AI 写代码快了十倍，但他把自己做的 AI 工具全关了

或许我们已经进入了可以抛弃程序的时代。实际上，我自己开发的 AI 工具和个人 AI 智能体也已经停用了。

以前，每当我想把某项工作自动化时，都会用 Claude Code 之类的工具写程序。从 Gmail 获取邮件，用 AI 判断内容，记录到电子表格，再通知到 Slack。我需要查各个服务的 API，再用程序把它们串联起来运行。

多亏了 AI，这类东西的制作变得惊人地简单。以前要花几天的事，现在有时几十分钟就能完成。

但最近我开始觉得，或许根本就不用做了。理由有几个。

首先，做完之后的维护很麻烦。虽然用 AI 写代码变简单了，但只要做了程序，就得处理报错、API 规格变更、库的更新、安全对策等问题。

随着 AI 能不断量产小型应用，也出现了新的问题：大量没人能看懂内部逻辑、也无法维护的程序被遗留下来。制作成本是降了，但运营成本并没有因此消失。

还有一个更大的理由。现有的 AI 工具本身，已经开始超越自制程序的能力。

比如 Grok Bot 和 Claude 等，可以打开浏览器登录服务，确认画面，获取或更新数据。以前必须写 API 联动程序才能完成的工作，现在 AI 自己就能像人一样操作电脑来完成。比如确认 Chatwork 的内容、整理 Google Drive 的资料、发布 Instagram 或 YouTube 的帖子。

甚至还有 AI 能在云端拥有一台属于自己的电脑，即使我这边的电脑关着，也能定期推进工作。也就是说，以前需要“让 AI 写程序来干活”，现在已经可以“直接把工作交给 AI 本身”了。这一点非常重要。

而且，为了把工作交给 AI，需要的不是程序，而是手册或指示书。“每天早上确认这些信息，遇到这种情况就更新电子表格，符合这个条件就汇报。重要的判断要先和人确认。”

这感觉几乎和拜托人类员工干活一样。这样更灵活，也更容易应对业务变更。

而且，手册不是工程师也能读、能改。交接给其他员工也更简单。如果 AI 模型更新了，也许还能在沿用同一份指示书的情况下，做到以前做不到的事。

如果自己写程序，就必须一直维护一套建立在当时技术和规格之上的机制。相比之下，我认为把工作交给不断进化的 AI，长期来看可能更好。

从费用方面看，如果不新增服务器或系统，主要靠使用现有 AI 工具的费用来运营，成本也更容易预估。安全方面也有好处，不用增加自己的小系统。不过，仍需管理授予 AI 的访问权限和操作范围，所以不会让它什么都自由做。

最近，在帮助企业引入 AI 的 AX GYM，我也越来越多地用这种思路来沟通。比如，有一家公司让 Claude 阅读了包含 40 多个项目的业务检查清单，把工作分成了 AI 做的、经人批准后推进的、以及人来做的。不做独立程序，而是基于现有业务手册，让 AI 推进工作。业务规则变了，不用改代码，改手册就行。

当然，并不是说程序就完全不需要了。如果每次都要大量执行完全相同的处理，用 n8n 之类的工作流可能更快更准确；现有 AI 做不到的部分，再写程序就行。只是思考的顺序变了。

以前是“要实现这个，该写什么样的程序”。现在是从“这个，能不能直接交给 AI 做？”开始想。

而且，通过这个变化，我还意识到了另一件事。即使用 AI 写代码的速度快了好几倍，整体工作的生产力并不会因此直接翻几倍。毕竟，工作最终还是会卡在人的确认和判断上。

我认为，今后重要的不是用 AI 能多快做出东西，而是能把多少工作交给 AI。以及为此要如何制定判断标准和工作规则。

我自己现在也是，比起写代码的时间，花更多时间去思考公司想达成什么、哪些交给 AI、哪些由人来判断。因为用省下来的时间去提升销售额、投入新事业，才是本来的目的。

能用 AI 写程序固然很厉害，但我认为，连程序都不用写、AI 自己就能干活这件事，才是更大的变化。