借助 AI 的软件原型与可行性验证

看待 AI 编程最直接的角度是：现有软件项目会变得更快。这没有错，但只描述了变化的一部分。

从战略上看，更重要的是：能够以经济方式加以探究的构想正在增多。

一个新应用不再需要花上数月时间仅仅停留在概念描述上。一套专业系统、一个仿真环境、一个可视化规划系统或一个新的数字产品构想，都可以比以往早得多地成为连贯的软件。

这不只是让现有的项目管线处理得更快。一些构想由此进入开发，而它们在过去跨不过传统 IT 项目的经济门槛。

因此，关键的变化并不仅仅在于生产力。它在于更大的企业探索空间。

传统的开发模式迫使企业很早就进行筛选。只有少数构想能获得预算。随后这些构想会被推进得相当远，因为已经投入了大量资源。

当早期技术开发的成本下降时，这一顺序便可以部分颠倒。更多产品构想可以先被推进到真实的技术层面。之后再决定哪些思路值得进一步投资。

由此，产品开发从“尽早定案”的逻辑转向“尽早洞察”的逻辑。

这并不意味着要做尽可能多的实验。更关键的是，在不确定性真正影响企业决策的地方降低不确定性。

多检验。早学习。更早放弃薄弱的思路。更有针对性地发展有力的思路。

传统上，软件开发常被理解为执行一项已经做出的决定。先定义要开发什么，然后才开始开发。

对于新产品而言，这种分离的意义有限。一部分关键认知，只有在开发过程中才会产生。

只有真实的用户界面，才能表明一个操作构想是否可行。只有真实的数据，才能显示数据模型是否恰当。只有运转起来的系统核心，才能表明架构、性能与产品逻辑是否相互契合。只有可用的系统，才能让人真实地评估一个产品构想究竟能发展成什么。

因此，开发产出的不仅仅是软件。它还产出关于未来产品的信息。

在产品早期阶段，一个经得起检验的开发成果，可能比又一轮抽象的需求规格说明带来更多认知。

这一方法的实验性质，并不意味着只会产出小型或临时性的软件。

实验性在于认知过程的开放性。

即便是一款技术要求很高的桌面应用，也可以用实验的方式开发，只要它的首要目的是真实地检验一个产品构想，并在开发过程中进一步明确其方向。

早期开发成果可能已经由多个相互关联的要素构成：真实的用户界面、业务逻辑、数据管理、可视化、持久化、导入与导出功能、与外部系统的通信，或一个稳固的技术核心。

因此，这项工作远远超出了可点击的视觉原型。

目标是在尽可能短的开发时间内，获得尽可能多经得起检验的产品现实。