|
| 1 | +--- |
| 2 | +date: 2025-12-08 |
| 3 | +title: "IT技术人员在人工智能时代如何自救" |
| 4 | +linkTitle: "IT技术人员在人工智能时代如何自救" |
| 5 | +description: "个人对于前沿技术是否会普世的趋势判断,看两点,一是有价值,二是有性价比(好落地),大模型人工智能恰好符合这两点,已经在深刻地改变软件工程领域。作为这个行业的一份子,如何看待这一趋势,又该如何与之相处与规划,本文浅淡一些个人看法。" |
| 6 | + |
| 7 | +--- |
| 8 | + |
| 9 | + |
| 10 | +## 背景 |
| 11 | + |
| 12 | +在大模型人工智能技术深刻改变软件工程领域的当下,可以初步总结为,初级人员入场门槛高了,高级人员的经验优势弱化了,岗位角色职责模糊了。面对这种趋势,我们的应对思路需要更务实,更聚焦于“人”究竟能守住和创造什么独特价值。 |
| 13 | + |
| 14 | +> 在当前这个“充满不确定性”的时代,企业不愿投资软件IT。存量的更多需求,在老板看来,有了AI的加持,也不需要更多人员,“似乎”人月神话失效了。 |
| 15 | +> 但AI如何安全可控的融入现有软件工程体系,仍在探索中,这是一个令人兴奋的过程,目前看不会是成为“昙花一现”的工具,是能够普世的。 |
| 16 | +
|
| 17 | +## 关于初级门槛抬高 |
| 18 | + |
| 19 | +新人不能再靠“听话照做”入场。过去,新人通过完成明确的、重复性的任务来学习和证明自己,比如写一个简单的接口,执行一组测试用例。但现在,这类任务AI完成得更快。这迫使新人的成长路径必须改变。关键在于,必须从一开始就培养“定义问题”和“判断结果”的能力,而不仅仅是“执行操作”。 |
| 20 | + |
| 21 | +- 对开发新人而言,重点不再是背熟API,而是拿到一个模糊需求后,能利用AI工具快速探索多种实现方案,并能说出每种方案在性能、可维护性、成本上的权衡。 |
| 22 | + |
| 23 | +- 对测试新人来说,核心不是会写更多用例,而是要能设计出那些AI容易忽略的、涉及复杂业务场景交互和极端用户体验的“刁钻”场景,去考验AI生成的用例是否可靠。 |
| 24 | + |
| 25 | +对所有人,深入理解业务变得空前重要。因为只有懂了业务,你给AI的指令和对你产出的判断,才不会流于表面,才能发现逻辑深处的矛盾。新人需要主动把自己浸泡在业务会议、用户反馈和产品数据里,哪怕一开始听不懂。 |
| 26 | + |
| 27 | +## 关于高级经验优势弱化 |
| 28 | + |
| 29 | +资深者的价值必须从“知道答案”升级为“在复杂情境中做出更优决策”。我们过去引以为傲的“我遇到过”“我知道怎么解决”,其知识部分正被AI快速吸收。但经验中真正难以被编码的部分,是其背后的上下文、权衡的智慧和承担的责任。 |
| 30 | + |
| 31 | +- 一个资深架构师,AI能给出十种技术选型方案。但他的价值在于,能基于对团队技能、历史债务、未来业务方向、老板的耐心和预算的全盘理解,选择(甚至组合出)第十一种最可行的路径,并能为这个选择可能的风险准备预案。 |
| 32 | + |
| 33 | +- 一个运维专家,AI能预测故障。但他的价值在于,当多个预警同时发生、信息矛盾时,能凭借对系统“脾气”的直觉,判断哪里是真正要害,并能在压力下协调各方,执行一个可能不完美但能最快止血的恢复方案。 |
| 34 | + |
| 35 | +这种“在混沌中导航”的能力,建立在大量试错(探知AI能力边界)、人际关系和感性认知之上,是AI目前无法习得的。因此,资深人员需要有意识地总结和输出自己的“决策模型”和“权衡框架”,而不仅仅是解决方案本身,这将成为你新的专业壁垒。 |
| 36 | + |
| 37 | +## 关于岗位职责模糊 |
| 38 | +在边界溶解时,要重新锚定自己的“内核”,并主动拓展影响范围。当工具让跨界协作变得异常容易时,固守原来的职责范围会让自己边缘化。正确的姿态是:以自己不可替代的核心能力为“根”,主动向关联领域生长“枝蔓”。 |
| 39 | + |
| 40 | +- 对于产品经理,核心不是写文档,而是持续探索和定义“什么是有价值的事”。现在,你可以用AI快速生成原型甚至部分代码,那么你的工作重心就更应前移:深入用户场景,定义AI能力的边界,思考模型可能带来的偏见和风险,并协调设计、开发、法务一起解决。你的角色更像一个“产品创造者”而不仅是“需求翻译者”。 |
| 41 | + |
| 42 | +- 对于测试人员,核心不是找bug,而是作为产品质量和风险的“最终守门人”。你需要利用AI完成海量常规检查,从而将精力投向更深处:设计评估AI输出结果可信度的体系,关注安全、性能、伦理等非功能需求,并从用户体验的完整性出发进行测试。你的工作正在与安全、运维、产品体验深度交融。 |
| 43 | + |
| 44 | +这种模糊化,本质上是要求每个人都更具“全局思维”。一个开发需要理解自己写的模块对运维的意味;一个运维需要知道某个部署对业务指标的影响。理解你上下游的工作,并用你的专业能力为他们赋能,将成为新的常态。 |
| 45 | + |
| 46 | +## 在价值重构中定位新坐标 |
| 47 | + |
| 48 | +自救与规划发展的核心,在于认识到:AI处理的是“已知”模式,而人的价值将愈发体现在应对“未知”情境。 我们的自救之路,就是不断将自己推向那些需要深度理解、复杂判断、人际协调和承担责任的领域。具体来说: |
| 49 | + |
| 50 | +- 主动成为“人机协同”的枢纽:不排斥AI,而是研究如何最高效安全地使用它,并把节省下来的时间,投入到更需要人类智慧的思考、沟通和创新中去。 |
| 51 | + |
| 52 | +> 如何高效安全的使用AI,本身就是一个话题了,后面单开一个专题。 |
| 53 | +
|
| 54 | +- 打造“解决问题”的元能力:无论岗位如何变化,`定义问题`、`拆解问题`、`整合资源`、`推动解决`这一核心能力永不过时。刻意训练自己解决模糊、开放、跨域的问题。 |
| 55 | + |
| 56 | +- 建立你的“人性化”护城河:对用户的共情、对团队的信任构建、对商业本质的洞察、对伦理风险的审慎,这些高度人性化的特质,是技术无法模拟的,也是你长期价值的基石。 |
| 57 | + |
| 58 | +这场变革并非要取代我们,而是逼迫我们放弃那些重复的、机械的“操作工”角色,去成为真正的“思考者”和“负责人”。 |
0 commit comments