在现代企业中，软件开发往往是最昂贵的投入之一，但同时也是最缺乏财务透明度的领域。每天做决策的工程师和产品经理，会决定开发什么、延后什么、甚至放弃什么，但这些决策背后的“成本”却几乎从未被明确计算。这并不是偶然，而是一种持续了二十多年的结构性现象：组织刻意或无意地将“财务视角”排除在日常决策之外。
如果我们把问题拆开来看，事情其实并不复杂。一个普通的软件工程师，在西欧的综合成本大约在每年 12 万到 15 万欧元之间，取中间值约为 13 万欧元。这已经不仅仅是工资，还包括社保、设备、管理成本以及办公空间等。换句话说，一个由 8 名工程师组成的团队，每年的成本大约是 104 万欧元，每个月约 8.7 万欧元，每个工作日约 4000 欧元。
这个数字本身并不难算，但问题在于，大多数工程师并不知道它，甚至不少管理者也不清楚。更关键的是，即便有人知道，这些信息也很少进入实际的优先级讨论中。这就导致一个很现实的问题：团队每天都在做“投资决策”，却不知道自己在花多少钱。
一旦把这个数字带入具体场景，很多看似合理的决策就会显得完全不同。比如，一个团队花三周时间做一个只服务 2% 用户的功能，本质上是一个大约 6 万欧元的决策。再比如，为了“感觉更好”而重构系统，而不是因为用户流失，这其实是一种资本配置行为，只不过没有被当作资本配置来看待。
这种缺乏财务视角的问题，在内部平台团队中尤为明显。设想一个常见的结构：8 名工程师维护一个平台，为 100 名其他工程师服务。这个团队每个月成本约 8.7 万欧元，那么要“回本”，它至少需要为这 100 名工程师创造同等价值。最直接的衡量方式是节省时间。
如果一个工程师每月成本约 1.08 万欧元，相当于每小时约 65 欧元，那么平台需要每月节省总计约 1340 小时，也就是每人每周节省约 3 小时。这听起来并不夸张，一个优秀的平台完全可以通过自动化部署、减少重复配置等方式达到这个水平。
但问题在于，大多数团队并不会计算这个数字，更不会持续跟踪它。他们的工作路线图往往由技术兴趣、业务方需求以及季度规划驱动，而不是由“这个功能能否产生足够价值”来决定。
更重要的是，“回本”本身并不是一个合理的目标。现实世界中的投资，需要覆盖失败的成本，也需要考虑长期维护的开销。一个团队的工作不只是当前的产出，还包括未来持续的维护、复杂度的增加以及系统替换的成本。因此，一个更合理的标准是至少创造 3 到 5 倍于成本的价值。
这意味着，一个每月成本 8.7 万欧元的团队，实际上需要创造 26 万到 43 万欧元的月度价值，才能被视为真正“健康”。这个门槛远高于大多数团队的直觉，也解释了为什么很多项目从财务角度来看其实并不成立。
对于面向用户的产品团队来说，逻辑完全相同，只是变量不同。如果一个产品的每用户月收入是 50 欧元，那么团队需要每月新增或保住约 1740 个用户才能回本，而要达到健康水平，则需要 5000 到 8700 个用户的价值贡献。
在这种情况下，一些关键指标的意义就变得非常具体。例如，降低用户流失率（churn）往往是最直接的价值来源。如果一个产品每月流失 1000 名用户，对应 5 万欧元收入，那么只要团队能解决主要流失原因，就几乎可以覆盖大部分成本。同样，提升用户激活率或转化率，也可以带来显著的收入增长。关键不在于这些指标本身，而在于是否能将它们与财务结果建立清晰的联系。
然而，大多数团队并没有这样做。他们更倾向于使用一些“替代指标”，例如开发速度、完成的任务数量、用户满意度或活跃度。这些指标并不是错误的，但它们与财务回报之间并没有直接关系。一个团队可以交付更多功能，同时却在创造更少的价值；用户参与度可以上升，但真正付费的用户却在流失。
之所以会形成这种局面，很大程度上是历史环境造成的。从 2011 年到 2022 年，全球资本长期处于低利率状态，风险投资活跃，软件公司可以通过不断扩张来掩盖效率问题。在这样的环境下，即便做错很多决策，只要整体增长仍在，问题就不会暴露。这种环境持续了十多年，足以塑造一整代产品和工程管理者的思维方式。
但当资本变得昂贵之后，这种模式就难以维持了。更重要的是，大语言模型（LLM）的出现，正在从根本上改变软件开发的成本结构。过去需要数百甚至数千工程师多年完成的系统，现在可能在短时间内由少数人借助 AI 工具完成一个可用版本。这使得一个长期被忽视的问题变得无法回避：大型工程团队和庞大代码库，究竟是资产，还是负担？
传统观点认为，代码库代表着积累的价值，团队规模代表着能力，复杂性则构成竞争壁垒。但现实中，复杂系统也意味着更高的维护成本、更大的协作开销以及更慢的决策速度。这些“隐性成本”在过去被增长掩盖，而现在正在逐渐显现。
当一个开发者可以在两周内用 AI 构建出接近成熟产品核心功能的系统时，问题就不再是“能不能做”，而是“为什么还需要这么多人来做”。当然，这并不意味着大型系统的价值消失，因为它们还包括安全性、合规性、销售体系等复杂能力。但它确实动摇了一个长期成立的假设：规模本身就是优势。
在这样的背景下，真正能够建立长期优势的公司，并不一定是技术最先进的，而是那些能够清晰理解自身经济模型的组织。它们知道每个团队的成本，知道这些团队创造了多少价值，也知道哪些工作是不值得做的。
这类组织可以基于真实的经济逻辑做决策，而不是依赖直觉或内部共识。他们可以判断是自己开发还是购买现成方案，可以识别哪些项目没有回报，也可以根据“每天延迟带来的损失”来安排优先级。
而大多数组织，目前还不具备这种能力。它们缺乏数据、缺乏工具，更缺乏提出这些问题的习惯。建立这种能力并不轻松，因为它会暴露很多不舒服的事实，例如某个团队花了一个季度，却没有产生任何可衡量的价值。
但不去面对这些问题的代价更高。因为这意味着，一个每年消耗数百万欧元的团队，正在没有财务反馈的情况下持续做决策。在一个软件成本正在被 AI 快速压缩、资本要求回报越来越高的时代，这种状态很难长期持续。
真正的分水岭，可能不在于谁更快采用 AI，而在于谁更早开始用“经济学”的方式来理解软件团队。