在手机APP最火爆的那几年，iOS和安卓程序员经常被朋友、亲戚甚至派对上认识的陌生人团团围住："我有个超棒的APP点子......"
要是程序员没表现出足够兴趣，对方就会死缠烂打。如果程序员不赶紧假装认同——既要显得"听懂了"点子，又不能被赖上帮忙实现——对方就会开始聊保密协议、股份分配，甚至追问"什么时候能开始写代码"。
但最近我发现，AI时代完全反过来了：
- 主动权现在掌握在领域专家手里。
- 做产品的人比写代码的人更需要这些专家。
现在光靠抄个APP模板修修改改行不通了，整天围着用户反馈转也不够用了，因为得先做出像样的产品原型。
要做出与众不同的AI产品，必须由行业专家亲自挑选训练数据和案例样本。
需要专家来评估项目效果，用大白话解释模型原理，还要根据实际出现的bug解决极端情况。当然程序员还是要写界面、做数据管道、设计看板、对接API。但必须靠专家来把握方向、排查问题。
AI大神Hamel Husain最近写了篇改进AI产品的文章，精准描述了这种变化：
我合作过一家做AI互动学习平台的教育初创公司。他们的产品经理是教学专家，会做详细PPT讲解教学原理和示范对话，然后工程师再把她的专业内容转化成提示词。但问题在于：提示词本质上就是英语啊！让教学专家用PPT讲原理，再让工程师翻译成英文提示词，这不多此一举吗？
最成功的团队会反过来——直接给专家工具让他们自己写提示词。
Hamel发现这个规律正在各行各业上演：
- 法律科技公司雇律师，
- 心理创业公司找心理学家，
- 医疗保健公司请医生。
我也观察到同样现象。第一代AI产品（常被嘲为"AI套壳"，因为只是给大模型API加个界面）往往是小团队快速开发的，解决些简单问题。但现在越来越多专家团队入场，他们雇一两个程序员打下手，自己负责写提示词、标注数据和效果评估。
对这些公司来说，写代码变成基础活，真正的竞争力来自行业知识。
今早OpenAI推出的"先锋计划"也印证了这点。TechCrunch报道说：
OpenAI打算为法律、金融、保险、医疗和会计等领域制定行业标准。未来几个月将与多家公司合作设计定制化评估方案，最终公开这些行业专属的评估体系。为了提升模型表现，OpenAI正在向外部的领域专家求教。
局面彻底反转。现在变成AI公司的负责人追着派对上的律师和医生跑了。
"我有个超棒的评估方案......"