由 Alex Lieberman 等人联合创办的 Tenex 将团队扩张到了 75 人，并对外展示了一套反常规的运转机制：彻底废除按工时计费的传统外包模式，转而按交付的故事点向企业收费，并按点数给工程师发钱。如果大模型让代码敲得越来越快，继续卖工时就会演变成做得越快、赚得越少的荒谬循环。
然而，当所有人以为生成式 AI 正在把开发成本打成白菜价时，软件工程正在遭遇一场隐蔽的反噬。
速度陷阱：体感提速20%，实际多耗时19%
工程师觉得写代码变快了，往往只是一种瞬时打字的局部爽感。真实项目不是刷算法题，而是要在纷繁的依赖项与旧系统之间穿针引线。
非营利研究机构 METR 在 2025 年针对 16 名经验丰富的开源开发者做过一项对照实验。在 246 项真实任务中，开发者事前预测使用 AI 工具能提速 24%，事后也主观认为自己提速了 20%；但秒表记录的真实耗时，实际多出了 19%。这种体感与实测的错位，暴露出人机协作中最昂贵的摩擦消耗。
DORA 的研究同样印证了这一代价：研发团队的 AI 工具采用率每增加 25%，交付吞吐量平均下降 1.5%，交付稳定性下降 7.2%。另一项针对自主编码智能体的因果追踪显示，引入智能体虽然初期能快速吐出代码，却会导致系统的静态分析警告持续增加约 18%，认知复杂度增加约 35%。
批量变更加剧了审查过载。治丝益棼，生成代码只需几秒，人类花在阅读、纠偏、理清副作用上的精力反而成倍扩散。
从直接编码到喂上下文：MetaHarness 与点数博弈
Tenex 于 2026 年 8 月 5 日发布了由 Alex Lieberman、Dan Zakon、CJ Hess 及 Arman Hezarkhani 共同撰写的《Building an AI-Native SDLC》，详细披露了其名为 MetaHarness 的研发框架。他们将计划、架构决策与验收标准直接作为结构化文档，与业务代码一同签入 Git。
当模型能力越过及格线，工程师的核心动作不再是逐行码字，而是把客户零散混乱的意图整理成 Agent 能准确调用的上下文。
把故事点直接跟工程师收入绑定的做法，在传统敏捷管理中属于大忌。古德哈特定律早就预警过：一旦度量指标变成激励目标，该指标就会失真。如果交付一个点数就能拿一份钱，最理性的行为就是虚标点数，或者用模型灌水交付表面跑通的残次代码。
Tenex 试图用组织分工对抗这种博弈。他们让负责客户留存与增长的 AI 策略师在前端把关，以此钳制工程师刷单冲量的冲动。
敲键盘的边际成本一旦无限趋近于零，软件工程最昂贵的部分就只剩下定义问题与承担后果。
但这一模式同样面临新的分配矛盾。架构设计、帮客户厘清真实流程、在立项前叫停不合理的伪需求，这些无法折算成工单点数的无形劳动，在计件制下依然难以被合理标价。
杀掉 SaaS 的代价：代码易得，维护难消
软件生成门槛暴跌之后，行业里流行起自研替代 SaaS 的狂想。Latent Space 曾发起过一项名为 Kill My SaaS 的挑战赛，组织 72 个团队试图用自研智能体方案，替换一套每年报价高达 4.3 万美元的会议演讲者管理软件。
结果耐人寻味：由人类评委打分评出的第一名工具，在自动化 AI 裁判的排行榜上仅仅位列第 19 位。
这个反差极其尖锐：AI 裁判只检查功能清单是否在逻辑用例上闭环，而真实的人类用户在乎的是异常处理是否别扭、界面响应是否连贯、协同流程是否顺手。能跑通场景测试的程序，离让人愿意每天使用还有遥远的鸿沟。
- 风险.企业自建软件省下的往往只是初期的订阅发票，后续不可控的权限适配、接口升级与架构演进，会以更高的技术债务形式结算。
一项针对 100 个代码库、1000 多个 AI 生成文件及约 3200 次变更的追踪研究表明，AI 生成的代码在后续演进中从未免除维护成本，绝大部分线上缺陷的修复仍由人类开发者肉身填坑。
Alex Lieberman 对垂直领域 AI 软件的毛利率持保留态度，认为各家客户的个性化诉求最终会吞噬通用软件的标准边际效应。但彭博终端的演变早已给出了另一种启示：金融交易员从不缺少获取基础行情的渠道，他们买单的是融汇了私有数据整合、行业工作流与多年操作惯性的综合环境。
单点的自动化任务极易被更聪明的基础模型直接收编，而把繁复的业务上下文沉淀为难以迁移的工作流，才是无法被轻易写平的真正护城河。