AI能写代码，但为何软件项目仍频频失败？

当人人都能编程，问题反而暴露了

软件开发者Paul Ford在《纽约时报》的评论文章中，道出了一个被行业逐渐意识到的真相：AI确实能写出相当不错的代码，但它同时也让「用糟糕的方式去做别人的工作」变得轻而易举。这句话背后，藏着当下AI编程热潮中最容易被忽略的矛盾。

Ford坦言，有一段时间，像他这样的软件开发者岗位似乎注定要被淘汰——面对不知疲倦的「机器人」，人类如何抗衡？但随着实践的深入，行业慢慢认识到：打造真正处于前沿的软件，依然需要人类共同思考、协作，最大化各自的技能组合，并锤炼各自的专业手艺。

他抛出的那句结论尤为犀利：「既然现在人人都能写代码，也就更清楚为什么许多人不该去写。」这并非精英式的傲慢，而是对软件工程本质的一次重新校准。

AI降低门槛，却放大了平庸

AI编程工具的最大卖点，是把编写代码的门槛降到了前所未有的低点。任何人都可以描述需求，然后得到一段能跑的代码。但Ford指出的关键在于：能写出代码，和能做好一个软件项目，是两回事。

代码只是软件工程的表层。真正决定项目成败的，是架构设计、需求理解、边界处理、团队协作以及对长期可维护性的判断。这些恰恰是当前生成式AI难以独立承担的部分。当一个不具备工程判断力的人借助AI「快速产出」时，他往往是在快速累积技术债务——表面看进度飞快，实则埋下了项目失败的种子。

这也解释了为什么Ford观察到「那么多项目失败」。AI没有让平庸的工作消失，反而让平庸的工作更容易被大量制造出来。

技术债务（Technical Debt）是软件工程中的核心概念，由Ward Cunningham于1992年提出。它用金融借贷作比喻：为了短期快速交付而采用不够完善的解决方案，相当于向未来借款——日后需要花费更多精力来修复、重构和维护，这额外的成本就是「利息」。技术债务本身并非绝对的坏事，合理的短期权衡有时是必要的商业决策，但当它在无意识、无规划的状态下积累时，往往会演变成压垮项目的隐性负担：代码越来越难以修改，新功能的开发成本指数级上升，最终可能导致系统不得不推倒重来。AI辅助编程在这一维度上的风险尤为值得警惕——生成的代码在表面上能够运行，却可能在架构、命名、边界处理等层面埋下大量隐患，而缺乏工程经验的使用者往往难以在早期识别这些问题。

从深蓝到大语言模型：老问题的新版本

这篇文章被标注了「deep-blue」（深蓝）的标签，这个细节颇具意味。1997年击败卡斯帕罗夫的国际象棋计算机深蓝，曾引发过一轮「人类将被机器取代」的焦虑。几十年过去，人类棋手并没有消失，反而在与AI的共存中进化出了新的下法。

生成式AI与软件开发的关系，正在重演类似的剧本。技术能够完成某项具体任务（写代码、下棋），并不等于它能取代承担这项任务的完整职业角色。职业的价值，往往在于那些无法被单一任务定义的部分——判断、协作、审美、责任。

Ford的观点与此一脉相承：AI是强大的工具，但工具需要懂行的人来使用，才能产出真正有价值的成果。

深蓝（Deep Blue）是IBM开发的国际象棋专用计算机，1997年以3.5比2.5的总比分击败了当时的世界冠军加里·卡斯帕罗夫，成为首台在标准赛制下战胜人类顶级棋手的计算机。这一事件在当时引发了广泛的「机器终将取代人类智识劳动」的讨论。然而后来的发展出人意料：职业棋手并未消失，反而诞生了「人机协作棋」（Advanced Chess/Centaur Chess）这一全新形式——人类借助计算机辅助分析，往往能下出超越纯人类或纯计算机的棋局。这个历史先例为理解AI与专业职业的关系提供了重要参照：技术突破某项具体能力的边界，通常会重塑而非消灭对应的职业生态，并催生出新的人机协作模式。大语言模型在代码生成上的突破，与深蓝在棋类上的突破具有结构性的相似——两者都是在「可量化的具体任务」上超越人类，却都无法复制职业背后更复杂的判断与责任体系。

对开发者意味着什么

这段评论给当下的开发者和团队几点务实的启示：

• AI是放大器，而非替代者。它会放大使用者的能力，无论这种能力是高是低。有经验的工程师用AI能事半功倍，缺乏判断力的人用AI则可能加速翻车。
• 工程判断力的价值在上升。当写代码本身变得廉价，判断「该写什么、不该写什么、如何组织」的能力反而更加稀缺和珍贵。
• 协作与手艺仍不可替代。Ford特别强调「人类共同思考、协作」，前沿软件的诞生依赖的是团队智慧的整合，而不是单点的代码产出速度。

换句话说，AI没有终结软件开发这个职业，它只是重新划定了这个职业的价值边界——把重心从「能不能写出来」转移到了「值不值得这样写、能不能做好」。

结语：门槛低了，标准反而更高

Paul Ford这段简短的评论之所以引发共鸣，是因为它戳破了「AI万能」叙事下的一层泡沫。AI让编程变得人人可及，这是了不起的进步；但它也让我们更清楚地看到，做好软件从来就不只是写代码那么简单。

对于真正想在AI时代持续创造价值的从业者来说，答案或许不是与AI竞争谁写得快，而是把自己变成那个「懂得该做什么」的人。