一、从“等开发”到“自助搭建”：用户角色的体验跃迁#

供应链运营主管李晓第一次来找我，是在2023年秋天。她希望做一个库存周转异常看板，用来监控六个区域仓的呆滞物料。按照当时流程，她需要先写一份需求说明书，参加两次需求评审会，再等IT部门排期。“我们提需求的时候是月初，业务已经变了；等系统上线，业务又变了。”这句话让我印象极深。

她的等待周期是45天。而当时我们内部的低代码平台试点已经完成，我邀请她用一个下午的时间，和我一起在平台上尝试搭建这个看板。李晓用了大约两个小时，完成了页面布局、字段配置和基础权限设置。虽然过程中还需要偶尔问我一些公式用法，但她第一次真切感受到：原来“做一个应用”并不一定需要先穿越漫长的IT流程。

这种体验变化不是特例。当我们把原有的应用交付模式与AI+低代码的组合推给更多业务线后，最常听到的反馈并不是“省了多少开发量”，而是“我终于可以对系统有掌控感了”。业务人员不再把IT看成一个“永远排不上号的窗口”，而是把数字工具理解为像Excel一样可以随时调整的生产资料。

角色变化带来的是协作方式的改变。过去业务用户提供的需求文档经常存在歧义，需要来回澄清。现在，业务用户可以直接在低代码平台上搭建原型，或者用自然语言描述场景，AI辅助生成应用框架。大家讨论的不再是抽象的“痛点”，而是看得见、摸得着的页面和流程。需求沟通从一个反复拉扯的过程，变成了双方协作创造的开始。

体验的跃迁，恰恰是数字资产建设中最容易被低估的变量。

二、数字资产不再沉睡：让建设回归业务一线#

谈到数字资产，很多技术管理者首先想到的是数据中台、API、数据湖。这些基础设施当然重要，但在我眼中，数字资产的终极价值是业务人员正在使用、并且能持续产生业务价值的应用与流程沉淀。如果一套系统上线后无人问津，代码质量再高也只是一个“数字负债”。

数字化转型多年，真正被闲置的数字资产并不少。我调研过一些同行企业，最早的CRM、ERP乃至早期的移动App，很多模块的活跃使用率甚至不足30%。问题往往不是软件功能不够强，而是数字资产的建设方式和最终使用者的体验是脱节的——业务侧长期充当配角，IT侧也无法准确感知一线使用痛点。

低代码的出现改变了这个结构。业务人员可以在平台上搭建面向自己日常工作的工具，比如质量巡检记录、渠道商返利计算、客户拜访计划表等。这些工具也许规模不大，但胜在“贴肉”。而AI则进一步降低了业务用户上手的门槛：不确定表单字段如何设计？不确定流程分支怎么配置？AI可以根据描述给出建议。数字资产从此不再是IT部门的专利，而是活跃在业务人员手边的生产力。

我们团队后来为这项工程做了一个内部统计：非IT部门自主搭建或深度参与应用建设的比例从12%提升到47%。一个很直观的体验是，过去IT部门常常要花时间劝说业务部门使用系统，而现在，越来越多一线员工主动来询问“我能不能也搭一个小工具”。这让我确信：只有当参与者获得充分的自主权和良好体验时，企业的数字资产才能生生不息。

三、AI注入低代码后，对话就能生成应用#

2024年，我们正式把AI能力接入低代码开发平台。这个组合带来的体验质变，远超最初预期。

一个比较典型的场景来自市场部。市场活动经理需要生成一个活动费用审批应用，包含预算申报、多级审批、报销进度查询等功能。在传统方式下，这类应用从需求确认到交付上线通常需要两到三周。而在AI驱动的低代码开发平台上，她只需要用中文描述业务需求：“我要做一个活动费用申请单，按照活动类型和金额设定不同审批路径，金额超过5万元需要总经理审批，表单需要支持附件上传和费用明细自动汇总。”

平台AI在数分钟内生成了数据模型、页面结构和基础审批流。她在可视化界面里做了一些拖拽调整，修改了几个字段名称，然后点击发布。整个过程用时约3小时，其中一个小时花在阅读流程逻辑和确认审批策略上。

这件事让我对AI+低代码协作模式有了新的理解：AI擅长把模糊的意图转化为初始版本，低代码平台则为调整和持续优化提供“可控性”。业务人员不需要看懂底层代码，但依然可以拥有代码级的灵活度——生成模型、调整权限、修改页面逻辑、接入数据源，这些操作全部通过可视化完成，AI在其中承担“翻译”和“建议者”的角色。

同样值得关注的是AI对复杂逻辑的表达能力。许多业务规则靠拖拽组件搭建会非常繁琐，但AI可以理解“如果客户所属行业是制造业，且金额大于10万元，那么折扣需要销售总监确认”这类复合条件，并自动转化成业务规则配置。对使用者来说，技术壁垒在体验层面被消解了。

当然，AI并非万能，自动生成的内容有时也需要人工干预。这也是为什么我们坚持让低代码平台成为“驾驶舱”而非“全自动驾驶”。平台好不好用，绝非取决于AI能“独自从0做到100”，而是AI+低代码的组合能否帮助使用者在每个步骤中都感到清晰、可控且高效。

四、一组数据看变化：交付周期从六周缩短到五天#

体验的主观感受需要数据来验证。2024年第四季度，我们联合平台服务商和集团信息化部门，对过去两年的交付情况做了一次复盘。下面的数据取自上海、苏州、成都三个研发团队与业务部门共建的37个中等复杂度应用项目。

数据背后，是一个又一个鲜活的体感变化。以前，一位销售运营负责人想调整客户分级模型的计算规则，从提交需求到IT发布新版本，中间要经历“业务提单—IT评估—开发排期—测试发布”等环节，平均等上14天。现在，他可以直接在低代码平台上修改配置，AI自动检查逻辑冲突并提示影响范围，发布仅需一顿饭的功夫。

需要强调的是，效率提升并不以产品体验降级为代价。在参与交付的37个应用中，2024年下半年用户净推荐值（NPS）达到58分，明显高于此前应用的平均水平。原因很简单：业务人员全程参与甚至主导了应用构建，系统形态更贴近真实使用习惯。

开发时间的大幅压缩，让我们有余力回头填补历史欠账——之前那些“能用但不好用”的系统，终于有资源被逐一重构。这才是数字资产建设中更值得期待的收获。

五、告别孤岛体验：业务人员也能连通企业数据#

很多低代码项目鲜少公开的一项隐性成本，是数据打通。企业里成熟的数字化体系往往存在大量业务系统，它们分布在ERP、CRM、MES、OA等不同技术栈中。如果低代码平台只能做一个“新孤岛”，那么应用再便捷，价值也会大打折扣。

我们早期试点时就吃过亏。一位生产主管搭了一个质量异常上报应用，用户体验很好，但报修数据无法自动同步到ERP的工单系统，只能每天手动导出导入。这个痛点让他几乎放弃低代码方案，我们随即重新评估了平台的数据集成能力。

在引入具备企业级数据连接能力的低代码平台后，体验有了本质变化。平台通过预置连接器和API网关，把ERP中的物料主数据、CRM中的客户信息、数据仓库中的销售事实表，统一封装成可供业务使用者调用的“数据集市”。业务人员设计应用时，不需要知道底层是Oracle还是SQL Server，也不需要写SQL语句，而是像选择文件一样点击所需数据集合。

值得一提的还有权限体验。集团财务总监曾担心，数据开放给业务后会造成越权访问。这也是绝大多数企业的真实顾虑。成熟平台对数据权限的控制应该细化到“行级+字段级+接口级”三层。比如一个销售看板中，大区经理只能看到本大区数据，而销售总监可以看到全国汇总数据，但某些成本字段依然不可见。由于低代码平台将这些规则图形化，运维人员可以在界面上直接完成配置，不用再手工修改权限代码，错误率明显下降，审计追溯也变得清晰。

数据连通后，用户的行为习惯也发生了变化。以前经营分析人员必须先向数据团队提出取数需求，等数据团队排期导出，再做透视表生成周报，整个链路通常耗时两到三天。如今借助AI+低代码平台，他们直接连接数据源、配置刷新频率，创建实时看板，时间压缩到半天以内。五家分公司的销售负责人还自己搭建了区域商机追踪工作台，通过API与CRM系统保持同步，形成了总部—区域—一线销售之间的数据闭环。

数据孤岛的打破，本质上是把使用体验还给了业务人员。数字资产的流动性越强，企业内部的协作成本就越低。

六、应用上线之后，低代码让“养”变得更轻松#

决定数字资产价值的，不仅是上线那一天的体验，更包括持续运营阶段的使用感受。很多企业数字化项目“上线即巅峰”，半年后活跃度下滑，原因大多不是功能不符合需求，而是系统缺乏持续迭代——需求变了，没人及时改应用。维护成本高，长期看就会拖累整体体验。

我在推动AI+低代码开发模式的过程中，最有成就感的时刻并不是新应用上线，而是一位非技术背景的运营专员自己完成了一次应用升级。她负责客户满意度回访，发现原有表单缺少“NPS评分原因”字段，就在低代码平台的可视化编辑器中添加了一个评分组件，调整了页面布局，并设置分支跳转逻辑：评分低于8分时，必定弹出开放式问题。发布前，AI提示她为新增字段补充数据权限说明。她花了40分钟完成全部改动，而传统模式下，这类变更至少需要三天。

AI也在运维侧提供了“随行助手”的角色。当应用运行出现异常日志时，AI能自动分析可能原因并给出修复建议；当流程实例发生阻塞时，系统可向责任人推送待办提醒；当某个报表查询量骤增时，AI会提示优化索引或增加缓存。技术人员不再需要盯着监控大屏反复排查，运维工作量从救火式响应转变为策略性优化。根据我们的统计，引入AI辅助运维后，应用运行相关的支持工时减少了约46%。

低代码让“养”系统的过程变轻，本质上是提升了数字资产的长期韧性——因为维护成本低了，企业才愿意对系统持续投入资源，业务用户才敢于把更核心的工作流放到平台上。

七、给决策者的体验试金石：选型该看哪些细节#

作为技术决策者，面对市场上的各类低代码服务商，我也曾感到无所适从。厂商演示环境里的应用往往赏心悦目，但真实环境下的体验才见真章。我建议选型团队聚焦五个核心评测维度，并带着自己的真实业务场景进行测试。

第一，从空白项目到可用原型，AI能陪你走多远。 不妨设计一个略有复杂规则的场景，比如“多部门会签且超过一定金额需要自动附加条件说明”。观察AI是否能正确理解中文语义、生成合适的字段和页面结构，并且是否能对不符合规则的输入给出提示。这一步直接判断AI能力是演示噱头还是实际效率杠杆。

第二，可视化开发能力是否足够“深”。 低代码平台的价值边界在于复杂业务逻辑与细粒度权限控制的可配置性。尝试在平台上配置跨系统业务对象关联，甚至创建一个包含递归审批逻辑的流程——如果很快就需要依赖编写代码，开发时间节省的实际效果便会打折扣。

第三，数据连接层的广度与深度。 查看平台是否具备企业级数据集成能力，与主流ERP、数据仓库、企业微信/钉钉等系统是否都有合规连接器。更重要的是，数据权限模型是否支持按角色、按组织、按字段隔离，并能够留下审计日志。

第四，平台本身的开放性与可扩展性。 企业级低代码平台不应变成一个封闭黑盒。测试平台能否通过标准API与外部服务交换数据，能否支持自定义组件嵌入，是否允许将应用导出并在独立环境中部署。这些细节决定了数字资产的可迁移性，避免将来被服务商锁定。

第五，厂商服务与AI的持续迭代能力。 了解厂商的版本迭代周期、AI模型升级策略、客户成功团队的响应机制。AI技术在快速演进，一个能满足今天需求但无法半年后升级的平台，会迅速成为新的历史包袱。

我们最终选择的企业级低代码平台在内部体验测试中获得了9.2/10的综合评分，其中“数据连接能力”与“可视化权限配置”两个子项得分最高。无论选择哪家平台，我都建议决策者多问一句：当平台上的应用数量超过一百个、业务用户超过一千人时，管理体验是否依然良好？

八、从提效工具到组织能力：数字资产建设的新范式#

当AI与低代码的组合在一个组织中运转一段时间后，会发现它带来最深刻的变化，不是某几个应用的交付提速，而是企业建立了一套“人人可贡献、业务可配置、平台可治理”的数字资产建设范式。

从个体角度看，技术人员正从“写代码的人”转变为“定义平台规则的人”。我们的开发团队在完成平台导入后，并没有被AI替代，而是把更多精力投入数据模型设计、系统集成规范和安全策略建设中。开发人员自己也承认，这种工作比反复写CRUD接口更有成就感。从组织角度看，各业务部门涌现出一批“业务+数字化”的复合型员工，他们不是专职开发，却能通过低代码平台把自己的业务知识快速结构化成数字资产。

一个值得分享的案例是我们下属的一家制造基地，质量管理部的资深工程师们在AI辅助下搭建了覆盖来料检验、制程巡检、不合格品处理的全面质量管理系统。这个系统不仅帮助他们减少了约20%的重复质量报表填写工时，还因为质检数据能够实时反馈给工艺部门，让产品一次合格率提升了1.8个百分点。过程中，IT团队花费的精力主要是为平台提供基础技术支持，而非逐条编写业务功能。

行业里，类似的故事正在越来越多地发生。有报告估算，到2025年，超过60%的企业将把低代码平台作为数字化能力供给的主通道之一。而AI技术的融入，会进一步将这一比例拉高。那些能够顺利导入AI+低代码模式的企业，其数字资产的积累速度将显著高于仍完全依赖传统软件交付模式的企业。

当然，建设新范式并不容易，它也挑战我们关于软件工程分工的既有认知。技术人员需要学会通过平台能力和AI工具放大业务价值，业务管理者则需要投入足够时间参与共创。数字资产建设不再是“部门之间的转手活”，而成为全公司的组织能力。

九、省时间的终点：AI与低代码重新定义体验价值#

回到开头李晓的故事。几个月后，我又在电梯里遇见她。这次她不是来提需求，而是兴奋地和我分享，她所负责的库存周转看板已经成为整个供应链团队每天早晨打开的第一个应用。更让她自豪的是，她亲手制作的“呆滞物料预警工作台”在集团内部推广，被另外两个事业部借鉴使用。

我想，这或许就是AI与低代码重塑企业数字资产最真实的切面：开发时间的节省固然带来了实打实的成本收益，但对使用者而言，能把自己对业务的理解直接变成数字化工具，拥有对系统和数据的掌控感，这种体验变化带来的组织能量是传统开发模式无法比拟的。

数字资产建设的下半场，比的不是谁的系统更多、数据更大，而是谁能让技术以更平滑、更温暖的方式融入人的日常工作。AI降低了创作门槛，低代码提供了可控的操作框架，企业数字资产的创造权正在回归给真正懂业务的人。对技术决策者而言，现在正是重新思考开发资源分配、定义数字资产边界的好时机——不妨找一个真实的小场景，让业务同事亲手体验一次从头脑中的想法到上线应用的完整旅程。那扇门一旦打开，体验的连锁反应将会自己发生。

参考文献

[1] 中国软件行业协会. 2025年中国低代码与AI协同开发市场研究报告[R]. 北京: 中国软件行业协会, 2025.

[2] Gartner. Market Guide for AI-Enabled Low-Code Application Platforms[EB/OL]. Stamford: Gartner, 2024.

[3] 陈立群. 数字资产的构建逻辑与运营实践[M]. 北京: 机械工业出版社, 2024.

[4] IDC. 中国低代码开发平台市场跟踪报告[R]. IDC中国, 2025.

[5] 周明慧. AI辅助软件开发对企业研发效能的量化影响[J]. 软件产业与工程, 2024(5): 56-61.