当 AI 什么都能做，我们还需要软件吗？

如果一个输入框就能写邮件、整理资料、生成代码，过去那些为特定任务设计的软件，还有多少存在的必要？

这个问题吸引我的地方，在于它迫使我们重新看一眼软件究竟替人做了什么。我们平时看到的是按钮、表单和菜单，很容易把软件的价值理解为一组功能。但当功能越来越容易生成，原来藏在功能背后的东西，反而变得清楚了。

软件替人做了一部分选择

假设要组织一个项目。即使只用文档，也可以记录每个人准备做什么。但项目管理工具通常会要求你说明：任务交给谁，处于什么状态，什么时候完成，与其他任务有什么依赖。

这些约束让人少做了一部分选择。下一步要填什么，事情交到哪里，怎样才算结束，都有一个相对清楚的安排。

我把这种作用理解为缩小决策空间。当然，软件里的流程未必就是最佳实践；有些流程已经过时，有些只是历史包袱。但不能因为界面看起来笨重，就认定它所承载的约束都没有价值。

一个更自由的入口，也可能让人更费力

再设想一个报销场景。原来的界面要求上传票据、填写金额、选择部门，再提交审批。如果替换成一句“有什么可以帮你”，用户反而要先弄清楚该怎样描述需求。

聊天当然可以成为更好的入口。例如，系统识别票据后，只追问缺少的信息，让人确认最终提交的内容。这样的对话减少了填表的负担，同时仍然有明确的报销对象、审批状态和操作结果。

区别就在这里：输入方式变了，工作本身的结构还在。

我不认为自由度越高，使用体验就一定越好。经常重复的任务，人们往往希望有一条可靠的路径。遇到例外时，再获得足够的灵活性。

模型能力需要落到具体工作里

比起争论哪一种服务会取代另一种，我更愿意从一个具体任务入手。

模型生成了一封邮件，谁确认收件人？模型整理出一份记录，写入哪个系统？操作执行了一半失败，下一次从哪里继续？

这些问题会把我们带回软件设计。生成一个看起来合理的结果，和把事情完整地办好，中间还有一段距离。工作需要留下状态，需要遵守权限，也需要让人知道到底发生了什么。

在我设想的应用里，模型负责处理那些很难逐条列举的输入，软件把结果接到具体操作上。二者的边界可以调整，但这条连接不能省略。

先判断哪些部分值得改变

面对一个已有流程，我会先问：现在最费力的环节在哪里？

如果主要时间花在整理材料上，就先改善材料整理。如果真正的问题是反复转交、职责不清，那么增加一个模型未必能解决它。还需要重新检查工作为什么这样分配。

有些环节适合尝试模型生成，再由人检查；另一些环节需要明确规则。金额怎样计算、谁可以批准、是否真正提交成功，都不应该仅凭一段流畅的回答判断。

旧流程也不必原封不动地保留。假如技术变化让某个步骤失去了必要，就可以重新设计。只是重做的理由应该来自实际问题，而不是为了让系统显得更像一个 AI 产品。

我关心的是新的分工

我不准备由此断言 SaaS 一定消失，或所有软件都会变成同一种形态。不同任务对自由度、可靠性和协作方式的要求差别很大。

有的软件可能减少界面，有的软件反而需要把确认与反馈做得更清楚。一个人临时整理资料，与一群人共同维护长期记录，也未必应该使用相同的产品形式。

对我来说，更值得继续探索的是：哪些选择可以交给模型，哪些状态必须明确保存，哪些结果需要人来判断。

等这些问题回答清楚了，再决定要保留多少按钮，增加多少对话，以及哪些软件确实可以不用了。