有 AI 或者没有 AI，问题始终如旧。

Source: Dev.to

让产品成功的挑战

让产品成功的难度并没有改变。以前我能在三个月内做出一个基础产品，发布到应用商店，却没有人使用。现在我可以在一周内完成同样的事，但结果仍然一样：用户寥寥。

注意力有限与竞争激烈

• 人们的时间和注意力有限：刷 TikTok、看 Netflix。
• 数十亿美元的公司在激烈争夺尽可能多的注意力。
• 应用商店已经拥挤，里面有数百万无人知晓或使用的应用。

即使 LLM 让任何人都能在一周内打造一个 App，核心问题仍然存在：争夺注意力、进行重度营销、制定策略并锁定细分市场。AI 并没有消除这个问题，只是加快了生产速度。

没有用户的产品不产生价值

如果你按照良好实践（DDD、设计模式、Clean Architecture、弹性和可观测性）构建了 API，却没有人使用，那么所有努力都是徒劳。关键问题：

• 谁会使用你的产品？
• 它能盈利吗？

这是一道简单的数学题：写得再好的代码也不保证被采纳或盈利。很多开发者仍然认为工作在写完代码后就结束了，等产品团队去想办法变现。这种观念一直是错误的，无论有无 AI。

投资前评估实用性

1. 验证问题 – 与其他团队交流，深入了解用户痛点。
2. 测试方案 – 如果产品在市场上有意义并被人使用，说明工作做得不错。
3. 考虑可持续性 – 即使产品反响良好也不保证你的岗位安全；公司方向的转变可能导致裁员。

传统开发周期

1. 快速 MVP – 团队雇佣多名开发者在紧迫的期限内构建东西，往往产生质量堪忧的代码。
2. 营销验证 – 客户付费后，产品继续推进。
3. 重构 – 清理代码、修复 bug、组织代码库。

这种模式仍在继续，只是工具不同而已。不同之处在于今天的 LLM 能加速构建阶段，但 自动化测试、质量控制和技术债务管理 的需求依旧存在。

工具与生产力

• 在 AI 之前，不使用 IDE、代码生成器或快捷键的开发者生产力更低。
• 工具一直是工作的一部分，忽视它们会把开发者变成“恐龙”。
• Low‑code、Google Forms 和 Firebase 已经可以快速验证想法，无需自建后端。若产品盈利，就迁移到更稳健的架构；否则直接放弃。

代码更少有时更好

• 评估所有可用工具：自动化、外包部分功能、Low‑code 平台。
• 目标始终是 自动化与优化。
• 即使没有 AI，许多公司仍在手动完成本已实现多年的自动化任务。
• 如今，人们越来越清楚不必花整整一个 Sprint 去实现一个复杂的 CRUD 已成共识。

生产力的未来

如果所有人都成为“生产力怪兽”，能够自动化数百人的工作，绩效基准会逐步提升。企业将需要更高水平的专业人才来打造更具差异化和竞争力的产品。

结论

所有被归咎于 AI 的问题，开发者早已在职业生涯中面对过。根本没有改变：争夺注意力、进行市场验证以及交付价值仍是唯一的真实挑战。