一个技术管理者的AI观察：团队里真正危险的，不是你想的那种人

最近刷到一篇文章，叫《AI泡沫第一批受害者，是程序员》，在技术群里传得挺广。

文章写得确实好，数据多，逻辑也通顺，核心说的是：企业把钱从人力转到了算力，代码越来越由AI生成，程序员从创造者退化成了审查员，一旦泡沫破了，这群人最先遭殃。

说实话，那篇文章说的有些东西是对的，但它描绘的那个画面，跟我每天在一线管着30人团队看到的实际情况，有挺大出入的。不是"它对了我错了"或者"它错了我对了"的那种出入，而是——它站得太高了，高到把地面上的细节都抹平了。

我想用这篇文章，从一个管理者的日常视角，聊聊那些被抹掉的细节。

第一个细节：预算确实在变，但变的不是你想的那样。

那篇文章有一个判断是"资本从人力转向算力"，意思是公司宁愿花钱买GPU也不愿意招人了。

我拿自己团队的情况说说。今年我们的IT预算涨了，涨的那部分确实主要花在AI工具采购上。但人力预算砍了吗？没有。还多了两个编制——一个是AI应用工程师，负责把AI能力跟我们的业务系统接起来；一个是数据工程师，因为AI工具要吃数据，得有人把数据治理好。

真正在缩减的是什么？是那些重复性的外包编码。以前一些简单的CRUD模块我们丢给外包公司做，现在用AI工具基本能搞定。这笔预算确实省下来了。

所以准确地说，被砍的不是"程序员"，而是"低附加值的编码劳动"。这两个概念不能混在一起。如果你是一个每天的工作就是照着需求文档写增删改查的人，AI确实在挤压你的空间——但这个空间本身就不大，AI只是让这件事提前暴露了。

第二个细节：AI写了75%的代码，但决定"该写什么"的还是人。

文章提到谷歌75%的新增代码由AI生成。我没去考证这个数据的全貌，但"代码行数"这件事，做过几年开发的人都懂——它从来不是衡量程序员价值的标尺。

我团队里也在用Cursor和Copilot，日常编码的效率肉眼可见地提升了。以前一个功能要写两天，现在可能一天就出来了。但这个"快"带来了一个新问题：AI生成的代码量大了，需要有人判断这些代码"该不该这么写"、“设计上合不合理”、“三个月后会不会出性能问题”。

这个判断的工作量，比以前更大了。我团队里负责代码审查的那两个人，现在的工作强度反而比没有AI工具的时候更高——因为他们要审的不只是人写的代码，还有AI写的代码。而且AI写的代码表面上看着没问题，但经常在边界条件和异常处理上埋着坑，需要更有经验的人才能发现。

所以我跟团队说的一句话是：键盘确实在被AI接管，但大脑不能一起交出去。 谁把大脑交出去了，谁才是真正危险的那个人。

第三个细节：年轻人没有被"断代"，反而是分化更严重了。

文章有一个让我印象很深的观点，说初级岗位急剧减少，导致人才梯队崩塌，年轻人因为"外包思考"而积累"认知债务"。

这个担忧不是没有道理，但我在面试和带人的过程中看到的画面更复杂一些。

这两年入行的年轻人，确实两极分化得很厉害。那些会用AI工具、同时又愿意花时间去理解业务和架构的人，成长速度比五年前的新人快得多——因为AI帮他们补上了基础编码的短板，他们可以把精力集中在更高层次的事情上。以前一个新人要两年才能独立承担项目，现在快的半年就行了。

但另一部分人，确实出现了文章说的那种问题——过度依赖AI，不理解底层原理，出了问题不知道怎么排查。这类人的风险很大，因为AI工具能帮你加速，但不能帮你兜底。当系统在线上出问题的时候，你需要的不是让AI再写一版代码，而是你自己能看懂日志、定位根因、做出判断。

所以"年轻人"也不是铁板一块。分化他们的不是AI，是他们自己有没有在"会用工具"之外，建立起真正的技术判断力。

聊完这三个细节，我想说说让我真正感到担忧的事情。

不是AI泡沫破不破——说实话，泡沫破不破这件事，我一个管技术团队的也判断不了，那些经济学家也判断不了。

我真正担忧的，是同一个团队里，会用AI的人和不会用AI的人之间，差距正在拉开。

这是我每天都能看到的。同样级别的工程师，那个把AI工具融入日常工作流程的人，产出几乎是另一个人的两倍。写方案的时候，一个人用AI快速做了三个方向的对比分析，另一个人还在从零开始写第一版。排查问题的时候，一个人用AI辅助快速缩小了排查范围，另一个人还在一行一行地看日志。

到了绩效评估的时候，这个差距就变成了实实在在的数字——奖金、晋升、项目机会。

这个变化跟AI泡沫没关系，跟裁员也没关系。它是正在发生的、确定性的、每天都在扩大的。

作为管理者，我在做的事情是想办法帮后面那部分人赶上来。但说实话，这件事光靠公司推是不够的，得自己愿意动。有些人的心态是"我再看看"、“等工具成熟了再说”、“这东西不靠谱”——每多等一天，差距就大一天。

如果让我给身边的程序员朋友一些建议，我不会说"别焦虑"——那是废话。也不会说"赶紧学AI"——那太笼统了。

我会说三件具体的事。

第一，回头看看你这一周的工作时间，哪些是"体力活"，哪些是"脑力活"。 体力活就是那些规则明确、重复性高的编码和数据处理。这些活儿，试着交给AI，看看它能做到什么程度。然后把省下来的时间，花在那些AI做不了的事上——理解需求背后的业务逻辑、思考系统架构的合理性、跟产品讨论方案是不是真的能解决问题。

如果你发现自己一天8小时有6小时在做体力活，那你需要警惕的不是"AI会替代我"，而是"我的工作本来就不够值钱，AI只是让这件事变得更容易被看到了"。

第二，不要只学AI工具怎么操作，更要学AI工具不能做的事。 AI不能理解你们公司那个拧巴的业务流程，不能在两个部门扯皮的时候推动一个技术决策，不能判断一个看起来合理的方案在三年后会不会把系统拖垮。这些能力不酷，也不好写在简历上，但它们是AI时代程序员真正值钱的部分。

第三，不要因为焦虑就急着转行或者all in某个新方向。 我见过太多技术人，追着热点学了一圈新框架新语言，回头看每个都是浅尝辄止。与其焦虑地什么都学一点，不如把你已经做了五六年的那个领域真正吃透。在你足够深的领域里建立起来的判断力，是可以迁移到任何新技术上的。深度永远比广度值钱。

最后多说两句。

那篇文章的结尾有一句话：“曾经构筑数字世界的工程师们，正亲手打造出淘汰自身的工具。”

修辞很漂亮。但我想说的是，"构筑数字世界"这件事，从来不是靠敲键盘实现的，而是靠解决问题实现的。键盘只是工具——以前是打字机，后来是IDE，现在是AI。工具一直在换，但"解决问题"这件事的需求从来没变过。

做了16年技术，经历了从功能机到智能机、从PC互联网到移动互联网、从单体架构到微服务再到云原生，每一次技术迭代都有人喊"某某职业要完了"。但完了吗？没有。变化的只是方式，不是这个职业本身。

这一次也一样。AI不会让程序员消失，但会让"不思考的程序员"消失。这个区别，比"泡沫破不破"更值得我们认真对待。

人到四十，最大的变化是学会了"不急"。带团队也好，找第二曲线也好，都不必非要在某个节点交出满分答卷。每天做一点新的尝试，被年轻人带飞几次，被自己蠢哭几回，这一天就没白过。不油腻的秘诀？保持被打脸的机会，然后笑嘻嘻地爬起来。
关注我，聊点一线管理者视角的真话。不贩卖焦虑，也不灌鸡汤。

你在工作中用AI了吗？体感是效率更高了还是更焦虑了？评论区聊聊。