AI让”写需求”变得零成本，但也让”伪需求”包装得更难识别。当所有人都能生成一份”看起来很专业”的需求文档时，愿意追问”你真正想解决什么”的人，才是最稀缺的。
一份”完美”的需求文档
上周一位IT负责人发来一份Excel——《XXX数字员工需求清单》。81项功能，10大模块，从Agent身份管理到多模型编排，从幻觉治理到死循环熔断。有优先级、有实现阶段、有性能指标（”≥100并发，≤10个实例”）。
术语专业，结构完整，一看就是AI辅助生成的”行业标准”文档。按这个做，预估6个月起，预算百万级。
但我们问了一个问题
文档里写满了”要什么”。但我们想先知道”为什么”。
你们现在员工日常工作中，最花时间的重复性任务是什么？
答案出乎意料：很多人连基础的AI工具都不会用。不是不想用，是不知道从何开始。老板说要”接住AI提高效率”，团队却无从下手。那份81项的清单，本质上是一份 “怕漏掉什么”的安全感清单 ——把所有”看起来该考虑的”都堆进去，显得专业、不容易被问责。
全是解决方案，没有问题
这份清单的每个条目都在描述”手段”，但”目的”是空白的：
| 清单里写的 | 背后的假设 | 但真实情况是… |
|---|---|---|
| 多模型编排（轻量/高精度路由） | 我们需要复杂AI架构 | 一个模型都还没跑起来 |
| 幻觉率监控，按周/月统计 | 幻觉是需要治理的大问题 | 知识库质量还没人管 |
| MCP协议支持 | 要符合最新技术标准 | 一个MCP Server都没有 |
| 循环调用防护、死循环检测 | 系统要健壮 | 先有一个Agent能跑起来再说 |
| ≥100并发用户，≤10个实例 | 要支撑全公司使用 | IT部门能运维10个实例吗？ |
最讽刺的是，文档连”统一入口”四个字都没提——而员工真正的痛点是 “不知道去哪里找信息”。
我们的建议：先培训，再建设
最终，我们没有谈平台、没有谈架构。我们建议：先做一次M365 Copilot的全员培训。让员工先会用AI，先在真实工作里感受到”原来这样可以省时间”。等他们有了体感，自然会告诉你——哪些环节真的需要自动化，哪些只是”看起来酷”的功能。
投入从”6个月+百万预算”变成”1天+培训成本”。
AI加剧了”软件危机”
1968年NATO会议首次提出”软件危机”——核心问题：人不知道自己要什么，也无法准确描述自己要的。五十多年过去了，AI没有解决这个问题，反而加剧了它：
AI让”生产错误解决方案”的速度和精美程度都提升了100倍。
以前客户说”我要一个APP”，你至少能看出这是方案不是需求。现在AI生成的需求文档，连专业人士都要多看几眼才能识别。
未来开发者的角色转移
当AI让”写代码”变得廉价时，定义正确的问题反而变得更稀缺、更有价值。
| 传统开发 | 未来开发 |
|---|---|
| 把PRD翻译成代码 | 把”模糊意图”翻译成”可验证假设” |
| 关注技术实现 | 关注问题定义 |
| 代码是交付物 | 理解才是交付物 |
| 与机器对话 | 在人与AI之间双向翻译 |
AI擅长把模糊变清晰，但它不知道”清晰”的方向对不对。
写在最后
那份81项的Excel，我保存在一个文件夹里。不是作为项目文档，而是作为一个提醒：当所有人都能生成一份”看起来很专业”的需求文档时，愿意追问”你真正想解决什么”的人，才是最稀缺的。
有时候，最好的技术方案，是从一次对话开始的。
如果你也在经历”AI需求膨胀”的困扰，欢迎交流。
