7.7
深览指数
科技人人都是产品经理·嘻嘻李··AI 生成
别人都在搞AI，你的企业要不要跟？先听听9年老兵怎么说
文章提出「企业AI Coding落地四阶段」框架，核心变量是「自研占比」与「数据准备度」。作者认为AI Coding的上限不在模型或工具，而在数据基建——企业需先给AI划定『活动范围定规矩』。作者从9年企业数字化实践出发，强调了『阶段判断』和『协作制度』比工具选型更重要，并指出Counterpoint：Cursor只是执行层工具，不能替代路由层的决策与人的判断力。适合正在规划或已经尝试AI Coding落地的技术管理者、产品负责人阅读。原文 ↗
核心观点
- ▍企业AI Coding落地的核心变量不是模型或工具，而是『自研占比』和『数据准备度』，二者交叉可推导出四个阶段，不同阶段适合不同的AI切入策略。
- ▍AI Coding在企业落地的第一步不是选工具，而是建立『人和AI的协作制度』，包括任务拆解、信任建设、质检验收和代码规范。
- 01FDE岗位暴增800%，年薪200万起步，OpenAI专门成立40亿美元公司派驻场团队，Anthropic应用团队翻了五倍，国内字节、蚂蚁、智谱都在抢人。
- 02企业数据分三层：公开信息（商品信息、代码仓库）可喂给AI；内部数据（订单数据、测试用例）需脱敏后使用；核心红线（密钥证书、客户隐私）永远不能碰。
- 03阶段1（第三方采购为主）的核心不是AI Coding，而是AI提效，做法是统一的AI培训，每周围绕一个真实业务场景做实战。
- 04阶段3（大部分自研）的信任建设是渐进式：先让AI写单元测试，通过后再写工具函数，再写CRUD接口，最后才能写业务逻辑，每级质检通过率需稳定在90%+。
- 05阶段4（全自研）的终局是三级模型：人肉路由（Tech Lead分类任务）→ 成熟工具二次开发（Jira/飞书AI增强）→ 自研任务分发平台（串联从issue到PR的全链路AI）。
- 06作者本人用AI Coding完成了从简单首页到统一后台的全链路，包括跨境独立站的视觉算法、深度学习、统一支付、算力调度，所有代码跑在生产环境。
反方 / 局限
- — Cursor等工具只是执行层工具，不能替代路由层的决策。作者明确警告：『把“用Cursor”和“完成AI转型”混淆，就像把“办了健身卡”当成“健完了身了”』。
- — AI Coding的边界明确：交易/不可逆流程/重大用户体验/涉密等场景，AI只能出方案不能碰代码。作者建议『AI Coding从外层往内核打，尽量晚点碰内核。』
- — 数据基建的最大阻碍不是技术，而是组织问题——IT部门、业务部门、安全部门之间没人愿意牵头，作者建议从『AI需要的最小数据集』开始，先打通代码仓库、接口文档、测试用例。
FDEAI CodingOpenAIAnthropic字节跳动蚂蚁集团智谱AISaaSCI/CDERPCRUDJira飞书Notion AIGitHub CopilotCursorCodeRabbitMintlify嘻嘻李
16 分钟 · 4 卡片 · 9 资料
读原文 →