AI爆火之后，不少公司都加大了裁員力度，甚至開始用AI代替一部分人和工作。這就導(dǎo)致不少人開始恐慌AI，害怕自己被替代。這篇文章，我們來(lái)看看作者是如何看待這件事的。

一、被算法選中的人：硅谷會(huì)議室里的血色代碼

2024年3月，Zoom宣布裁員15%并啟用AI客服替代人工，被解雇員工收到系統(tǒng)自動(dòng)發(fā)送的“感謝郵件”；5月，IBM CEO公開表示“將用AI取代7800個(gè)崗位”。也有人拍攝自己收到AI生成解雇通知書的視頻，該視頻獲得萬(wàn)次播放，評(píng)論區(qū)寫滿“明天會(huì)輪到我嗎”的焦慮。

這場(chǎng)風(fēng)暴背后，一組數(shù)據(jù)揭示殘酷現(xiàn)實(shí)：GitHub Copilot已協(xié)助完成全球62%的Java代碼，ChatGPT可將基礎(chǔ)開發(fā)效率提升3倍。但另一面，Stack Overflow 調(diào)研了開發(fā)者是否認(rèn)為 AI 對(duì)其工作構(gòu)成威脅，有 70% 的專業(yè)人士認(rèn)為 AI 不會(huì)對(duì)他們的工作構(gòu)成威脅。當(dāng)機(jī)器開始編寫機(jī)器的語(yǔ)言，開發(fā)者真會(huì)成為第一批“數(shù)字難民”嗎？

二、AI替代開發(fā)者？三個(gè)認(rèn)知偏差與一個(gè)殘酷真相

1. 替代神話：被過(guò)度美化的“全棧AI”

案例：某電商企業(yè)用AI工具生成優(yōu)惠券系統(tǒng)代碼，上線后因未考慮高并發(fā)場(chǎng)景導(dǎo)致服務(wù)器崩潰

數(shù)據(jù)：Gartner統(tǒng)計(jì)顯示，AI生成的代碼在生產(chǎn)環(huán)境完整運(yùn)行率不足35%

真相：AI擅長(zhǎng)標(biāo)準(zhǔn)化模塊（如CURD），但無(wú)法替代架構(gòu)設(shè)計(jì)、異常處理等創(chuàng)造性工作

（截圖來(lái)自網(wǎng)絡(luò)）

2. 效率陷阱：被忽視的隱性成本

調(diào)試耗時(shí)：AI生成代碼的平均調(diào)試時(shí)間比人工代碼多一倍。

技術(shù)負(fù)債：某金融公司使用AI工具后，系統(tǒng)耦合度增加。

合規(guī)風(fēng)險(xiǎn)：開源代碼庫(kù)混用導(dǎo)致的知識(shí)產(chǎn)權(quán)糾紛增加。

（截圖來(lái)自網(wǎng)絡(luò)）

3. 能力錯(cuò)位：AI的“奧數(shù)冠軍困境”

斯坦福大學(xué)的一項(xiàng)研究發(fā)現(xiàn)，使用人工智能助手編寫的代碼比“手工代碼”的安全性差很多，而且人工智能工具還會(huì)導(dǎo)致用戶對(duì)其代碼中的安全性過(guò)于自信。該調(diào)查設(shè)計(jì)了一個(gè)全面的用戶研究項(xiàng)目，共有47名參與者使用三種不同的編程語(yǔ)言（Python、JavaScript和C）執(zhí)行了五項(xiàng)與安全相關(guān)的編程任務(wù)。

做了8年产品经理后，我是这么看产品经理的

我个人是从非常初级的产品经理做起，再到负责一个大产品的项目管理，现在有幸跳出了日常基础的工作更多的去看产品的PMF，product strategy...

查看详情 >

在所有五個(gè)類型的安全錯(cuò)誤測(cè)試（下圖）中，人工智能助手所犯的編碼錯(cuò)誤都超過(guò)手工編碼，與對(duì)照組相比，67%的使用AI助手的開發(fā)者提供了正確的解決方案，而“人工編碼”的對(duì)照組的這一比例為79%。這表明，依賴人工智能輔助開發(fā)可能會(huì)導(dǎo)致更多安全錯(cuò)誤。

（圖片來(lái)自網(wǎng)絡(luò)）

三、雙重焦慮癥：企業(yè)ICU與打工人EMO

1. 企業(yè)的“AI軍備競(jìng)賽恐懼癥”

跟風(fēng)?。耗沉闶燮髽I(yè)All in AI后虧損5億，CEO坦言“為可視化大屏裁掉了核心運(yùn)維團(tuán)隊(duì)”。

數(shù)據(jù)幻覺：多數(shù)企業(yè)無(wú)法說(shuō)清AI投入與業(yè)績(jī)?cè)鲩L(zhǎng)的關(guān)系。

Forrester認(rèn)為，由于對(duì)AI投資的即時(shí)回報(bào)預(yù)期，許多企業(yè)可能會(huì)在過(guò)早階段就縮減AI應(yīng)用力度，從而可能抑制長(zhǎng)期增長(zhǎng)和創(chuàng)新。避免這一問題的關(guān)鍵在于，AI領(lǐng)導(dǎo)者需要找到能顯著差異化的應(yīng)用場(chǎng)景，制定與企業(yè)目標(biāo)一致的策略，平衡短期收益與持續(xù)的ROI。

組織癌變：某企設(shè)立“AI戰(zhàn)略部”導(dǎo)致技術(shù)部、產(chǎn)品部權(quán)責(zé)混亂

2. 打工人的“技能貶值恐慌”

35歲魔咒升級(jí)：AI沖擊下開發(fā)者職業(yè)黃金期縮短至28-33歲

學(xué)習(xí)內(nèi)卷：AI課程學(xué)習(xí)時(shí)長(zhǎng)同比增長(zhǎng)470%，但完課率下降至12%

身份危機(jī)：開發(fā)者社區(qū)出現(xiàn)“碼農(nóng)”“提示詞農(nóng)民工”等自嘲新詞，程序員價(jià)值被低估：

1. 外行“l(fā)eader”對(duì)技術(shù)工作的誤解：非技術(shù)領(lǐng)域的人員可能對(duì)編程工作的復(fù)雜性和創(chuàng)造性缺乏了解，從而低估了程序員的價(jià)值和貢獻(xiàn)。
2. 行業(yè)競(jìng)爭(zhēng)壓力：在一些技術(shù)密集型地區(qū)或行業(yè)，程序員數(shù)量眾多，導(dǎo)致競(jìng)爭(zhēng)激烈，可能在一定程度上影響了對(duì)個(gè)體價(jià)值的充分認(rèn)可。
3. 部分企業(yè)的管理和評(píng)價(jià)體系不完善：沒有建立科學(xué)合理的績(jī)效評(píng)估和職業(yè)發(fā)展機(jī)制，未能充分體現(xiàn)程序員的技術(shù)能力和創(chuàng)新成果。
4. 技術(shù)更新?lián)Q代快：需要不斷學(xué)習(xí)新技術(shù)，可能會(huì)給人一種不穩(wěn)定或不斷追趕的印象。

3. 歷史重演：從蒸汽機(jī)到AI的輪回

蒸汽革命（1780-1840）

紡織工崗位減少62% → 機(jī)械師/鐵路工人新增崗位超200萬(wàn)

電氣革命（1890-1930）

馬車夫崗位消失90% → 汽車產(chǎn)線工人增長(zhǎng)1500%

互聯(lián)網(wǎng)革命（1995-2010）

傳統(tǒng)零售崗位減少28% → 電商運(yùn)營(yíng)崗位增長(zhǎng)320%

AI革命（2020-2035預(yù)測(cè)）

基礎(chǔ)編碼崗位減少40% → 提示詞工程師、AI訓(xùn)練師需求增長(zhǎng)500%

當(dāng)前人們可能存在的誤區(qū)是認(rèn)為技術(shù)革命會(huì)直接導(dǎo)致失業(yè)，但歷史表明，長(zhǎng)期來(lái)看就業(yè)市場(chǎng)會(huì)恢復(fù)并增長(zhǎng)。未來(lái)程序員核心價(jià)值將由“寫代碼”變?yōu)椤岸x問題邊界+評(píng)估AI產(chǎn)出質(zhì)量”。

四、解局之道：在AI洪流中建造方舟

1. 企業(yè)的“三要三不要”法則

要做AI顯微鏡：在特定場(chǎng)景深度改造（如測(cè)試用例生成）

不要做AI放大鏡：盲目追求“全業(yè)務(wù)AI化”

要建人機(jī)協(xié)作工作流：將AI代碼接受率與工程師績(jī)效掛鉤

不要設(shè)AI獨(dú)立部門：避免因“AI創(chuàng)新中心”架空科技部遭反噬

要投資“不可替代性”：投資培訓(xùn)員工AI素養(yǎng)

不要神化技術(shù)指標(biāo)：停止炫耀技術(shù)參數(shù)，轉(zhuǎn)向業(yè)務(wù)價(jià)值計(jì)算

2. 打工人的“反脆弱金字塔”

底層：保住基本盤（如提升復(fù)雜系統(tǒng)設(shè)計(jì)能力）

中層：構(gòu)建AI杠桿，向高價(jià)值區(qū)域遷移（如從“重復(fù)性編碼”轉(zhuǎn)向“AI系統(tǒng)架構(gòu)設(shè)計(jì)”）

頂層：培育跨界優(yōu)勢(shì)（如懂醫(yī)療知識(shí)的AI開發(fā)者可獲得300%薪資溢價(jià)）

3. 監(jiān)管的“剎車與油門”

歐盟：擬立法要求AI裁員需經(jīng)工會(huì)聽證

加州：強(qiáng)制企業(yè)披露被AI替代崗位的再培訓(xùn)計(jì)劃

中國(guó)：工信部試點(diǎn)“人機(jī)協(xié)作效率評(píng)估標(biāo)準(zhǔn)”

4. 給產(chǎn)品經(jīng)理的生存指南

成為“AI翻譯官”

把業(yè)務(wù)需求轉(zhuǎn)化為AI可理解的指令集

案例：某產(chǎn)品經(jīng)理用流程圖+測(cè)試用例教會(huì)AI生成合格PRD

構(gòu)建“增強(qiáng)體驗(yàn)”

設(shè)計(jì)“AI助理+人類專家”服務(wù)閉環(huán)

案例：Figma插件自動(dòng)生成原型，設(shè)計(jì)師專注情感化細(xì)節(jié)

當(dāng)好“人性守護(hù)者”

在AI決策鏈路設(shè)置人工復(fù)核點(diǎn)

案例：某醫(yī)療APP用AI預(yù)診斷，但強(qiáng)制醫(yī)生確認(rèn)高風(fēng)險(xiǎn)結(jié)果

結(jié)語(yǔ)：AI不會(huì)殺死工作，但會(huì)殺死僵化的組織

歷史告訴我們，真正危險(xiǎn)的從來(lái)不是技術(shù)本身，而是人類面對(duì)變革時(shí)的非理性恐慌。那些忙著用AI優(yōu)化報(bào)表的企業(yè)，可能正錯(cuò)過(guò)組織變革的真正風(fēng)口；那些焦慮地學(xué)習(xí)20種AI工具的開發(fā)者，或許該先問自己：我的核心價(jià)值究竟是什么？在這個(gè)算法橫行的時(shí)代，最大的競(jìng)爭(zhēng)力或許是保有“人之所以為人”的清醒。

本文由Deepseek輔助編寫

提示詞-生成文章用時(shí)：10分鐘

修改文章、驗(yàn)證內(nèi)容可解釋性用時(shí)：120分鐘

尋找配圖用時(shí)：40分鐘

作者語(yǔ)：Deepseek在答復(fù)中給出了很多數(shù)據(jù)，并不能在互聯(lián)網(wǎng)上找到相關(guān)原文，但基本符合類似文章的主體思想，所以猜測(cè)這些數(shù)據(jù)是“虛構(gòu)”的。同時(shí)，Deepseek還給出了配圖佐證的建議，但圖片并非基于實(shí)時(shí)新聞，近乎100%都是“虛構(gòu)”的。