人工智能本应消除构建软件的技术门槛。承诺是：任何有好点子的人只需在文本提示框中输入想法，就能得到一个功能完备的初创产品。然而在非洲科技生态中，现实却截然不同。当前这波AI工具并没有让普通人的产品开发民主化——它反而在为那些已经理解部署与系统架构的专家充当强大的放大器。

这是软件工程师、IDEA8LAB创始人Aminat Shotade的日常观察。她在接受Technext独家采访时指出，普通人构建产品的根本瓶颈已完全从生成代码转移。

“最大的挑战不再是写代码。AI可以写代码、解释代码，甚至能为你构建应用的大部分内容。真正的挑战在于知道该构建什么、各个部分如何组合在一起，以及如何把一个想法变成可运行的产品，”Shotade解释道。“大多数非技术人士能够描述他们想要的功能。他们难以理解的是身份验证、数据库、支付、托管、安全、用户体验和产品设计这些内容。”

对于非工程背景的读者来说，这些术语指的是每个正常运行的应用背后的机制：身份验证确认用户身份，数据库存储应用收集的信息，托管是软件实际运行的地方，而支付与安全则保障真实交易的安全。这些机制恰恰是聊天提示无法交付的，这也是她所描述的瓶颈发生了转移而非消失的原因。

问题出在架构层面

非技术创始人往往能精确描述他们想要的功能，但现代软件是一个由互联系统构成的复杂网络，当这些系统必须协同工作时，问题就出现了。

“构建一个应用不是一个问题，而是二十个相互关联的问题，”她指出。“AI可以帮助解决单个任务，但你仍然需要理解整个系统。”

Shotade指出了发布产品所需的隐形基础设施。创始人或许可以用聊天机器人生成一个精美的用户界面，但仍然需要配置身份验证协议、搭建数据库结构、保护用户数据并设置托管环境。当普通构建者尝试部署AI生成的代码时，他们会立刻撞上服务器配置和安全要求这堵墙。在她看来，这就是为什么能否使用聊天机器人已不再是非洲构建者的决定性因素——能否运行生成的产物才是。

《Lagos Life》的爆红印证了这一点

《Lagos Run》及其人生模拟续作《Lagos Life》等近期的成功，乍看之下似乎证明入行门槛终于崩塌。这些基于浏览器的体验通过将城市居民的日常挣扎游戏化，获得了巨大的文化关注。到第四天，《Lagos Life》已记录了近250万玩家和2300万次访问，峰值同时在线用户超过12.2万，据报道创造了约62,000,000奈拉（46,900美元）的收入，主要来自虚拟广告牌投放以及玩家购买游戏内奈拉。

这种爆发式的速度制造了一种诱人的错觉，仿佛任何人都能取得同样的成绩。但这些游戏的创始人并非往虚空里输入提示词的新手。他们是经验丰富的软件工程师，深知如何将不同技术拼接在一起。应对海量并发流量需要深厚的数据库架构、负载均衡和实时状态管理知识。整合真金白银的广告销售和本地支付网关，则需要从根本上理解金融API和交易安全。AI并没有构建那套基础设施——是工程师借助AI构建的。

对于拥有同样出色创意的非技术创始人来说，生成式聊天界面与一个可上线、可扩展的产品之间，鸿沟依然巨大。对本土化产品的需求显然存在；而按照她的说法，稀缺的是把关注度转化为能够承载负载的产品的运营知识。

执行力将工程师与其他人区分开来

Shotade精确指出了技术人群与普通用户之间存在鸿沟的原因。

“打造成功的产品需要的远不止一个想法。大多数人都有想法，难的是执行。工程师了解技术在真实环境下的表现，”她说。“他们知道如何快速构建、测试、改进、扩展和修复问题。当他们看到机会时，通常行动更快，因为他们已经理解这些工具。这并不意味着非技术人士无法打造成功的产品，只是意味着工程师在想法和成品之间的障碍往往更少。”

在部署阶段，完全依赖面向消费者的聊天工具的局限性暴露无遗。生成式界面是为创作而非执行而设计的，Shotade用一个贴切的类比说明了这一局限。

“聊天界面擅长创造东西，但不擅长运营东西，”她说。“ChatGPT可以帮你设计一家餐厅、制定菜单，甚至撰写商业计划书。但它不会变成那家餐厅。你仍然需要场地、员工、电力、支付系统和顾客。软件也是如此。聊天界面可以生成代码，但你仍然需要托管的地方、存储数据、管理用户、处理支付，并让一切持续运行。真正的应用正是在这里超越了聊天窗口。”

这一规则适用于整个软件行业。生成代码只是第一步。创始人仍需要托管之地、存储数据、管理用户、处理支付，并确保基础设施安全运行。大语言模型可以为结账页面写一段脚本，但它无法自动保障从用户输入银行卡信息到银行授权扣款之间的数据管道安全。真正的应用必须走出聊天窗口才能存活。

教育必须从语法转向系统

在Shotade看来，这一现实要求彻底重写整个大陆的技术教育方式。多年来，行业通过强迫学生记忆语法来教授编程——这类工作如今已完全由生成式模型处理。新的高价值技能完全聚焦于逻辑和系统架构。

“我认为我们教错了东西。多年来，人们通过记忆语法学习编程，而AI现在已经能处理其中大部分工作，”她指出。“有价值的技能正在变成：你如何思考一个问题？能否把大问题拆解成小问题？能否设计一个工作流？理解数据如何在系统中流动？能否判断什么需要先做、其次做、最后做？未来不在于记住每一条编程命令，而在于理解逻辑、系统和决策。”

为了让尼日利亚生态真正抓住这场AI革命的财富创造潜力，重点必须从编写代码转向设计工作流。构建者需要理解数据如何从起点到终点在系统中流动，并在写下一行代码之前就明确什么必须先做、其次做、最后做。随着AI工具的普及，这片大陆的课堂和培训项目如何应对这一转变，将决定谁有能力进行构建。

创意与生产之间缺失的那一层

她表示，真正的民主化需要一整套全新的基础设施层。当前生态缺失的是连接人类创意与真实生产环境之间的关键桥梁，而可视化无代码运行时和基于逻辑的培训平台对于真正开放这个生态至关重要。

“我们仍然缺少连接创意与生产之间的一层。目前存在巨大鸿沟。有人可以用平实的语言描述一个应用，AI可以生成代码，但把这些代码变成可靠的业务仍然很复杂，”她表示。“你仍然需要考虑数据库、身份验证、托管、监控、安全、支付和部署。”

“我们缺的是能自动处理上述大部分决策的基础设施。当有人能用平实的语言描述一个商业创意，并在不理解底层技术栈的情况下可靠地发布一个安全、可扩展的产品时，软件创造才真正对所有人触手可及。我们正朝着这个方向前进，只是还没到那一步，”她总结道。

在这一层基础设施出现之前，生态中的分界线仍将停留在今天的位置：在会写提示词的人与能够部署的人之间。按照她自己的表述，值得关注的并非又一次病毒式上线，而是能够凭借自身将自然语言创意一路带到安全、可扩展发布的工具的到来。

本文基于Technext发布的独家采访。