# 团队 AI 提效需要工程化的创作者

上一篇留下了一个问题：组织已经确定目标，也找到了适合 AI 介入的流程，谁来把业务语言翻译成可以长期运行的系统？

我的答案是：团队需要更多具备工程化创作者素养的人。他们承担的工作角色，可以叫作 AI Workflow Owner。

这两个称呼处在不同层面。AI Workflow Owner 是工作角色，要求有人对一套已经进入团队使用的 AI 工作流持续负责；工程化的创作者是一种角色素养，它意味着一个人既愿意创造新的工作方式，也愿意把这种工作方式维护成团队可以反复使用的系统。一个人可以没有程序员头衔，也不必每天写很多代码，这个角色由他承担的责任决定。

## 编码门槛下降，工程责任不会消失

写代码是程序员最显性的工作内容，也曾经是进入数字世界的主要门槛。但程序员在生产系统里承担的工作，从来不只是把代码写出来。系统上线之后还会持续变化，团队必须发现结果偏差，并在故障发生后恢复服务。AI 让编码变得更便捷，却没有替任何人承担这些后续责任。

这件事并不新鲜。移动互联网兴起的年代，我在团队内率先用 Python 代替 C++ 写网站后台时，就有过类似感受。C++ 的字符串处理、内存管理，以及展开后可能让编译器爆炸的模板，对上层业务开发构成了很高的门槛。Python 和 PHP 等抽象程度更高的语言降低了这个门槛，更多人可以更快地编写业务逻辑，把注意力转向产品和流程。当时也流传着“以后每个人都可以做自己的 App”的都市传说。

后来发生的事情并不是全民开发。语言变简单以后，复杂性没有消失，只是从语法转到了上层业务，以及长期协作和维护。会写代码的人越来越多，能够维护生产系统的人仍然稀缺。

AI 正在重复类似的变化。它让不少业务人员有机会写脚本、搭工具，也让团队更容易用 AI 处理线索和摘要。更多人因此越过了编码门槛。但一个临时工具一旦进入团队使用，数据格式改变或权限失效就可能让流程中断，团队仍要发现错误并恢复服务。技术表达变容易以后，工程问题反而会更集中地暴露出来。

因此，AI 稀释的是单纯编码的门槛，不是程序员的全部价值。仅靠语法和重复劳动生存的“力工型”程序员会受到影响，具备工程素养的人则有机会承担更靠近业务的责任。与此同时，一部分非程序员也会跨过原来的技术边界，把领域经验变成产品和工作流。

工程化的创作者正是在这两股变化中出现的。

## 程序员和业务专家会从两个方向进入这个角色

程序员原本就熟悉代码工程。他们知道一次修改必须经过测试和审查，也知道系统故障不能靠重新生成一遍来解决。AI 替他们承担越来越多编码工作以后，一部分程序员会离开纯粹的实现端，更直接地研究业务目标和一线流程。

这类人的工作方式会更接近 FDE，也就是 Forward Deployed Engineer。他们不再等待别人把需求整理成完整文档，而是进入业务现场，理解问题为什么发生，再决定系统应该怎样回应。程序员的优势不再只是实现需求。他们还要把业务状态映射进系统，同时保留必须由人处理的异常。

另一部分人会从业务侧进入。这些领域专家原本就理解工作对象，只是缺少把经验写进系统的能力。AI 降低技术表达门槛以后，其中一些动手意愿强的人会借助它把个人方法整理成团队可以复用的流程。他们没有先成为传统程序员，再获得创造系统的资格；他们从业务问题出发，逐渐学会用工程方式表达和维护工作流程。

这两条路径最后会汇合。程序员向业务靠近，业务专家开始理解系统。头衔和出身并不决定谁能成为 AI Workflow Owner，决定因素是他是否愿意对一套工作流长期负责。

## AI Workflow Owner 对结果能否重复发生负责

模型和 prompt 的熟练度只是表层。AI 重度用户关心这一次生成得好不好，AI Workflow Owner 关心同样的结果下次能否稳定发生。

这个区别会改变一个人的工作重心。一次成功演示不再等于交付。工作流投入使用以后，只要输出偏离目标或运行中断，他都要追查原因；成本失控也属于同一项责任。他维护的是团队已经开始依赖的工作方式，漂亮的配置只是其中很小的一部分。

工程化的创作者也因此不会把 AI 当成个人外挂。他要把个人技巧转化为团队可以使用的系统，让其他成员通过业务界面获得 AI 能力。大多数团队成员不需要理解模型选择和上下文管理，也不必成为小型系统管理员。他们继续承担自己的业务判断，使用已经封装好的工作流。

这与第二篇讨论的普通用户没有本质冲突。消费者需要的是复杂性被产品吸收；团队成员需要的是复杂性被工作流吸收。工程化的创作者承担了这部分复杂性，其他人才不必各自维护一套互不相通的 AI 工具。

因此，AI Workflow Owner 不能按头衔识别。一次代码交付，或个人产出速度的提高，都不足以形成这个角色。团队开始使用一套 AI 工作流以后，持续维护并对结果负责的人，才承担了这个角色。

AI 让个人做出东西越来越容易，也让组织有机会把过去依赖人脑和手工协作的工作变成系统。两者之间仍然隔着一段工程化距离。工程化的创作者负责完成这层转化，使一项能力离开个人工作台以后，仍然能够被团队反复使用。

一个人借助 AI 做出更多东西，仍然可能停留在产出物幻觉里。只有当同一种能力被团队反复使用，并且始终有人对结果负责，它才会成为组织能力。AI Workflow Owner 承担这项工作；工程化创作者的素养决定他能否长期维护这套系统。