AI确实代表更高的生产力，这是不争的事实。我们都知道，生产力的发展必然会推动生产关系的变革，那么AI在软件开发领域也必然会带来工作组织形式的变化。不过，到底会有哪些具体的变化，目前还很难说得很清楚。今天，我就来聊聊我的一些看法。
先说说AI在软件开发中到底能干到什么程度。从宏观上看，很多人认为AI的应用可以覆盖超过50%的从业者，这听起来似乎很有说服力。但如果我们从局部观察，这个结论可能就不那么准确了。因为在我看来，目前AI的应用其实还不够充分。大模型的研究和更新速度飞快，但相关的软件生态却远远跟不上，这就导致用户很难凭借个人经验去充分发挥AI的优势。结果就是，在很多场景下，AI在软件开发中的应用比例可能还不到50%。
那么，超过50%的从业者意味着什么呢？理论上来说，这意味着可以提高软件生产的下限，也就是说，那些利用好AI进行生产的企业，其生产水平的下限可能会高于业内50%的企业。这样一来，企业就能把更多的人力资源投入到突破上限的工作中去。这听起来是个很理想的情况，不过这只是对趋势的一种观察。在实际生产中，AI很多时候还需要承担维护既有项目的任务。在现有的流程和规范的约束下，AI能够发挥的价值就会大打折扣。毕竟，这些流程、规范和制度都是在没有AI辅助的情况下摸索出来的，AI的特点很难在这种环境下得到充分发挥，这也是情理之中的事情。
除了提高下限，AI在软件开发中还能带来效率提升、企业知识存储和共享能力的提升，以及由于效率提升带来的人力时间增值。效率提升这个概念很好理解，就是单位时间内能完成更多的工作，而且出错率也会降低，规范也更容易落实。出错率低，一方面是因为AI生成的内容稳定性比人工更高，另一方面，AI还可以通过自我检查和评估来提升质量，这比人工操作要容易得多。至于落实规范，AI生成指令时本来就遵循了模型预训练的要求，你让它往东，它肯定不会往西，可以说是相当“听话”了。
不过，知识存储和共享能力目前的应用情况并不理想。虽然在少数领域，基于AI的知识库已经取得了一定的成果，但从整体来看，普及情况还很差。大多数基于AI的知识库都把精力放在了解决存量知识的存储问题上，但这本身就是一个很复杂的事情，甚至有点像在做大型模型本身的工作。我觉得，只有当AI能够自己完成知识存储和共享的任务时，才能真正发挥存量知识的最大效能。目前来看，与其在存量上费力，不如先规范增量，因为存量对于一般企业来说性价比并不高。
最后，我们再来看看效率提升带来的人力时间增值。这个道理也很简单，比如你用1万块雇佣一个开发人员，他不用AI辅助的话，三个工作日才能完成的事情，现在用AI辅助，一个工作日就能搞定。这样一来，他还能腾出两天时间去做别的事情，这不就是企业白赚的吗？当然将人力时间增值简单地等同于企业“白赚”可能过于简化。实际中，开发者节省的时间可能需要投入到其他高价值任务中，而非完全转化为企业的额外收益。
