每月五十块的电费，换一辆不会写代码的律师：AI编程工具的真实产出

一个真实的小场景

我在一个法务与咨询团队做技术顾问。团队里没有专职程序员，但每月都有各种”夹缝需求”：整理几百份合同的条款字段、把客户的表格转成标准报告、给内部系统写个小查询页面。

以前这类需求要么外包（报价贵、沟通慢），要么用 Excel 硬扛（易错）。AI 编程工具出现后，我们做了一次三个月的实验：把这些夹缝需求全部交给 AI 编程工具完成，然后记录真实产出。

三个月，78 个需求

结果分成三类，比例大致如下：

• A类（约 55%）：一次性脚本与数据整理。AI 一次写对或两次改对，跑完即可弃用
• B类（约 30%）：小工具与小页面。能跑，但需要反复描述需求、测试边界
• C类（约 15%）：失败告终。最终转回人工或放弃

A类：这是真正的甜点

几百份 PDF 合同里提取”甲方、金额、期限、违约条款编号”，人工做要两周，AI 写脚本加上人工抽检和修正，一天半完成。

关键在于这类任务的验收标准极其清晰：数字对不对，一眼看得到。AI 最擅长的就是这种”输入脏、输出可验证”的活。

一个小提醒：先做 5 份的样本测试，再跑全量。我们吃过一次亏——脚本对前 5 份完全正确，对第 200 份的扫描件版本直接吐出空值，因为原文是图片。样本要覆盖格式的极端情况，不然就是自欺欺人。

B类：比想象中费劲

让非技术背景的人描述清楚一个工具的行为，比想象中难。真实经历：

“我想要一个能按客户分组看合同的页面。” （AI 做出来了） “这个页面每次刷新顺序都乱。” “我要按截止日期排序，不是按金额。” “这个表格在手机上挤成一团。”

每一轮都是一次对话和一次测试。B类活的时间，大部分花在需求澄清上，而不是在代码上。

这揭示了一个容易被忽略的事实：AI 没有降低”想清楚”的成本。它降低的是”想到就写到”的成本。

C类：为什么失败

• 隐藏的集成依赖：需要接入公司 VPN 内的老系统，AI 写的代码逻辑对，但环境配不起来
• 需要长期维护：一个每周要跑、出错了要排查的任务，非技术团队缺乏排障能力，最终回归人工
• 权限与合规：涉及客户个人信息的处理，需要走审批，AI 工具的部署方式过不了内部安全评估

真正的账

三个月下来，成本对比（估算）：

• AI 订阅费：约 300 元/人/月（几个工具叠加）
• 节省的外包费：约 4 万
• 新增的”AI 协调”工时：约 120 小时

这 120 小时是最容易被低估的部分。它不是”写代码”，而是”翻译需求、测试边界、判断结果可信度”。这笔工时没有被消除，只是从执行转到了判断。

怎么判断值不值

给三个判断标准，按顺序问：

1. 结果可以低成本验证吗？ 能，就值得交给 AI
2. 能不能只做一次、用完即弃？ 能，就绕开了维护地狱
3. 出错会伤到谁？ 只伤到自己的时间，随便试；伤到客户或合规，必须上闸门

结论

AI 编程工具没有让”人人都变成工程师”，但它确实让一类原本被搁置的需求变得可做：规模不大、验证直观、废弃成本低的夹缝工作。对非技术团队来说，这才是真正的价值所在——不是效率提升十倍，而是把不可能做的事变成了可能做的事。