一家做连锁烘焙的老板今年初来咨询时，问了一个我们这两年听了不下二十遍的问题：「公司现在 180 多人，IT 部 4 个人，养着累、辞了慌，AI 出来之后是不是干脆解散外包就行？」他翻出年度账本，IT 团队工资加福利一年小两百万，加上外包项目费、SaaS 订阅费，IT 总支出占营收的 1.8%。在他的认知里，AI Coding 既然能让一个程序员顶三个，那就该重新算一遍账：要么裁掉一半内部团队、把活全外包出去；要么干脆把外包砍光、留两三个人配 Cursor 自己干。
这种焦虑在过去 12 个月里加速蔓延。一边是 Cursor、Claude Code、通义灵码这些 AI Coding 工具把单人产能确实拉起来了；另一边是企业老板的真实困惑——养研发贵、不养研发等不起。我们这两年陪着不同规模的企业算过几十次这本账，今天把背后的判断框架完整摊开：4 类典型企业各自的合理配置、3 个决定养不养的核心变量、以及一份可以直接照着填的决策清单。
AI Coding 对 IT 团队规模的本质冲击
先把一个被反复夸大的数字拉回来。市面上很多文章说 AI Coding 让程序员产能提升 10 倍，这个说法在我们实际观察里站不住脚。开沿自己是一个 5 人小团队，去年下半年开始全员接入 Cursor 和 Claude Code，跑了 9 个月下来，比较稳定的产能提升区间是 2.5 倍到 4 倍——而且这个倍数严重依赖任务类型。
写新功能、写数据迁移脚本、写测试用例这种「上下文相对独立」的任务，提升能稳定在 3-5 倍；改一个嵌在十年老代码里的 bug、对接一个文档稀烂的旧接口，提升幅度可能只有 1.2-1.5 倍，因为大部分时间花在让 AI「理解上下文」上。
但即便是 3 倍的平均提升，对企业 IT 团队规模的冲击也是结构性的。一个简单的算术：原本需要 6 个程序员做的事，理论上 2 个人就能扛。问题是，省下来的人力指标到底应该削减、还是应该转向？这就引出了第一类企业的判断。
4 类企业的判断起点
不存在一个适用所有企业的答案。我们把咨询过的客户按业务复杂度和技术依赖度，归纳成四类：
| 企业类型 | 典型规模 | 业务对软件的依赖度 | 建议 IT 团队规模 | 外包占比 |
|---|---|---|---|---|
| 纯业务公司（餐饮/零售/制造） | 50-300 人 | 用现成 SaaS 即可 | 1-2 人 IT 接口岗 | 70-90% |
| 有 IT 需求的中型企业 | 200-500 人 | 关键流程需要定制 | 3-5 人核心 IT | 40-60% |
| 技术驱动公司（互联网/SaaS/平台） | 100 人以上 | 软件就是产品本身 | 8-15 人起步 | 10-30% |
| 数字化转型期企业 | 300-1000 人 | 正在从传统模式切换 | 5-8 人过渡团队 | 50-70% |
这四类企业的判断逻辑完全不一样。下面分开讲。
纯业务公司：1-2 个 IT 接口岗 + 全外包
餐饮、零售、传统制造这类「业务为王」的公司，过去十年的最优解就是 SaaS 加少量定制，AI Coding 时代这个结论几乎没变。变的是，老板有了更强的议价能力——同样一个轻定制需求，过去外包报价 8 万，现在愿意接的团队报价 3-5 万，因为对方也在用 AI Coding 提效。
这类公司养 IT 的核心不是「写代码」，而是「翻译需求 + 守住数据 + 管账号」。我们见过一家 200 多人的连锁餐饮，IT 就一个人，负责对接钉钉、对接收银 SaaS、对接外卖平台 API，所有开发外包出去。这个人的真正价值是知道总部和门店之间数据怎么流、知道哪个供应商不能换、知道老板下次要看什么报表。
这种角色 AI Coding 替代不了——AI 能写代码，但不知道你们家月初为什么要先盘点再做促销。如果你公司属于这一类，配置建议直接抄：
- 1 个懂业务、能写点 SQL 的 IT 经理（兼职数据分析）
- 0-1 个执行岗（负责账号管理、设备维护、简单脚本）
- 长期合作 1-2 家外包，按需开项目
这种模式下，年度 IT 开支大概能控制在营收的 0.8%-1.5%。如果你想进一步看 SaaS 与定制怎么选，可以参考 SaaS 与定制开发到底怎么选 这篇里的判断矩阵。
有 IT 需求的中型企业（200-500 人）：3-5 人核心 IT + 关键模块外包
这是 AI Coding 时代变化最大的一类。过去这种规模的公司，IT 团队通常 6-10 人，包括 1-2 个项目经理、3-5 个程序员、1-2 个运维和实施。AI Coding 把这个配置直接压缩到了 3-5 人。
我们最近半年跟踪了 4 家这个规模的客户，他们的共同动作是：
第一步，把「写大量增删改查页面」的程序员岗从 3 个减到 1-2 个，剩下的转去做数据治理、需求分析、外包对接。第二步，把核心系统（通常是 ERP 或核心生产系统）的二次开发交给一家深度合作的外包，按月或按需求点付费。第三步，把边缘需求（小工具、报表、数据爬取）让内部 IT 自己用 Cursor 搞定。
这种结构的关键不是省钱，而是把内部岗位从「写代码的」变成「定义业务的」。一个能跟车间主任聊清楚为什么换批次号生成规则的 IT 经理，比三个埋头写代码的程序员有用得多。
| 岗位 | 过去配置（10 人） | AI Coding 时代配置（5 人） | 核心变化 |
|---|---|---|---|
| CIO/IT 总监 | 1 | 1 | 不变，仍需要 |
| 业务分析/项目经理 | 1-2 | 2 | 加强，承担更多翻译角色 |
| 资深程序员 | 2 | 1 | 留 1 个掌握核心代码 |
| 初级程序员 | 2-3 | 0-1 | 大幅压缩 |
| 运维/数据库 | 1 | 1 | 不变 |
| 实施/支持 | 1-2 | 0 | 外包或转给业务部门 |
需要补一句：这个表格不是说让你「裁三个程序员」，更多企业的做法是自然减员 + 转岗——离职的程序员不补，能转业务的转去做分析师。直接裁人省下的工资，远远低于丢失业务上下文带来的隐性成本。
中型企业要不要做大型系统定制，建议先看 企业要不要做软件定制开发 这篇里的几个红线条件。
技术驱动公司：8-15 人 + 用 AI Coding 放大
如果你的公司本身就是做软件、做 SaaS、做互联网产品，这一节几乎不用看——你比谁都清楚 AI Coding 怎么用。需要提醒的反而是：不要因为 AI Coding 就过度收缩研发。
开沿自己是 5 人团队，给的客户最大的项目年合同额做到过七位数。这种「小团队接大单」的模式不是个例，但有两个隐含前提：第一，团队成员每个人都是资深，平均 7 年以上经验；第二，业务领域聚焦，不接超出能力圈的活。
如果你是一家产品型公司，团队规模到底应该是 8 人还是 15 人，判断标准不是「AI Coding 让我能少养几个」，而是「我同时跑几条产品线、需要几个领域专家」。AI Coding 帮你压缩的是初级岗，不会帮你压缩资深架构师、产品经理、安全专家。
我们观察到的一个明显趋势：技术驱动型公司今年开始更倾向于招少量资深 + 给每人配 Cursor 顶级订阅，而不是招一群初级。一个高级工程师配 AI 工具，产能等于过去 4-5 个初级，但管理成本只有 1 个人的。这件事在做软件交付的同行里更明显，可以延伸看 Claude Code 与 Cursor 在企业内的落地选择 和 AI Coding 重塑软件交付。
数字化转型期企业：5-8 人过渡团队
最复杂的是这一类——传统行业里营收 5-50 亿、正在做数字化转型的企业。这些公司的特点是：业务还在跑老流程，但又投了几百万到一千多万做系统升级，老 IT 团队跟不上新需求，新人又招不到。
这类企业的 IT 团队规模在转型期会被迫先扩后缩：转型前 2-3 人，转型中 5-8 人，转型完成后稳定在 4-6 人。AI Coding 在这里帮的不是省人，而是让转型期的痛苦短一点：让现有 IT 学会用 Cursor 补能力短板，避免「招不到合适的人」拖死转型节奏。
我们陪一家做工业品流通的 500 人企业做过完整周期，他们的真实路径是：第一年从 3 人扩到 7 人，重点是招业务分析师和数据工程师；第二年稳定在 6 人，把外包重心从「写代码」切换到「特定项目交付」；第三年回落到 5 人，把日常迭代靠内部 + AI Coding 解决。三年下来 IT 总支出占营收从 0.6% 涨到 1.4%，业务侧的库存周转和应收账款回收都有明显改善，老板算账是值的。
转型期最容易踩的坑是预算分配，可以参考 数字化转型预算怎么排优先级 和 企业数字化预算优先级踩坑 这两篇的真实账。
决定养不养、养几个的 3 个核心变量
抛开企业类型，无论你在哪一类里，最终拍板时要看三个变量：
变量一：业务变化频率。如果你的核心业务流程一年改动 3 次以上，必须有内部 IT 兜底；改动一年不超过 1 次，可以全外包。频率高意味着外部团队跟不上节奏，频繁切换上下文的代价比养人更贵。
变量二：数据敏感度与合规要求。涉及客户身份证、医疗、金融、税务、生产工艺机密的数据，至少有一个内部 IT 守住权限和审计。这跟 AI Coding 没关系，是合规底线。可以延伸看 企业 AI Agent 数据安全 里关于数据边界的讨论。
变量三：业务对系统稳定性的依赖。系统宕机一小时损失超过 10 万的，必须有 7×24 的内部响应能力，至少配 1-2 个运维。损失能接受 2-3 小时恢复的，外包 SLA 足够。
把这三个变量按高/中/低打分，加总后落在哪个区间，对应不同的配置。下表是我们日常用的简化版：
| 三变量加总评分 | 建议内部 IT 规模 | 外包占比 | 典型企业 |
|---|---|---|---|
| 低（业务稳定+数据不敏感+可容忍宕机） | 1-2 人接口岗 | 70-90% | 多数纯业务公司 |
| 中（其中一项高） | 3-5 人 | 40-60% | 多数中型企业 |
| 高（两项以上高） | 5-10 人 | 20-40% | 转型期 + 部分技术依赖 |
| 极高（全部高） | 10 人以上 | 10-30% | 技术驱动公司 |
AI Coding 时代 IT 岗位的内在变化
撇开人数，更值得讨论的是岗位定义的变化。过去 IT 岗位的能力模型是「会写代码 + 懂技术栈」，未来三年这个模型会被改写成「会定义业务 + 会和 AI 协作 + 守住工程纪律」。
具体到我们看到的变化：
初级程序员岗位在快速消失。一年内毕业的应届程序员，如果只会写增删改查页面，在企业 IT 团队里很难站住——因为这件事 Cursor 一个小时能干完一周的活。新进入这个行业的人要么走更深的技术路线（架构、安全、性能），要么直接走业务方向（产品、数据分析）。
业务分析师价值在快速上升。一个能把车间主任的话翻译成 prompt 的 IT，比一个埋头写代码的程序员有用 3 倍。这类岗位的薪资在今年明显上涨。
架构师和 review 角色不可替代。AI 写出来的代码需要有人 review、有人确定整体架构合不合理、有人确认安全边界。这类资深岗位在 AI Coding 时代反而更稀缺。
外包形态在向「能力外包」转。过去外包是「一个项目包给你，做完交付」，现在更多客户在尝试「按月签一个团队，需求池滚动消化」，外包团队自己也大量用 AI Coding，相当于把 AI 提效红利让一部分给客户。具体怎么避免外包报价陷阱，可以看 软件外包报价陷阱。
自检清单：你公司应该怎么配 IT 团队
把上面的判断整理成一张可以直接填的清单，老板和 CFO 可以花 15 分钟过一遍：
- 我们公司有几个核心业务系统？分别是 SaaS 还是定制？
- 这些系统一年大改几次、小改几次？
- 系统宕机 2 小时，业务损失大概多少？
- 我们的核心数据涉及合规吗（个人信息/医疗/金融）？
- 现有 IT 团队几个人？过去 12 个月每人产能大概多少需求点？
- 如果给每人配 Cursor 顶级订阅，预计产能能涨多少？
- 外包过去一年签了几个项目？总金额多少？哪些项目是「内部 IT 完全做不了」、哪些是「赶时间外包」？
- 业务部门最近一年提了多少 IT 需求？积压多少？
把这八个问题答完，配合前面的三变量评分，基本就能拍板。如果还是拿不准，建议先做一个 3 个月的小型实验：现有团队全员接入 AI Coding 工具，跑同样的需求池，3 个月后再看产能数据，再决定加人还是减人。直接拍脑袋裁员或扩招，都是把组织当玩具。
结语
AI Coding 不会让企业 IT 团队消失，但会让 IT 团队的定义彻底变形。少数会写代码的资深 + 多数会定义业务的分析师 + 一两家长期合作的外包，将是未来 3-5 年绝大多数中小企业的稳态配置。
真正难的不是算清楚养几个人，而是想清楚 IT 在你公司里到底是「成本中心」还是「业务杠杆」。当成本中心，能少则少；当业务杠杆，省下来的钱永远不如多赚的钱多。AI Coding 只是把这个老问题重新摆到了桌上。
