那些不会写代码的人,正在默默托住这个世界

如果你在职场里待得够久，就一定听过这种话：

• “他不懂技术。”

• “这个人就是会说。”

• “你让他来写两行代码试试？”

这些话往往语气平静，却自带结论：不会写代码的人，似乎天然低一等。

奇妙的是，这种判断在技术圈内部几乎不需要论证，就能迅速达成共识。于是，一群真正每天在“对接人、安抚情绪、消化不确定性、承担责任”的人，被轻描淡写地归为一句话：“不够硬核。”

但如果我们真的诚实一点，可能要面对一个不太舒服的事实：正是这些“看起来不够硬核的人”，在托住技术世界不坠落。

一、商务不是“不会技术”，而是“不把世界简化成技术”

技术问题有一个迷人的地方：它们往往可以被形式化。

你可以定义输入、输出、约束条件，然后开始优化。世界在屏幕上缩成一个可控模型，那种快感，谁用谁知道。

但真实世界的问题，大多数并不配合。

• 客户的需求是模糊的

• 决策者的偏好是摇摆的

• 组织的风险承受能力是变化的

• 一次失败，可能不是 bug，而是政治、情绪或时机

商务的本质，不是不懂技术，而是拒绝假装世界是干净的。

组织研究早就指出：在高度不确定环境中，真正稀缺的不是计算能力，而是情境判断能力（situated judgment）——在不完整信息下做出“可承担后果的决定”。

这不是低级技能，这是另一套操作系统。

二、技术宅沉默的原因：AI 正在证明一件他们不愿承认的事

让很多技术宅真正开始沉默的，不是商务的反击，而是 AI。

当大模型开始：

• 自动写代码

• 自动生成方案

• 自动解释技术细节

• 自动补全“本该很难的部分”

一个残酷但真实的问题浮现出来：如果技术可以被工具规模化，那谁来决定“该不该做”？

研究发现，在 AI 参与决策的组织中，冲突最激烈的并不是“模型准不准”，而是：

• 谁为结果负责

• 谁承担风险

• 谁对社会后果解释

• 谁向人类而不是系统交代

而这些问题，AI 不会回答，技术也不直接给答案。它们长期落在谁身上？落在那些看起来只是会说话的人身上。

三、被误解最深的一种能力：把不可计算的东西，变成可行动的决定

商务真正的难点，不在于 PPT，不在于饭局，更不在于嘴皮子。

而在于三件事：

1. 承接不确定性——在没人能保证成功的情况下，说“我们还是要做”。

2. 翻译技术与人类之间的语言——把 50 页技术说明，变成一句“用户会不会买单”。

3. 承担失败的社会成本——失败时站出来解释，而不是甩给“系统问题”。

社会学家把这种能力称为boundary spanning：跨越知识、角色与责任边界的能力。这类能力的共同特点是：

一旦缺失，系统立刻崩溃；一旦存在，几乎没人注意。

四、为什么商务人看完会点头？因为他们一直在收拾残局

很多商务人都有一种隐秘的职业体验：

• 项目成功了，是技术牛

• 项目失败了，是“沟通不到位”

• 系统出了问题，是“需求没说清楚”

• 决策失误了，是“判断不成熟”

他们不一定抱怨，但长期处于责任大于话语权的位置。

AI 时代反而让这种结构更清晰了：当技术决策被模型加速，当执行成本被压缩，真正无法外包的，只剩“为结果负责的人类判断”。

这不是退化，而是升级。

五、一个不那么讨好的结论

如果一定要说一句让技术宅沉默的话，那可能是：

技术解决“能不能做”，商务解决“要不要做”，而世界大多数时候，死在第二个问题上。

这并不是否定技术，而是承认一个事实：当技术不再稀缺，判断就成了权力。

结语：不是谁更聪明，而是谁更接近真实世界

这篇文章并不是要把技术和商务对立起来。恰恰相反，它想说的是：

• 技术让世界跑得更快

• 商务让世界跑得不翻车

• AI 放大了前者

• 现实在惩罚缺失后者

如果你是技术宅，愿你在沉默之后，多一点好奇；如果你是商务人，愿你在点头之后，更确信自己在做什么。

因为在 AI 时代，真正高级的能力，不是写代码，而是让代码，值得被写。

参考文献

[1]Orlikowski W J. The duality of technology: Rethinking the concept of technology in organizations[J]. Organization science, 1992, 3(3): 398-427.

[2]Williams S J, Radnor Z, Aitken J, et al. Transferring, translating and transforming knowledge: the role of brokering in healthcare networks[J]. Journal of Health Organization and Management, 2021, 35(7): 924-947.

[3]Mai X T, Nguyen T. Trust in generative artificial intelligence: A systematic literature review[J]. Trust in Generative Artificial Intelligence, 2025: 12-24.

[4]Suchman L A. Human-machine reconfigurations: Plans and situated actions[M]. Cambridge university press, 2007.