AI 当然会改变很多东西，但它并不是一阵风吹过去，企业就自动变聪明了。越靠近真实生产，越会发现一个朴素事实：企业连数据、流程、责任边界都没理清，就谈不上让 AI 做决策。
昨天和一位做企业智能化服务的朋友聊了一个多小时。我本来只是想听听外面的客户现场到底在发生什么，聊完以后，反而更清楚地看见了技术人接下来几年可能要站的位置。
现在很多企业都在看 AI，也愿意试。但试的地方，大多还在非核心场景。
比如合同识别、付款提醒、采购跟进、知识库问答、日报生成、PPT 辅助、客服问答。这些场景出错了，最多是多看一眼、多改一次、多走一次人工确认。
到了生产制造，就完全不是一个量级。一个排产建议错了，可能影响交付；一个质检判断错了，可能影响整批货；一个 MES 系统停几分钟，损失可能不是几个人返工，而是真金白银地烧掉。
这也是为什么企业老板嘴上说“我们也要上 AI”，但真正到核心生产环节时，动作会变得非常保守。不是他们不懂趋势，而是他们知道代价。
AI 现在很擅长给建议、生成材料、补齐信息、辅助判断，但企业真正要的是可控。尤其是制造业，要的不是“看起来差不多”，而是每一步都能解释、能追溯、能兜住后果。
朋友说了一句话，我印象很深：连数字化都没做好的企业，不可能直接跨到智能化。
这句话听起来不新鲜，但在 AI 热潮里反而容易被忽略。很多人现在讲 AI，好像只要接一个大模型，写几个 prompt，配几个 agent，企业就能自动运转。但真实企业里，问题往往不在模型，而在基础。
订单数据在哪里？采购状态谁维护？到货之后有没有记录？
质检结果怎么反馈？入库和出库有没有统一口径？
销售、生产、财务、仓储之间的数据关系清不清楚？
很多企业的问题不是 AI 不够强，而是连“事实”都没有被整理成机器能理解的样子。
过去的信息系统，大多是面向人、流程和设备建的。到了 AI 时代，这些数据还要进一步变成 AI 能理解、能调用、能推理的结构。
这也是朋友现在真正想做的方向：不是只帮企业搭几个表格、写几个 skill，而是把企业内部的订单、生产、物流、质检、库存、财务这些关系重新建出来，再在上面放智能体。
聊到钉钉、AI 表格、低代码时，有一个判断也很直接：平台一定会越来越强，通用能力一定会越来越便宜。
以前软件贵，是因为代码贵。以后代码本身会越来越便宜，甚至一句话就能生成一个初版应用。平台卖的也一定不是席位，而是 Token。
这对服务商来说是一个很现实的问题：如果只是帮客户搭表、配流程、做标准交付，空间会越来越小。
因为企业里的人也在变。二代接班人、年轻管理者、受过高等教育的新员工，会越来越懂工具。他们未必懂技术细节，但只要能把业务讲清楚，就能让 AI 帮他们做出一个差不多可用的东西。
通用能力一定会更强，也更便宜。
行业流程、事故代价和责任边界只能在现场里长出来。
知道订单、物料、质检、财务、排产和仓储到底怎么流动。
只会工具的人，很容易被工具替代。能把业务拆清楚、把责任边界讲清楚、把系统结构搭稳的人，才有新的位置。
我们也聊到程序员的焦虑。现在很多人说，AI 会写代码了，程序员要被替代了。这个判断有一半是真的。
写一个登录框、生成一段 CRUD、补一个工具函数，AI 确实很强。很多重复劳动会被吃掉，这个没有必要嘴硬。
但问题在于，代码能跑，不等于工程可持续。
一个真正懂工程的人使用 AI，是把自己脑子里的结构交给 AI 去实现。他知道系统边界在哪里，数据模型怎么设计，异常怎么处理，后续怎么扩展，测试怎么验证。
他让 AI 做的是填充、加速、生成备选方案。但如果一个人本来就讲不清楚需求，也不知道系统应该长什么样，只是对 AI 说“帮我做一个 CRM 系统”，那出来的东西大概率只是看着像。
越是强大的工具，越会放大使用者原本的能力。清楚的人会更快，混乱的人会更乱。
以后真正稀缺的，可能不是“会不会写代码”，而是能不能定义问题、拆分任务、判断质量、承担结果。
这次聊天对我最大的触动，其实不是某个商业机会，而是一个角度变化。
在大厂做久了，人很容易活在抽象里。每天面对的是需求、代码、架构、协同、排期、指标。时间久了，会以为外面的人都已经很懂 AI，都会用工具，都会写 prompt，都会搭应用。
但真实情况可能不是这样。对很多企业员工来说，把日报内容贴进 DeepSeek，让它总结一下，已经是一次不小的跨越。有人会花几百块买一个“插上就能用 AI”的 U 盘。
我们在圈子里觉得普通的东西，对另一些人来说还是门槛。这不是嘲笑谁，而是提醒自己：不要总拿身边那群最懂技术的人当世界样本。
尤其是企业核心系统，做完就走、不管后续，是一种不负责任。真正能留下来的服务，一定要有规范、文档、交接、可维护性，要让换一个人也能接得住。
我们还聊到超级个体。从赚钱效率看，一个有经验、有技术、有人脉的人，单干一年赚一笔钱，并不是难事。接几个项目，做一些交付，卖一些模板，讲几场课，都有可能。
但公司不一样。公司要养人，要交社保，要管理现金流，要处理客户关系，要考虑长期服务，还要把经验沉淀成规范，让别人也能接着做。
超级个体可以很灵活，做成就做，做不成就换。但企业客户不是这样。客户今天用了你的系统，明年还要继续用。你不做了，他的问题不会自动消失。
朋友说，他对“超级个体”这个概念并不完全乐观。它很像早年的个体户，能跑出一批厉害的人，但大多数服务很难承担长期责任。
前者靠能力和信用，后者还要靠标准、流程、团队和克制。
AI 时代，真正值得做的事情，可能不是追每一个新工具。
今天一个模型，明天一个平台，后天一个新概念。每天追这些东西，人会被拖着跑，而且永远追不完。
更稳的做法，是回到自己能站住的位置：你有什么行业经验？你理解什么业务？你能解决谁的真实问题？你能不能把一个模糊需求变成清楚的结构？你能不能让 AI 参与进来，同时让结果可控？
对研发来说，转型不一定是从写代码转去卖课，也不一定是追着每个新框架跑。更可能的方向，是从“实现者”变成“定义者”和“验证者”。
这个角色不会轻松，但它比单纯写代码更靠近问题本身。
这场聊天的底色，其实是焦虑。创业者焦虑，研发焦虑，企业老板也焦虑。大家都知道 AI 会改变很多事，但没有人知道变化会快到什么程度，也没有人能规划太远。
但聊到后面，我反而觉得没必要被这种焦虑拖着走。大趋势我们改不了。模型会更强，平台会更便宜，很多工具型工作会被重做。这些都不是个人能挡住的。
个人能做的，是找一个自己还能产生价值的位置。别只盯着 AI 能替代什么，也要看它还替代不了什么。
当然，这些能力不会自动保值。它们也要更新，要和 AI 工具重新组合。
但只要企业还需要可靠的结果，只要生产还不能容忍随便试错，只要真实业务还复杂到一句话讲不清楚，人就还有位置。
这可能就是接下来几年，很多技术人新的生存方式。