前阵子有个CIO跟老杨吐槽：公司的业务部门用WorkBuddy这类的工具，自己手搓了很多小应用，比如一些业务表单、报表、查询页等等，几天就上线了。老板看了很高兴，转头问他："既然业务自己能开发软件了，你们信息部门还要这么多人干嘛？"，言下之意不言而喻了。

以上场景已经不是个例了，各种AI工具已经把软件的开发门槛降到了地板，业务人员用自然语言就能生成应用，长尾需求确实被消化了一大片。但老杨认为如果把"手搓系统"等同于"企业数字化转型的伟大胜利"，或者推论出"不需要信息部门"，这是一个新误区：这是把效率问题，误判成了一个架构问题。

手搓系统热不是伪需求。它更像一场"边缘效率革命"，但不是"核心架构革命"。当前核心的关键问题是：这些应用怎么接住企业已经存在的那个"1"，也就是说历史的存量系统、权限体系、数据红线、审计合规。

一、手搓系统解决了什么，又没解决什么

以WorkBuddy为例，其功能强大，可以快速生成表单、审批流、报表、数据处理脚本，甚至内部查询页。它精准解决了企业数字化建设过程中的诸多痛点，比如：需求多、IT排期长到业务等不起；简单需求开发不划算；业务逻辑在业务人员脑子里，跟IT转述一遍就损耗一半；大量临时性、部门级、非关键流程需要快速落地等问题。

但AI工具搞开发也存在一些局限性：手搓系统只适合"轻量、局部、读多写少、单人或小团队、流程简单"的场景。

需要注意的是，企业数字化最难的环节从来都不是系统开发。核心系统的替换与集成、主数据和数据标准治理、跨系统事务一致性、复杂权限继承、规模化后的性能稳定运维审计，这些恰恰是"手搓"无法解决的。也就是说企业解决了一部分"最后一公里"的效率，但解不了"主干道"的问题，它替代不了核心系统，也替代不了企业架构治理。

二、从0到1容易，从1到N才是真难

企业数字化建设最关键的问题是什么？是数据打通！也就是说解决数据孤岛的问题。当前大部分传统企业里存在大量老系统，比如ERP、CRM、MES等等，有的系统根本没有标准API。这个时候AI的技术局限性就出现了，AI控制层再聪明，也不能凭空"连"进去。

这是AI落地企业里最被低估的一关。AI能理解意图、规划任务、生成调用逻辑，但真要执行，得依赖一组稳定的"工具"和"连接器"，比如：标准REST API、数据库只读副本、中间表、RPA、屏幕抓取、消息队列、遗留专有接口等等。如果这些都没有，AI控制层就是"想得到，做不到"。

所以企业真正要补的不是"上一个AI控制层"，而是需要一个"企业集成层"，把存量系统的能力抽象成标准服务：API网关、iPaaS、ESB、数据集成平台、RPA平台、主数据管理平台。没有这一层，任何AI工具都只能“好玩一下”。

老杨在这里提醒一下：对老系统，别幻想什么用AI工具"无缝对接"，得有适配策略。比如查询报表类需求，走只读副本、数仓同步，让AI查数据平台而不是直通生产库；写操作，比如建单、改客户、发起审批，如果没有API，得用中间表、专用适配器等，但不能直接动业务数据，因为一旦出错成本就太高了。这些专业的工作，关乎整个业务与数据架构，不是业务人员手搓能搞定的。

所以正确的做法应该是：AI控制层 → 工具注册层 → 企业集成层 → 存量系统。没有中间两层，想用AI直接"黑盒直连"，必定会出大问题。

三、数据安全红线：AI怎么精准继承权限

第二个致命问题：AI控制层怎么保证不越权查看敏感信息？很多手搓系统为了跑通，直接用高权限账号、服务账号甚至管理员身份调系统。演示环境没问题，生产环境估计就是灾难。

要知道大模型本身是没有权限边界的。它不知道"张三是普通员工，不该看全公司薪资"。如果AI调用工具时用的是统一的高权限机器人账号，越权就是必然。权限不能放在模型层，必须下沉到执行层和策略层。

要做到"身份穿透"：用户在AI界面发起请求，AI以该用户身份调工具，后端按用户原有权限鉴权。AI的权限范围，就该等于用户本人能干的事，不能多。技术上可以走OAuth token exchange、用户级API Key、身份断言加策略引擎。

每个AI可调用的工具，都得有一张元数据声明：用途、所需权限、数据范围、风险等级、是否要人工确认、审计要求。比如"查客户列表"低风险自动跑，"改客户信用额度"高风险要二次确认，"导出全部员工信息"禁止AI直接调或要审批。敏感字段还要在数据服务层做列级脱敏、行级过滤、动态掩码，这些必须在AI输出之前生效。此外，每一次工具调用、数据访问、写操作，都要有完整日志：谁发起、调了什么、用了什么权限、访问了哪些数据、结果如何、有无人工确认。否则一出泄露或误操作，想追溯根本不可能。

四、对软件公司的挑战与机遇

挑战很直接：低端定制开发，CRUD、简单报表、流程表单，会被AI生成工具吞掉；客户"自研"倾向增强，减少对外包依赖；产品如果还是通用功能，很容易被AI工具淹没。

但另一面是更大的机会。企业手搓越热，越需要平台来管住这些系统，谁提供安全的AI控制层、连接器、权限代理、审计平台，谁就有价值。大量老系统没有API，这是巨大的集成服务市场，软件公司可以专门做连接器、适配器、系统现代化改造。通用AI不够，行业化AI Agent和模板才有壁垒：制造业设备巡检、零售业库存分析、医疗合规审批。业务人员手搓原型容易，让它在生产环境稳定安全可维护地跑起来极难，软件公司可以承接这部分"扶正"工程。数据安全合规更是刚需。

五、中小软件公司怎么活

资源有限，不能跟大厂拼通用平台，但可以拼深度、拼服务、拼行业理解。

别和AI生成工具拼效率，客户要个简单表单报表，AI几分钟做完，你再去拼必死。做"AI时代的集成商"，聚焦某一类存量系统做深度连接器，比如：专做某品牌ERP的API封装、某行业MES的AI对接、企微钉钉飞书与老系统的桥接。这种脏活累活大厂不愿做，价值却极高。做"权限代理加数据安全"中间件，在AI控制层和业务系统之间架一层脱敏审计组件，不大但极关键。绑定平台生态，成为WorkBuddy、钉钉、飞书的垂直插件服务商，而不是自己造完整平台。从项目制转向持续运营：订阅、托管、场景陪跑，帮客户把手搓系统纳入治理，本身就是长期饭票。

六、最后总结

手搓系统热，它给业务更多自主权，消化了大量长尾效率问题，但替代不了企业架构、集成、权限、数据治理这些深水区。

真正的企业数字化转型要四层能力：AI控制层、企业集成层、身份权限层、数据治理层。缺一层，手搓系统就只是沙滩上的城堡。

所以从以上我们就不难看出业务手搓系统和信息部门存在并不矛盾，只是IT的角色要从"建造者"变成"平台赋能者加守门人"。

对软件公司，手搓热不是末日，是一次重新分工的机会。真正会被淘汰的，是只会做简单增删改查、没行业深度、没治理能力的团队。而能帮企业把"手搓原型"扶正成"生产级系统"、把"AI控制层"安全接入"存量系统"的公司，会迎来新一波增长。

那么你对此有何看法？欢迎评论区留言！