•
25位IT大佬親述：AI「吃掉」程式設計師！碼農黃金時代終結
AI開發者可能自食其果，最先被AI取代！ AI Impact Lab的創辦人認為：未來的趨勢是AI讓資深工程師比升值，而讓初級工程師貶值。如果AI能引發文明變革，那「程序猿」將首當其衝，最早被AI取代。
如果AI真的取代人類工作，為什麼不從AI公司最熟悉的職位開始？如果AI引發大裁員，以前到底有沒有認真思索過最先被取代的是那些崗位？有早期跡象預示了這一趨勢？
毫無疑問，AI公司最熟悉的職位，就是它們自己員工從事的職位。
那在AI公司任職的研究員、軟體工程師不妨問問自己這些問題。
最近，AI Impact Lab的創辦人兼負責人Taren Stinebrickner-Kauffman發表了一篇部落格文章，認為這些AI公司首先針對的就是軟體工程師。
她認為AI革命可能最終會吞噬自身：
即使AI不會導致整體大規模失業，工程類工作也會急劇下降。
開發者自食其果？
如果你關注科技就業市場或AI程式工具，上個月美國的一些資料肯定會讓你瞠目結舌！
AI巨頭Anthropic的執行長Dario Amodei公開表示，在今年底前，AI可能會編寫90%的所有程式碼。
Y Combinator的負責人Gary Tan提到，在2025年冬季季度的一批YC新創公司中，95%的程式碼是由AI編寫的。
據報導，AI編碼新創公司Cursor的年度經常性收入已超過2億美元，這意味著擁有超過五十萬付費訂閱使用者，而免費使用者推測有幾百萬。
Cursor在2024年底達到1億美元ARR的速度，與其他公司的比較。僅僅三個月後，到2025年3月，Cursor的ARR就翻倍到了2億美元！
同時，科技就業市場持續疲軟。去年，美國大小科技公司裁員超15萬人。
而在上個月，雖然美國IT產業的失業率下降至4.6% ，但美國的整體失業率為4.2% ，而且IT就業市場規模也隨之縮小。
這些現像是否存在關聯？
矽谷向來以顛覆傳統產業為榮，但若這次革命反噬自身呢？科技從業人員會否成為全球AI就業危機的首批受害者？
Taren Stinebrickner-Kauffman深入分析了這些問題。
為什麼技術崗位會先倒楣？
Taren Stinebrickner-Kauffman有四個強而有力的理由，顯示工程類和其他技術類工作，可能會成為AI衝擊最早波及的領域。
1. AI公司對技術職位非常熟悉。
AI實驗室的員工本身就是工程師，他們在解決自己最瞭解的問題。相較於為醫療或法律產業開發AI，打造編碼智能體所需的外部領域知識更少，這可能會加快研發進展。
而且，程式設計師有悠久的傳統，喜歡開發工具來加速編碼。正如一句老話所說：「我寧願寫程式去產生程序，也不願直接寫程式。」
2.成功指標更清晰。
相較於其他領域的成果，判斷程式碼是否有效要簡單得多。特別是在「程式設計競賽」這類明確有對錯的領域，AI工具表現已經非常出色。
這種清晰度讓AI模型更容易產生訓練資料、進行自動化評估，並形成更有效率的回饋循環來改進模型。
而在許多領域，例如行銷、規劃等，成果好壞往往難以量化。
3.有海量高品質訓練資料。
像是活動策劃者或虛擬助理的工作流程和成果，沒有大規模的免費線上資料集但網上有大量開源程式碼資料，很多還帶有註釋和開發者的思路解釋！這些資料讓AI模擬工程師變得極為便利。
4. AI研究的遞迴改進動力。
頂尖AI公司非常希望用AI來加速自己的研究工作，打造出一個「自我增強」的正回饋回路－用AI來提升AI，從而更快地研發出更強的模式。
如果你看過OpenAI爆料人Daniel Kokotajlo等人描繪的《AI 2027》場景，第4點正是他們未來設想中的關鍵邏輯。
AI真能引發科技業大裁員？
AI是否已經在科技業引發了大規模裁員？又或者，這種影響即在不久的將來顯現？
對於這個問題，即使是理性的人，也有明顯的分歧。
為了更清楚地瞭解當前的情況，Taren和Steve與超過25名工程師、管理者及相關的科技工作者進行了交談，試圖瞭解AI如何正在改變技術勞動力市場，以及他們預計未來會發生什麼變化。
以下是從這些訪談中得出的主要觀點和發現，分為三個主要面向：
1 AI還沒有改變大多數技術職位
2 AI對初級職位招募造成巨大壓力
3 AI正在模糊崗位邊界
科技業中出現的模式，往往可以視為其他產業工程團隊即將面對的先兆。
不過，也有可能他們兩個根本沒注意到其他產業的趨勢。
大多數技術職位沒有被AI改變
根據調查，發現AI並不是目前科技業疲軟的主要原因。
雖然AI顯然對未來的計畫和一些當前決策有影響，尤其是涉及初級職位的招聘，但幾乎所有受訪者都一致認為，目前裁員和招聘放緩的主要原因仍是宏觀經濟因素，例如利率上升和疫情後的市場調整。
一個頗具說服力的例子來自程式訓練營的一位負責人，他指出，即便是在明確禁止使用AI工具的產業（如金融業），工程師的就業市場也同樣低迷。
AI目前鮮有「革命性」生產力提升。
雖然在某些特定任務上，AI確實能顯著提高效率，但這種提升高度依賴於具體任務類型和使用者的熟練程度。
通常來說，生產力的提升主要出現在那些小規模、結構清晰的新專案中，或是當開發者初次接觸某種新語言或API時。
對於其他工作，目前AI工具帶來的收益往往要小得多，甚至可能被審查、偵錯、整合以及處理AI缺陷所需的時間完全抵消。
更重要的是，寫程式碼並不是工程師的全部工作——而AI目前在需求撰寫、品質保證、會議溝通等方面幾乎幫不上什麼忙。
因此，整體工作生產力的提升，通常遠小於那些引人注目的數字。
即便是知名科技公司也沒有全部廣泛應用AI工具。
一方面，整體來看，AI在編碼方面仍未帶來革命性的改變。在大多數情況下，一個優秀的工程師不用AI，依然比一個等級較低但用上AI的工程師更有價值。
另一方面，技術的廣泛採用和組織層面的轉型本身就需要時間，即使是革命性的技術也不例外。
但更重要的是，在某些場景下，AI還根本無法派上用場。
AI對初級職位造成巨大壓力
在訪談中，許多人都表示，他們所在公司（或與之合作的公司）幾乎已經凍結了初級工程師和資料分析師的招募。
從供給端來看，程式設計訓練營紛紛關閉，大學電腦專業報考人數也因就業前景黯淡而持續下滑。
這是為什麼呢？
究其原因，一方面整體就業市場疲軟使得企業更容易招募資深工程師。
但這並不是全部原因，更關鍵的可能是AI帶來的結構性影響：
- 「碼農」崗位正在消失：純粹的日常編碼或資料查詢任務所需的時間正在迅速減少。
某科技巨頭高階主管坦言：「十年前，面試能在白板上寫出出色的SQL語句，就能獲得工作機會，如今這種能力已不再稀缺。」
初級員工如何快速創造價值正成為一個難題。
-招聘經理預計AI編碼能力會迅速提升。
某200人規模科技公司的技術主管透露，雖然當前AI並未顯著提升團隊效率，但管理層基於對未來AI能力的預期已調整招募策略。
高階主管預計，未來一年內AI將能夠勝任初級員工的工作，即使現在還不行。
初級工程師一直被視為長期投資，但如果AI在6個月後就能完成他們的工作，為什麼還要投入資源？
-AI提升了高階工程師時間價值。
一位來自大型科技公司的受訪者指出，如今有經驗的工程師反而比過去更吃香了。
因為他們現在更能發揮「代碼醫生」的價值——快速診斷並修復AI生成的不完善代碼（這類似於過去指導初級工程師的工作）。
而目前AI工具在系統架構、產品思維、技術複雜度管理等需要經驗累積的領域仍顯不足，這恰恰凸顯了資深工程師的不可替代性。
綜合來看：當AI持續提升資深工程師價值、削弱初級員工作用，疊加就業市場更利於僱主獲取資深人才的背景下，企業自然不願再耗費資深工程師的寶貴時間培養新人。
所以，雖然AI暫時沒有取代人類工程師，但它已經在悄悄重塑招募邏輯和團隊結構。真正受到衝擊的，是那些尚未累積經驗、又缺乏AI協作能力的年輕人。
AI正在模糊崗位邊界
即使未來科技業的人數總量沒有減少，AI也正在改變工作崗位的性質，以及什麼樣的技術棧更有價值。
很容易想像這樣一個未來：產品團隊的組成方式將會發生變化，純技術崗位會相對減少，而跨職能複合型人才會更多。
AI目前最能賦能「半技術型」人才。
在他們的研究中回饋最大效率提升的群體，並不是名義上的工程師，而是那些具備一定技術基礎、但職位不是工程師的從業人員。
他們現在可以藉助AI完成小型程式設計任務，幾乎不需要再依賴工程師。
產品經理現在可以獨立完成功能原型開發，甚至實現基礎功能；曾經轉型的非技術職位員工也能藉助AI重建技術能力。
AI正在降低「技術門檻」，讓更多人能「半腳」踏入原本屬於工程師的領域。
AI鼓勵「全能型選手」，產品思維日益重要
傳統技術團隊的分工通常是：產品經理、設計師、工程師各司其職。而AI的加入正在打破這些界限，催生更多「跨界」角色：
- 產品經理或設計師可以寫簡單程式碼；
- 工程師可以製作可互動的設計原型；
- 有些公司甚至開始提升產品經理與工程師的比例，因為功能迭代更快了；
- 那些具備產品視野的工程師變得比以往更加吃香。
總的趨勢是：能理解使用者需求、又能操作AI工具的人，將成為團隊中的核心角色。
數據分析師需要「進化」才能保住飯碗
過去，資料分析師的大量工作是為產品經理或主管寫SQL、做報表。
但現在，基礎的資料分析任務越來越容易被自動化或「平民化」（例如透過AI或BI工具實現自助查詢）。
在訪談中，有兩家公司的高階資料負責人表示：他們團隊的分析師正在轉型，逐漸向「資料工程師」靠攏，工作內容變成了資料管道建置、調試維護等更技術性的任務。
也就是說，如果資料分析師不學更多技能，就會有被邊緣化的風險。
AI將如何重塑未來科技？
回到Dario Amodei的預測：到2025年底，90%以上的程式碼將由AI產生。
這個預言會成真嗎？
從現實來看，這個預測可能過於樂觀，理由如下。
1、技術瓶頸仍存
目前AI在複雜工程任務中仍存在明顯短板：缺乏長期自適應記憶、後設認知能力薄弱、動態規劃能力不足。
METR機構最嚴謹的研究表明，AI要可靠完成人類工程師一個月工作量的複雜任務，可能需要5-10年時間（儘管最新模型顯示進步速度可能快於預期）。
2.產業轉型需要時間
即使在科技業這個創新溫床，行為改變的速度也遠遠跟不上技術迭代。透過訪談可以發現，早期採用者仍在適應期，而保守產業的轉型將更為緩慢。
基於當前趨勢，對未來幾年技術就業市場的預測為：
• 初級崗位將持續萎縮
「代碼搬運工」類職位將加速消失，企業會更傾向僱用能駕馭AI工具的中高階工程師。新入行者需要證明自己具備AI無法取代的複合能力。
• 人機協作成為常態
工程師將轉型為「AI督導」，工作重心轉向架構設計、複雜問題解決和程式碼品質把控。產品、設計等技術鄰接崗位需掌握基礎程式設計能力。
• 價值評估體系重構
單純的技術實現能力將貶值，而係統思維、產品洞察、跨領域協作等「人類專屬」技能會成為核心競爭力。
當然，如果某個重大技術突破即將來臨，或者超級人工智慧（ASI）在今年秋天席捲全球，那麼一切預測都將失效。
但如果沒有這種突破，以下是Taren對未來幾年AI和技術勞動市場的一些預測。
沒有AGI的短期預測
1 品質保證（QA）將成為AI智能體主戰場。
在未來一到兩年內，AI智能體在軟體測試和品質保障（QA ）的能力，將成為重點發展方向。
眼下的趨勢是：AI已經顯著加快了編碼速度，但QA階段卻成了新的瓶頸。
隨著像OpenAI的Operator和Claude Computer Use這樣能夠操作電腦介面的工具不斷改進，將會出現一個龐大的市場，專門用於開發能夠輔助或取代人類進行QA的AI智能體。
這些工具反過來也會增強AI程式設計工具的整體價值。
2「AI技術債」危機隱現。
AI快速產生程式碼的便利性正在埋下隱患。
未來3-5年，「AI技術債」將成為一個產業共識：包括程式碼可維護性降低、測試覆蓋率不足、安全隱患增多，以及團隊對程式碼庫理解弱化等問題。
這可能會催生新的專業工作類型，但同時也會削弱AI帶來的長期淨生產力效益。
3 適應AI將成為必然。
部分受訪企業已開始解僱拒絕使用AI工具的工程師。雖然目前這在大多數公司中還不是決定性因素——但很快就會是了。
AI適應能力即將成為從業底線。
假如未來幾年AGI沒有突然出現，產業繼續沿著現有軌道發展，那麼還有一個預判
4 人才儲備將逐漸枯竭。
許多人認為，對於大多數公司來說，初級職位的招聘將不再有吸引力，但經驗豐富的工程師仍將長期保持價值。
然而，沒有人能回答一個顯而易見的問題：未來的經驗豐富工程師從那裡來？
如果不讓人們以初級工程師的身份工作多年並領取薪水，如何培養他們成為AI賦能的高級工程師？
如果工程職位在未來十年仍以熟悉的形式存在，產業可能面臨嚴重的人才斷檔。
目前尚未出現可行的解決方案，這場延遲爆發的危機正在倒數計時。
長期來看，工程師會滅絕嗎？
簡而言之：無人能確知。
更詳細的答案是：三種相互競爭的假設，都試圖解釋科技勞動市場的長期走向。
Jevons悖論：工程師將激增。
Jevons Paradox描述了一種現象：技術進步提高了資源使用的效率，反而可能導致該資源消耗總量的增加。
換句話說，當某樣東西變得更便宜時，你不僅會買更多，甚至可能會在總量上花更多的錢。例如，隨著運算能力變得更便宜——晶片效率不斷提高——我們使用的總運算量顯然大幅增加，甚至連運算硬體的總支出也隨著時間推移而增加。
將此理論應用於軟體工程：當AI突破人力供給限制，曾被視為不切實際的創意將獲得實現可能。
更低的開發成本將催生海量新應用、客制化工具和功能迭代，最終對工程設計的整體需求（系統架構、整合測試、維運管理等）可能超越AI帶來的效率增益，導致工程師總量不降反升——儘管工作內容將轉向更高階的創造與監管。
總的來說，根據這個理論，未來將需要更多的工程師，儘管他們的工作性質會轉向更高層次的設計和監督。
歷史循環論：「太陽底下無新事」
有些人認為，從長遠來看，AI其實並不是什麼大事。
持此觀點的某資深工程師，直言不諱地建議「去讀讀技術史」。
她指出，每隔10到20年，工程師的編碼方式就會引進一個新的主要抽象層。
最初，人們直接用機器碼或低階組合語言程式設計；
接著出現了像C這樣的高階編譯語言，自動化了直接硬體操作；
然後物件導向語言又增加了一層抽象；
再後來，像Java或C #這樣帶有自動記憶體管理和垃圾回收的語言，消除了大量人工操作和常見錯誤；
之後又出現了複雜的框架、雲端運算和動態指令碼語言。
每次變革都自動化了特定技能，但工程師職業反而因為處理更複雜問題而進化。
從這個角度來看，AI程式碼生成只是下一個抽象層，很可能會遵循歷史上的模式：顛覆、適應，最終穩定，而非工程崗位的終點。
全面自動化假說：技術職位首當其衝
若相信AI終將取代多數現有工作，那麼前文論述的所有特質（清晰評估標準、豐富訓練資料等）恰恰使技術崗位成為最脆弱的標的。
這可能表現為大規模失業，或透過勞動力向AI相對弱勢領域轉移維持就業平衡。
Taren Stinebrickner-Kauffman認為上面描述的三種路徑在未來幾十年內都是有可能發生的，並且取決於AI能力的發展.
但如果非要選一個，她最傾向於第三種情境：
即使AI不會導致整體大規模失業，工程類工作也會急劇下降。 AI革命可能最終會吞噬自身。
終極悖論在於：若AI真能完全取代工程師，意味著它已具備通用智能（AGI），屆時所有職業都將面臨重構。
在這種情境下，「工程師失業」只是文明級變革的序章。
更可能的情景是漸進式演化──就像汽車取代馬車伕卻創造了更龐大的交通運輸業，科技革命的真正影響往往超越我們最初的想像邊界。 （新智元）