AI产品谁都能做，但谁来做判断？

最近见到一个有意思的现象：同一个团队里，同一个AI工具，三个不同的人试用后给出了三个截然不同的结论。

A说"太强了，再迭代一下就能上线"，B说"方向对了但产品还不成熟"，C说"这是在浪费大家时间"。

三个人都是靠谱的工程师，谁都没看错，只是他们站在不同的楼层看问题。

从一个物理学概念说起

2002 年，Elon Musk 想造火箭。他去俄罗斯买，一枚翻新洲际导弹报价 840 万美元。买不起。

大多数人的反应是：火箭就是这么贵，这个行业就是这样，只能在现有供应商里比价。

Musk 没有接受这个前提。他问了一个更基本的问题：火箭到底是由什么组成的？

最近跟几个技术管理者聊天，发现一个有意思的现象：大家都在重新考虑招人的标准。

原因很简单——AI编码工具太强了。Cursor、Copilot、Codex这些工具，让一个中级工程师的输出量接近以前的高级工程师。团队不再缺"手快"的人，缺的是"能判断"的人。

这个变化，正在悄悄改变技术招聘的底层逻辑。

编码速度，曾经是硬通货

做了很多年技术，见过不少高P工程师的核心竞争力，说白了就是"手快"——需求来了能迅速出方案，别人三天的活他一天搞定。在编码为主的年代，这种能力确实值钱。

但这个优势正在被稀释。AI工具写得越来越像样，大部分情况下能直接给出80分的代码，改改就能用。当编码速度不再是瓶颈，手快的优势就没那么突出了。

这不是说技术能力不重要了，而是"会写代码"这个能力的市场价值在下降。就像Excel普及后，打字员这个岗位消失了一样。

资深工程师的真正壁垒

资深工程师的价值，从来就不只在写代码上。真正的壁垒是判断力——在信息不完整、约束条件模糊时做出正确选择的能力。

举个常见场景：系统选型，三个方案各有优劣，参数对比AI可以做，但最终选哪个，要考虑合规要求、团队技术储备、未来三年的业务增长方向。这些判断依赖经验和对业务的理解，AI帮不上忙。

飞猪上周发了新一代 AI 产品 V10，定位是"消费 Agent"。大部分报道的标题集中在"AI 帮你订机票"上，但我觉得真正值得技术管理者关注的，不是这个产品本身，而是飞猪 CTO 陈烨在评测会上抛出的一个判断：当前 AI 行业的价值高度集中在模型和算力层，应用层还没有出现足够多能承接价值的产品。

翻译成大白话就是：模型越来越强，但能用模型把事真正办完的产品，还是太少了。

这个问题我在金融科技领域也反复遇到。不少团队做智能客服、智能投顾，Demo 做出来很漂亮，聊天界面里 AI 对答如流。但用户真正需要的不是"被回答"，而是"被解决"。从"问答"到"交易"之间，隔着一条远比想象中宽的鸿沟。

Coding Agent 为什么先跑通了

陈烨提到一个观点，我觉得说到了问题的本质：Coding Agent 之所以率先找到产品市场匹配，不是因为写代码比做业务简单，而是因为代码世界有一个天然的验证闭环——代码能不能跑、测试通不通得过，答案是确定的、即时的。