这两年去客户那儿聊需求，被问得最多的一句话变了。
以前是"这个功能能不能做"，现在是"这个 AI 不是十分钟就能写一个吗"。
说这话的时候客户通常是笑着的，手机里还开着一个对话框，里面已经给他出了一版界面，配色还挺好看。
我们也笑，然后沉默三秒。
因为他没说错。真坐下来出一版能点、能提交、能截图的东西，一个下午就够了；有 AI 搭手，确实不用像十年前那样磨两周。
我们沉默，从来不是因为写不出来。
一、把"一句话"翻成"边界"
客户说：给我们上个仓储防错。
AI 能给你一套扫码入库、扫码出库、库存报表，页面干净，还附赠一张趋势图。
我们做航材 RFID 那套系统的时候，客户真正怕的是另一件事——飞机座位上的救生衣和氧气面罩，过期了没人发现。这个需求 AI 猜不到，因为它没进过那架飞机，也没见过航材库房里那套人人都说得清、却从来没人写下来的规矩。
电子料盘的亮灯货架也是。听起来就是"货架上亮个灯，人照着拿"。真做起来是：拿一盘熄一盏、批次用颜色区分、必须先进先出、拿错了灯一直叫、心跳断了板子自己重启。这些不是功能，是车间里长出来的规矩。
所以我们现在的项目，一大半时间花在问问题上：谁用、一天用几次、出错谁背、老数据谁清、上线那天仓库是不是正好在盘库。
以前这叫需求调研，现在它更像翻译——把一句业务话，翻译成一套不会吵架的边界。
二、统一口径，比写算法难
给做轨道车辆噪声与振动设计的团队做平台时，我们发现最难的不是算，是同一个东西在三个部门有三套叫法。
数据也不在服务器上，在每个人自己的电脑里，文件名带日期后缀，谁也不知道哪份是最新的。
AI 写个聚合查询、生成个报告模板，快得很。但它不知道你们厂说的"齐套"，到底算不算在途、算不算已检未入库。
这个词得有人先拍板。拍完板，系统才有意义；拍不了板，再聪明的模型也只是把混乱做得更漂亮一点。
三、现场
我们做过一款酒店自助入住终端，软件本身不复杂，难的是要对接几十家酒店的 PMS、上百款门锁。每一家都有自己的老版本、自己的私有协议，以及自己那句"我们这边一直是这么配的"。
再往底层走，是 PLC、DTU、6LoWPAN、指示灯、看门狗、灯串，是柜子里那根被门压了一年的网线，是车间的无线信号死活穿不过那堵墙。
AI 写不出这些。它没蹲过机房，没在冬天的库房里拿过扫码枪，也不知道强电柜旁边不能放笔记本。
系统凌晨三点出问题的时候，客户要的不是一个更长的提示词，是一个能在两小时内出现在门口的人。
四、有人签字
数据不出厂、审计留痕、权限分级、国产化适配、99.99% 可用、故障自愈——这些东西在演示里不好看，但客户真出事的时候，全靠它们兜着。
AI 不会为这些负责。它写完只会说一句"如有其他需求请告诉我"，出了事故也不会半夜接电话。
代码越来越不值钱之后，"敢负责"这件事反而更值钱了。
一张表说清楚分工
| 环节 | AI 已经能帮上的 | 还得我们来 |
|---|---|---|
| 出原型 | 一下午一版 | 判断该不该做 |
| 写代码 | 补全、重构、补测试 | 定选型、画红线 |
| 理数据 | 清洗、聚合、出图 | 定口径 |
| 到现场 | 给一段排查思路 | 蹲机房、下车间 |
| 出事后 | 列十种可能原因 | 接电话、改、签字 |
那我们还写不写代码
写，而且比两年前写得快得多。
AI 现在在我们团队里，像个不下班的初级工程师：让它啃一版没人维护的老系统、把逻辑捋成文档，让它补测试、写脚本、把散在几十个 Word 里的工艺标准做成能问出处的知识库，它干得比我们谁都起劲。
但有四样东西我们不往外推：需求的边界、技术的选型、上线的回退方案、验收标准。
这四样得人来定。定错了，AI 只会用极快的速度，把错的东西做得特别完整。
最后
以前总有人讲，我有个特牛的点子，就差一个程序员。
现在 AI 就是那个程序员。然后大家慢慢发现，缺的从来不是程序员——市场没调研过，用户不知道在哪，推广不会做，产品好不好用也说不出个所以然。
我们这行干了快二十年，多的时候十几个人，平时就几个。技术换了一茬又一茬，从最早的 ASP 到今天的 Agent，很多东西我们也不会，也得现学。
只有一件事一直没变：客户付钱买的不是代码，是"这玩意儿在我这儿能跑起来，跑错了有人管"。
前半句，AI 越来越能干；后半句，暂时还得我们来。
金兰信息——把 AI 用在能提效的地方，把责任留在敢签字的地方。