开发市场正在发生的一些变化。
过去，一个创业想法要实现，可能需要组建小型开发团队，或者找一家外包公司，投入几个月的时间和一笔不小的预算。对于许多中小企业来说，即使某个系统能够改善业务，这样的投入也未必划算。
现在，有经验的开发者借助 AI，可以独立完成其中更多工作。对于需求明确、技术相对成熟的项目，开发和验证的成本有机会大幅下降。
成本变化会直接影响一个想法是否值得尝试。同样的商业构想，需要投入上百万元才能验证，与能够用远低于此的成本启动，面对的是完全不同的风险判断。
最近接触到的一些创业者和企业负责人，已经意识到了这种变化。他们开始主动寻找开发者，希望做一些内部提效工具、业务系统，或者验证新的产品方向。
这些需求中的相当一部分，过去就已经存在，只是没有足够的预算进入开发阶段。AI 降低了实现它们的成本，也扩大了软件开发服务的潜在市场。
这是我看好需求继续释放的原因。但价格和周期究竟能压缩多少，仍然取决于具体项目，以及承担项目的人。
完整交付依然需要工程经验
一个完整的软件系统，仍然需要专业的软件工程经验才能落地。AI 大幅提升了开发效率，也让经验丰富的人能够承担更完整的工作。
这两个条件，在讨论 AI 编程时很容易被分开。人们看到了一个人快速完成多个角色的工作，却容易忽略他已有的经验，以及项目此前积累的基础。
在我们的 AI 读书项目中，原来的团队有产品、App 开发、后端开发、运维等不同角色。后来人员缩减时，系统已经稳定运行，架构和基础功能都已建立，日常工作主要是增加常规功能。
在这个阶段，跨岗位沟通常常是影响速度的重要因素。一个需求需要协调前后端、确认接口、等待彼此的进度。我借助 AI 同时处理这些工作之后，许多沟通和等待被省去了，想法能够更快落实。
但这种速度有明确的前提：原团队已经完成了大量基础工作，我也熟悉系统和业务。
后来开发律师合同审查 AI Agent 时，我们低估了这些前提的重要性。最初的预期是半个月到一个月完成，我自己也觉得有可能做到。实际开发却断断续续持续了两个多月。
时间主要花在两个地方。
一方面，我过去擅长前端开发，对 AI Agent 的技术要求和相关框架缺少实践经验。前期把大量实现工作交给 AI，很快得到了结果，也很快发现了偏差。理解框架、判断方案、解决问题，都需要补上相应的知识和实践。
另一方面，产品本身还没有被充分定义。第一版解决什么问题，哪些功能必须保留，哪些可以推迟，怎样才算达到交付要求，这些细节没有想清楚。开发越往后推进，越需要修改前面的实现。
代码生成得很快，返工也随之增加。
这段经历让我更重视成熟的软件工程流程。产品设计、技术调研、分阶段验证和完整测试，都有各自需要解决的问题。AI 可以加速这些环节，却不会自动替我们补齐尚未作出的判断。
专业经验的价值就在这里：开发者知道哪些需求还存在歧义，哪些方案需要先验证，哪些功能可以延后，以及怎样判断系统已经能够支撑真实业务。
经验也有适用范围。熟悉前端开发，并不意味着面对一个全新的 Agent 系统，就已经具备了全部交付能力。AI 帮助我更快地进入陌生领域，相关的工程判断仍需要通过实践形成。
大家看到局部任务的提速，就容易对整个项目作出过于乐观的估计。
我更愿意把这一阶段看作开发者与老板共同经历的认知校准。我们都在学习如何估计 AI 带来的效率提升，也在重新认识完整交付所需要的条件。
新增需求会改变对开发者的要求
当开发成本下降，更多客户进入市场，他们需要的服务也会影响岗位的形态。
在我接触的不少项目需求中，客户往往带来一个商业想法，或者一个尚未梳理清楚的业务问题。他们希望有人帮助判断可行性，确定产品范围，并把它做成能够使用的系统。
这类需求对开发者的要求，已经超出了某一种技术栈。
一个人可能需要同时处理前后端，还要具备产品经理的思维，理解业务流程，有时甚至需要考虑运营和营销。AI 让他能够跨越原有的岗位边界，相应的决策和交付责任也集中到了他身上。
因此，我认为综合能力较强的开发者和小团队，会获得更多机会。他们既能利用 AI 压低开发成本，又有能力把客户模糊的想法整理成可执行、可验证的产品。
这也解释了为什么编程入门更容易之后，初级开发者仍然可能感受到更激烈的竞争。
在我接触的一些项目里，老板对交付速度的期待已经明显提高，留给新人学习和试错的耐心却未必同步增加。当基础实现可以更快完成，企业也会更早要求开发者独立解决问题。
不过，AI 同样在加快学习。理解陌生概念、阅读代码、排查问题、尝试新技术，都可以得到更及时的辅助。学习能力强的人，有机会在更短时间内拓展自己的工作范围。至于能否承担完整项目，仍然需要实际交付来检验。
另一部分变化来自原本不从事开发的人。熟悉业务、学习能力较强的运营人员，也可能借助 AI 制作简单工具，解决工作中的具体问题。软件需求会通过更多方式得到满足，其中一部分甚至不会形成单独的开发岗位。
传统外包公司依靠人月估算项目价值的方式，也会受到挑战。同样的交付结果，可能由规模差异很大的团队完成，人员投入与成果之间的关系正在变化。
AI 正在让软件开发变得越来越便宜，让更多过去因成本过高而被搁置的想法有机会成为现实。
随着开发成本不断下降，软件的应用场景将越来越广泛。而那些具备专业软件工程经验，能够借助 AI 将想法真正落地的人，将迎来更多机会。
评论