为什么是现在

二十年来，企业软件的硬约束是"做不做得出来"。客户要一个系统，问题是有没有人来得及把它建起来。这个约束已经挪位置了，而且挪得足够远，远到应该改变一家公司招什么人的判断。

一笔算术

手册把这个变化压缩成一行：一个传统项目大约是理解 20 加执行 80，合计 100；用今天的工具，同样的活是理解 20 加执行 8，合计 28。理解在总工作量里的占比，从两成左右升到约七成。

随之而来两个结论，只有一个让人舒服。舒服的那个是：同样的范围，现在花不到原来的三成。不舒服的那个是：变便宜的那部分，从来不是决定这个项目值不值得做的部分。当剩下的七成都是理解，多招几个能写代码的人，边际收益很小。这是书内估算，不是实测研究——要记的是这个比例关系，不是小数点。

四层信息断层

第二个原因在结构里。AI 接不上业务，通常落在四种情况之一，而只有第一种是数据问题。四层也不是四张待办清单，而是一条链：第一层不通，第二层无从校验；第三层不通，系统就建在纸面流程上；第四层不通，前三条随时会被推翻。

1. 数据不在系统里。 它在某个人的表格里，在一张拍下来的表单里，在一个微信群里。
2. 字段含义失传。 列还在，但没人记得 7 代表什么，也没人记得这个字段为什么允许为空。
3. 真实流程从未被写下。 写成文档的是一套，人们实际跑的——影子系统——是另一套。
4. 没有人有权说"不"。

第四层最常被工程师漏掉，因为它看起来不像技术问题。一个跟未成文流程冲突的系统，需要有分量的人站出来把旧流程废掉。模型再好也提供不了这个。四层里任何一层没打通，交付就停在演示层——大多数项目正好停在这里。

用了不等于赚了

调研给出的画面是一致的。麦肯锡 2025 年的《State of AI》：88% 的组织定期使用 AI，只有 39% 报告了企业层面的 EBIT 影响。BCG 2025 年的研究：5% 的企业达到规模价值，60% 几乎没有实质价值。Gartner 预测 2026 年超过八成企业会使用 GenAI API/模型或部署 GenAI 应用；同一机构 2025 年报告称，63% 的组织没有、或不确定自己具备 AI 所需的数据管理实践。微软 2024 年工作趋势指数：75% 的知识工作者在用 AI，78% 的 AI 用户自带工具上班。Gartner 还预测，到 2027 年底超过四成的 agentic AI 项目会被取消。

把这些放在一起读，结论是：约束不在使用率。78% 这个"自带工具"的数字才说明问题——需求已经存在，官方渠道没接住。88% 和 39% 之间的落差不是模型能力问题，是上面四层断层的定价。

最自然的反驳是：模型再强一点，这个落差自己就填上了。它会填掉第一层的一部分和第二层的一部分。它不会凭空造出一个有权废流程的人，也不会把随某个人离职而失传的语义找回来。约束只会转移，不会消失。

为什么这是一个岗位，而不是一个项目

当执行是 8、理解是 20，会做那 20 的人比会做那 8 的人值钱，而那 8 正在变成大宗商品。这就是"要有人从头到尾对理解负责"的全部论证。活不是新的，新的是这段活现在占了成本的大头——这是两句不同的话。

还有一个二阶效应值得说白：执行变便宜，意味着可以启动更多项目，包括问题从未被定义清楚的项目。失败因此往上游挪，而且变得更安静——死在侦察第三周的项目看起来什么都没发生，死在切上线的项目看起来像一起事故。只统计后一种的组织，会持续买执行，也持续被吓到。

一条可执行的判据

挑一个卡住的 AI 项目，指出四层里究竟哪一层没打通。说不出来，说明你诊断的是模型，不是部署。然后看仪表盘：如果上面只有"用户数"，你量的是采用率，而采用率从来不是稀缺的那个东西。

这个岗位最终长成什么形状，见前线部署工程师到底为什么负责；前三层怎么在侦察阶段被挖出来，见五阶段交付方法。