Software That Never Breaks: OutSystems CEO Woodson on Building Enterprise-Grade Apps at AI Speed

Outsystems 把 AI 写代码的季度交付从 4 个功能拉到 26 个，同时靠自建网关把 token 账单从 6-7 月峰值压到低于预算。

所有人都在说 AI 提效，但很少有人拿出账单和交付数字对照着看。Outsystems 服务的是巴西石油、沃达丰、丰田这类最保守的大企业，CEO Woodson Martin 给出两组真实数字：一边是季度功能交付从 4 个涨到 26 个，一边是 token 支出从夏天峰值往下掉。这期讲的就是这两件事怎么同时发生。

Outsystems 的做法和市面上大多数 AI 编程工具不一样：AI 不直接改代码，而是改一层"应用意图"的抽象模型，再由平台确定性地生成代码。

• 平台里有一层抽象模型：你用 Claude Code、Codex 或它自家的 Mentor 都行，但它们操作的不是代码，而是"这个应用要干什么"的模型，按一下按钮才生成代码。
• 每个生成的代码资产自动继承企业管控：GDPR、HIPAA 合规、基于角色的访问控制全部在平台层预置好，新代码自动复用已有组件，不用重新走一遍合规流程。
• 代价是 25 年积累：亚洲大量银行 App、鹿特丹港口的油轮卸货调度系统都跑在 Outsystems 上，这种"永不崩"的信任是初创公司拿钱买不到的。

Outsystems 去年一度"所有事都上 AI"，结果 token 账单在 6-7 月冲到峰值，随后靠自建工具把成本压了下来。

• 自建 harness 和网关做模型分流：不是每个任务都值得用 Opus，简单活路由到便宜模型，公司现在烧的 token 比 Q3 的预测还低。
• 企业工作负载大多很无聊：把 PDF 转成结构化数据这类活，用三年前的模型甚至纯确定性代码就够了，比调模型更便宜。
• 中国模型确实有人用：部分客户出于成本考虑自己部署或蒸馏中国开源模型；欧洲和亚洲客户对"把数据交给美国公司"的态度差异很大。

以前没人愿意碰的遗留系统现代化，现在因为 AI 能加速每个环节，反而成了最热的项目。

• 六年的项目改成六个月：保险公司开始动手改造 60 年前的案件管理系统，因为理解老系统、翻译需求、测试、上线全流程都能被 AI 加速。
• 看板类需求已经自助化：以前要排期的仪表盘，现在员工自己跟 Claude 聊出来就行；代价是标准化和集成度下降，需要平台回头统一数据定义和权限规则。
• 生产力到财报有滞后：Access Bank、做拉斯维加斯欢迎牌的 Yesco 都报告了明显提效，但 Woodson 承认从生产力提升到 P&L 数字需要时间，且不是所有 AI 投入都会回本。

"大多数企业工作负载根本不需要前沿模型——它们用三年前的模型就能跑，甚至用确定性代码更便宜。"

• 如果你在给公司做 AI 成本控制，先别急着砍用量，先建一个模型路由层：把任务按复杂度分级，简单任务强制走便宜模型，这一招让 Outsystems 的支出从峰值降到低于预算。
• 评估 AI 编程工具时，问一个具体问题：它生成的代码能不能自动继承你现有的合规、权限和复用规则？如果不能，每生成一个新应用就等于多欠一次合规债。