随着人工智能（AI）代码工具加速普及，软件开发的入门门槛正在持续降低。与此同时，业界也开始重新讨论开发者的核心价值：相比单纯“把代码写出来”，对特定行业、业务流程和现实规则的理解，正变得越来越重要。

据海外科技媒体Gizmodo（当地时间）6月1日报道，软件开发者Aaron Brethorst表示，在AI能够快速生成代码的时代，决定系统能否真正落地的，已不只是编码能力，而是对系统结构、业务逻辑以及实际运行要求的理解。

他以薪资计算系统为例称，真正的难点不在于把计算逻辑写出来，而在于是否准确理解税率、扣除条件，以及不同薪资周期下的调整规则。也就是说，判断一个系统是否“正确”，越来越依赖对真实业务场景的理解，而不只是编程语法本身。

Aaron Brethorst还指出，即便使用同样的AI代码工具，一名拥有15年经验的物流调度人员与一名优秀的软件工程师，优势也并不相同。前者即使不会亲自写代码，也能判断AI生成的物流系统是否贴合一线需求；后者虽然更擅长评估代码质量，却未必能发现系统是否真正满足现实运营要求。

在他看来，随着Agentic AI的发展，软件开发正在从“必须亲自搭建和实现”转向“借助AI完成生成与执行”。过去专业知识与代码能力高度绑定的局面，也因此开始被打破。

这一变化也在重塑开发者与业务专家之间的分工。过去，工程师往往需要与业务专家反复沟通，再在真实环境中通过试错不断完善系统；而业务专家虽然熟悉业务本身，却很难独立交付可靠的软件。如今，AI显著降低了把想法转化为可运行软件的成本，业务知识的重要性也随之进一步上升。

报道还提到Anthropic举办的一场黑客松。该活动围绕最新AI模型的应用展开，共吸引500人参赛，参与者多数为开发者。但最终5名获奖者中，有3人并没有软件发布经验。系统研究者Dexter Hadley据此评价称，这是一个“专业知识优先于编码能力”的典型案例。

Aaron Brethorst认为，未来资深工程师更应把精力放在对真实产业、业务流程、专业设备以及监管制度的深入理解上。他表示，写出更“干净”的代码，其价值正在下降；而经过实际业务验证的行业知识，仍然十分稀缺。

不过，也有人持不同看法。Hacker News上有观点指出，能够验证系统输出是否正确，并不等同于一开始就能向AI准确表达需求、约束和判断标准。即便拥有深厚的领域知识，专家也未必能把长期积累的隐性经验，清晰整理成AI能够理解的需求和测试条件。

总体来看，AI正在改变软件生产方式，但“什么样的结果才算正确”，最终仍离不开人对行业与业务的判断。这也意味着，在AI代码工具日益普及的背景下，开发者的竞争力正在被重新定义。