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。這就導致不少人開始恐慌AI，害怕自己被替代。這篇文章，我們來看看作者是如何看待這件事的。

一、被算法選中的人：硅谷會議室里的血色代碼

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)自動發(fā)送的“感謝郵件”；5月，IBM CEO公開表示“將用AI取代7800個崗位”。也有人拍攝自己收到AI生成解雇通知書的視頻，該視頻獲得萬次播放，評論區(qū)寫滿“明天會輪到我嗎”的焦慮。

這場風暴背后，一組數(shù)據(jù)揭示殘酷現(xiàn)實：GitHub Copilot已協(xié)助完成全球62%的Java代碼，ChatGPT可將基礎開發(fā)效率提升3倍。但另一面，Stack Overflow 調(diào)研了開發(fā)者是否認為 AI 對其工作構(gòu)成威脅，有 70% 的專業(yè)人士認為 AI 不會對他們的工作構(gòu)成威脅。當機器開始編寫機器的語言，開發(fā)者真會成為第一批“數(shù)字難民”嗎？

二、AI替代開發(fā)者？三個認知偏差與一個殘酷真相

1. 替代神話：被過度美化的“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)場景導致服務器崩潰

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

真相：AI擅長標準化模塊（如CURD），但無法替代架構(gòu)設計、異常處理等創(chuàng)造性工作

（截圖來自網(wǎng)絡）

2. 效率陷阱：被忽視的隱性成本

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

技術(shù)負債：某金融公司使用AI工具后，系統(tǒng)耦合度增加。

合規(guī)風險：開源代碼庫混用導致的知識產(chǎn)權(quán)糾紛增加。

（截圖來自網(wǎng)絡）

3. 能力錯位：AI的“奧數(shù)冠軍困境”

斯坦福大學的一項研究發(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導致用戶對其代碼中的安全性過于自信。該調(diào)查設計了一個全面的用戶研究項目，共有47名參與者使用三種不同的編程語言（Python、JavaScript和C）執(zhí)行了五項與安全相關(guān)的編程任務。

在所有五個類型的安全錯誤測試（下圖）中，人工智能助手所犯的編碼錯誤都超過手工編碼，與對照組相比，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)可能會導致更多安全錯誤。

（圖片來自網(wǎng)絡）

三、雙重焦慮癥：企業(yè)ICU與打工人EMO

1. 企業(yè)的“AI軍備競賽恐懼癥”

跟風病：某零售企業(yè)All in AI后虧損5億，CEO坦言“為可視化大屏裁掉了核心運維團隊”。

數(shù)據(jù)幻覺：多數(shù)企業(yè)無法說清AI投入與業(yè)績增長的關(guān)系。

Forrester認為，由于對AI投資的即時回報預期，許多企業(yè)可能會在過早階段就縮減AI應用力度，從而可能抑制長期增長和創(chuàng)新。避免這一問題的關(guān)鍵在于，AI領導者需要找到能顯著差異化的應用場景，制定與企業(yè)目標一致的策略，平衡短期收益與持續(xù)的ROI。

組織癌變：某企設立“AI戰(zhàn)略部”導致技術(shù)部、產(chǎn)品部權(quán)責混亂

2. 打工人的“技能貶值恐慌”

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

學習內(nèi)卷：AI課程學習時長同比增長470%，但完課率下降至12%

身份危機：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，程序員價值被低估：

1. 外行“l(fā)eader”對技術(shù)工作的誤解：非技術(shù)領域的人員可能對編程工作的復雜性和創(chuàng)造性缺乏了解，從而低估了程序員的價值和貢獻。
2. 行業(yè)競爭壓力：在一些技術(shù)密集型地區(qū)或行業(yè)，程序員數(shù)量眾多，導致競爭激烈，可能在一定程度上影響了對個體價值的充分認可。
3. 部分企業(yè)的管理和評價體系不完善：沒有建立科學合理的績效評估和職業(yè)發(fā)展機制，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：需要不斷學習新技術(shù)，可能會給人一種不穩(wěn)定或不斷追趕的印象。

3. 歷史重演：從蒸汽機到AI的輪回

蒸汽革命（1780-1840）

紡織工崗位減少62% → 機械師/鐵路工人新增崗位超200萬

電氣革命（1890-1930）

馬車夫崗位消失90% → 汽車產(chǎn)線工人增長1500%

互聯(lián)網(wǎng)革命（1995-2010）

傳統(tǒng)零售崗位減少28% → 電商運營崗位增長320%

AI革命（2020-2035預測）

基礎編碼崗位減少40% → 提示詞工程師、AI訓練師需求增長500%

當前人們可能存在的誤區(qū)是認為技術(shù)革命會直接導致失業(yè)，但歷史表明，長期來看就業(yè)市場會恢復并增長。未來程序員核心價值將由“寫代碼”變?yōu)椤岸x問題邊界+評估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：在特定場景深度改造（如測試用例生成）

不要做AI放大鏡：盲目追求“全業(yè)務AI化”

要建人機協(xié)作工作流：將AI代碼接受率與工程師績效掛鉤

不要設AI獨立部門：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”：投資培訓員工AI素養(yǎng)

不要神化技術(shù)指標：停止炫耀技術(shù)參數(shù)，轉(zhuǎn)向業(yè)務價值計算

2. 打工人的“反脆弱金字塔”

底層：保住基本盤（如提升復雜系統(tǒng)設計能力）

中層：構(gòu)建AI杠桿，向高價值區(qū)域遷移（如從“重復性編碼”轉(zhuǎn)向“AI系統(tǒng)架構(gòu)設計”）

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

3. 監(jiān)管的“剎車與油門”

歐盟：擬立法要求AI裁員需經(jīng)工會聽證

加州：強制企業(yè)披露被AI替代崗位的再培訓計劃

中國：工信部試點“人機協(xié)作效率評估標準”

4. 給產(chǎn)品經(jīng)理的生存指南

成為“AI翻譯官”

把業(yè)務需求轉(zhuǎn)化為AI可理解的指令集

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

構(gòu)建“增強體驗”

設計“AI助理+人類專家”服務閉環(huán)

案例：Figma插件自動生成原型，設計師專注情感化細節(jié)

當好“人性守護者”

在AI決策鏈路設置人工復核點

案例：某醫(yī)療APP用AI預診斷，但強制醫(yī)生確認高風險結(jié)果

結(jié)語：AI不會殺死工作，但會殺死僵化的組織

歷史告訴我們，真正危險的從來不是技術(shù)本身，而是人類面對變革時的非理性恐慌。那些忙著用AI優(yōu)化報表的企業(yè)，可能正錯過組織變革的真正風口；那些焦慮地學習20種AI工具的開發(fā)者，或許該先問自己：我的核心價值究竟是什么？在這個算法橫行的時代，最大的競爭力或許是保有“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：10分鐘

修改文章、驗證內(nèi)容可解釋性用時：120分鐘

尋找配圖用時：40分鐘

作者語：Deepseek在答復中給出了很多數(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，所以猜測這些數(shù)據(jù)是“虛構(gòu)”的。同時，Deepseek還給出了配圖佐證的建議，但圖片并非基于實時新聞，近乎100%都是“虛構(gòu)”的。