Dmitry Marinov, Технический директор в ANY.RUN Dmitry Marinov Технический директор в ANY.RUN

外包的终结：为什么旧模式在人工智能时代不再适用，以及什么是更好的替代方案

近二十年来，外包一直是软件开发领域快速、成本高效地获取全球人才和扩大规模的一种方式。到2024年，IT外包市场已经超过5120亿美元，公司通过外包团队在印度、东欧和拉丁美洲可以节省劳动力成本高达70%，并通过外包团队获得灵活性。几年前，当我加入一个全球网络安全平台担任CTO时，我们还是一个小团队，试图快速增长。像许多年轻公司一样，我们依赖外部供应商来快速扩大规模。然而，问题开始出现。由外部团队处理的项目经常遭受上下文丢失、标准不一致和学习周期延迟等问题。在纸面上看似高效的解决方案，在实践中却变得昂贵——快速交付的廉价模块后面跟着数月的调试和集成重做。在网络安全等受监管的行业中，甚至小错误也需要数月的补救。2025年，报告指出，传统的全职外包合同，通常是长期和僵化的，正在让位于更灵活的协议，许多常规的开发任务现在被委托给人工智能系统，人工智能系统可以更快、更一致地交付结果。人工智能：新的工程模型曾经分配给初级开发人员或外包团队的任务——调试、测试、文档编写、样板代码——现在由人工智能更快、更一致地完成。自主编码工作流（可以在无人干预的情况下计划、编写和测试代码的自主人工智能代理）和人工智能副驾驶（可以实时建议、生成和优化代码的辅助编码工具）持续运行，学习存储库和内部运行手册。它们不需要交接，不会丢失上下文，也不会按小时计费。例如，在我目前的CTO角色中，我领导了一个用于错误和事件的AI解决方案的开发，使我们能够释放工程时间并在问题出现之前获得第一手的见解。人工智能辅助编码已经从一个小众实验发展成为主流的工程工具集，重新定义了团队如何设计和交付产品。像Anthropic的Claude Code、Cursor和Lovable这样的工具展示了这种转变的规模。Anthropic的Claude Code现在每周处理超过100,000名开发人员的1.95亿行代码，而Cursor，一种人工智能驱动的代码编辑器，在两年内实现了1亿美元的年度回收收入。同时，瑞典初创公司Lovable，通过自然语言“氛围编码”实现无代码应用程序创建，在仅八个月内达到18亿美元的估值，这是对此类解决方案的强烈市场需求的体现。这些工具展示了人工智能在减少对外包的依赖方面的作用，方法是将工作委托给人工智能，从而提高速度和效率。我们团队开发的类似解决方案，例如我们的AI聊天机器人用于威胁解释，也反映了这一点，通过帮助解释复杂的分析，这些分析以前需要更专业的外部专家知识。真正的优势不仅仅在于速度，还在于上下文保留。 人工智能闭环系统，将人类智能集成到人工智能或机器学习工作流中，保持了组织内部的知识。工程师将人工智能输出与实际的产品目标进行验证，确保安全性、可靠性和连续性。人工智能的另一个关键优势是它保留了上下文；知识留在团队内部，而不是在交接或外部承包商之间丢失。衡量人工智能对外包影响的一个简单指标是TTM——在固定人数的情况下更改上市时间。集成了人工智能代理的团队通常在保持质量基准的同时将工作量的上市时间缩短20-50％。在我们的公司中，这种方法还增强了我们的恢复能力：生产事件的平均恢复时间（MTTR）下降了28％。换句话说，人工智能不仅使外包变得不那么必要，而且使其变得不那么合理。紧凑、人工智能增强的团队：更好的替代方案如果外包正在失去地位，那么什么将取代它？不是回到庞大的内部部门，而是紧凑、人工智能增强的自治小组的崛起——由3-6人组成的团队，他们将人类专业知识与人工智能辅助相结合。在我的指导下，团队已经朝着这个模型发展了几年。每个团队都故意保持小规模：一个产品经理、一个设计师和两到五名工程师。每个小组都拥有明确的结果——上市时间、可靠性或安全性——并管理自己的预算用于人工智能计算和工具席位。2025年，这项工作获得了金格洛比奖（Globee Award）网络威胁情报的认可。人工智能现在处理了大量重复的基础工作：生成测试框架、编写文档和检测错误。工程师可以专注于创造实际价值的部分，例如架构、性能和创新。这一结构减少了协调的开销，同时提高了交付速度和产品的凝聚力。从文化角度来看，这种转变同样重要。随着管理层级的减少，沟通变得直接，团队对结果承担全部责任。所有权取代了监督。正如我常说的，当人们理解产品和工具时，他们会更快地交付，并带来更少的意外。更智能的协作方式外包并没有消失，但其作用变得更加狭窄。外部供应商仍然可以为短期容量激增或专业审计（如合规性验证或安全代码审查）提供价值。不同之处在于控制：成功的公司将核心架构和领域知识保留在内部，只将明确定义的低风险任务外包。到2030年，软件开发工作时间的30％可能会被自动化。那些能够将人工智能视为杠杆而非辅助工具并将其深度集成到工程工作流中的团队将会蓬勃发展，同时保持所有权和责任感。我的建议是：建立一个小型、人工智能赋能的核心团队，只将真正的非核心工作外包，并衡量一切。软件的未来不是关于更便宜的劳动力，而是关于人类和智能系统之间更智能的协作。