跨国深谈← 返回←永不宕机的软件：OutSystems CEO 谈 AI 时代的企业级开发

永不宕机的软件：OutSystems CEO 谈 AI 时代的企业级开发

关联

人物 Nathan · Woodson Martin

公司 OutSystems

概念 智能体 · Mentor · 智能体铸造厂 · 微调 · 前沿模型 · MCP · 合规积压清单 · 企业就绪 · 确定性代码

Woodson Martin 在 Salesforce 干了 18 年，2025 年接手 OutSystems——一家成立于 2001 年的企业软件开发平台，客户包括 Petrobras、Vodafone 和 Toyota。在 The Cognitive Revolution 这期访谈里，他聊了 AI 时代的企业软件：

什么才叫企业级、为什么最贵的模型往往是浪费、以及大公司的技术积压清单正在发生什么变化。

AI 写代码很快，怎么保证不出事?

OutSystems 的创始人 Paolo 在当时的愿景很简单：更快地构建软件，可靠地交付，并且随着业务节奏演进——不破坏任何东西。

【背景】Paolo 即 OutSystems 创始人兼 CEO Paulo Rosado。

这在 AI 时代反而更重要了。Woodson 说，他们的做法和市面上大多数工具不同：

平台里有一个中间层，AI 编程工具——无论是 Claude Code、Codex 还是自家的助手 Mentor——操纵的不是代码，而是应用意图的抽象模型。

最后按下按钮，确定性地产出代码，安全、权限控制这些要求在平台层面就自动满足，还会自动复用已有组件。

他的比喻是：直接让 AI 从零写一个应用，就像每次都重新发明轮子，还得重新过一遍合规审查。

而在一个复杂企业里，你希望的是站在已经通过 GDPR 或 HIPAA 合规的系统上叠加新能力。

什么才叫企业级？不只是正常运行时间

主持人提到一个观察：增长最快的 AI 公司，比如 Anthropic 和 OpenAI,按传统标准，正常运行时间其实并不出色。那企业客户到底要什么？

Woodson 的回答很实在：几乎没有受监管的企业今天敢让自主智能体跑关键业务。

他见过不少客户，智能体系统已经建好、测好，团队也很兴奋——但卡在合规审批队列里，等待某个具体 AI 模型获准使用。

障碍可能细致到：要搞清楚训练这个模型的数据是不是合法取得的。

他甚至见过这种情况：一个智能体只是把 PDF 里的数据转成结构化数据，也要走完这套流程。

所以企业级意味着一大堆非功能性要求——监管、合同、隐私，模型来源问题是新添的一项，其他多数在 AI 之前就存在。

交付速度暴增：一个季度从 4 个功能到 26 个

OutSystems 自己就是 AI 提速的活案例：去年第四季度发布了 4 个主要功能，今年第一季度变成 19 个，第二季度 26 个。

但有意思的是，他们在 6 月达到 token 支出峰值后，支出反而开始下降，现在甚至低于三季度预测。

秘诀是自建了工具链和模型路由网关——不是所有任务都需要最贵的模型。

Woodson 的判断很直白：今天的企业任务，几乎没有需要前沿模型的。

多数企业运营类工作用三年前的模型就够，有些干脆用确定性代码更便宜。

他还提到，今年 2、3 月每个 CFO 都收到了 token 账单，那是全行业的清醒时刻，微软、Meta、Uber 都在往回收。

老系统的积压清单，终于开始清了

最让 Woodson 兴奋的变化是：以前人人都不敢碰的老系统——COBOL、AS400、Lotus Notes——终于排上了日程。

有保险公司把 60 年历史的案件管理系统现代化，原来规划 6 年，现在 6 个月。

另一面是自助服务的兴起：以前做个数据看板要排队等 IT 部门，现在自己让 Claude 从电子表格生成一个。

代价是标准化和集成的丢失，需要事后清理——而这恰好是平台公司的机会。

软件会长什么样？地图不会变成聊天

主持人问，未来软件是不是都会变成对话？

Woodson 用 Google 地图举例：他可以问 AI 怎么走，但还是想知道周围世界长什么样、路上会经过什么——对话体验替代不了。

他们在用户大会上演示过一个场景：

用户在 Claude 里聊家里装修，聊到缺钱，助手提示已预批 3 万美元贷款额度，用户同意后，对话无缝流转到银行的移动应用——同一个智能体在两个场景背后工作，已经知道你是老客户，不用再交银行流水。

竞争加剧时，靠专业化取胜

很多平台正急着把所有积木块凑齐，广告牌上五家公司写着同样五个字，只换 logo。Woodson 说行业确实陷入了千篇一律。

但他认为最终胜出靠的是专业化——在受监管行业积累的那些「基础清单之外的 37 个功能」，以及在银行、保险、政府、医疗、能源等领域多年的专长。

会有大家都需要的通用基础构件，然后就看你在调优、蒸馏和模型专用性上真正擅长什么。

对新人他格外乐观：

过去 5 年在新技术里泡大的年轻人才，带着 AI 优先的思维方式，能推动组织加速创新——虽然他们还需要学习行业知识。

本集带走

• AI 编程时代，不破坏任何东西反而更重要：让 AI 操纵抽象模型而非直接写代码，安全与合规在平台层自动保证。
• 大多数企业任务不需要前沿模型——配好模型路由和工具链，交付量翻数倍的同时，token 开支还能降下来。
• 合规审批正卡住大量企业智能体项目，包括只用 AI 读 PDF 这种低风险场景；企业级的定义远不止正常运行时间。
• 60 年历史的遗留系统现代化从 6 年缩到 6 个月，技术积压清单第一次开始真正缩短。
• 竞争同质化之下，差异化来自行业专业化；而对 AI 原生的年轻人才，应该大胆下注。

对于这类强化系统和受监管行业来说，这种信任是初创公司很难获得的东西，无论你的技术有多酷。
for these kind of hardened systems and regulated industries is a thing that is just very hard to get as a startup, regardless of how cool your technology is.
—— Woodson Martin · [12:04]

这类系统太多了，那种认为我们在某个时点达到静止状态、一切都完美安全的想法，我认为是白日梦。
And there’s so many of these systems, like the idea that at some point we reach a stasis and everything is perfectly secure, I think is a pipe dream.
—— Woodson Martin · [26:26]

但我们学到的一件事是，实际上我们当时做的那些事情，大部分用一个更好的 harness 就能做得同样好，而且便宜得多。
But one of the things that we’ve learned is actually most of those things that we were doing, we could do just as well, a lot cheaper, with a better harness.
—— Woodson Martin · [28:35]

所以我认为，对今天大多数组织来说，现实是他们的企业工作负载并不需要前沿模型，几乎没有任何企业工作负载需要。
So I think the reality for most organizations today is that they don’t need frontier models for their enterprise workloads, like almost none of enterprise workloads.
—— Woodson Martin · [29:17]

项目了，不再计划成六年的事，我们现在要在六个月内完成。
Project, instead of planning it as a six-year thing, we’re now gonna do it in six months.
—— Woodson Martin · [44:13]

我确实认为存在一个很大的可能性：我们今天所知的很多软件，会被小部件化，变成出现在对话流中的小东西，对吧?
I do think there’s a real significant chance that a lot of software as we know it today is just widgetized into little things that show up in the flow of conversation, right?
—— Woodson Martin · [55:47]

因为大家都有同样的原语，因为你需要原语，但你必须在原语之上做专业化。
Because everybody has the same primitives because you need primitives, but you got to have specialization on top.
—— Woodson Martin · [62:08]