AI焦虑下的程序员

最近刷到 AI 相关视频时，我有个很明显的感觉：大家表面上聊的是工具升级，心里惦记的其实是“我这份饭碗还稳不稳”。

这种感觉不只是来自宏观新闻。我更真实的一次焦虑，是把代码交给几个主流大模型之后。

我是程序员，学 Python 也有六七年了，一直在做数据挖掘一类的工作。以前我对“写代码”这件事多少是有底气的。不是说自己写得多漂亮，但至少知道怎么拆问题，怎么把数据跑通，怎么把结果交出来。

可这两年我反复试了几个主流大模型，心里确实有点发紧：大多数时候，它们写出来的代码真的比我强。

不是那种“能运行就行”的强，而是在性能、注释、封装这些地方，都更像专业工程师的写法。再回头看自己以前写的脚本，老实说，很多地方都挺粗。能用是能用，但谈不上精致。有些函数本可以拆得更清楚，有些注释本可以写得更明白，有些处理流程也能少绕几圈。

真正让我不安的，就是这里。

过去我一直以为，程序员的安全感至少有一部分来自“我会写”。可当 AI 也会写，而且往往写得更快、更规范时，写代码这个动作本身，就没那么能托住人了。

网上总能刷到一些内容，说这个岗位被裁了，那个职业要被替代了。说实话，这些消息会影响人。

但它们只是背景音。真正让人心里发沉的，不是别人说了什么，而是你在自己的工作里，亲眼看到它已经发生了一小块。

放到数据分析和数据挖掘里看，过去很大一部分时间都耗在前置处理上。拿到一份原始数据，并不是立刻分析，而是先看字段、看空值、看异常值、看分布。要做归一化，要处理脏数据，还得想办法把一堆不规整的东西整理成能用的状态。

这件事很耗神，也很吃经验。以前需要自己一点点排查，再给出处理方案。现在做法不一样了。把原始数据交给 AI，让它先做探索，再提出处理建议，它很快就能给出一套方案和代码。大多数情况下，这套东西是能用的。

当然，也不是所有数据都能放心交给它。分布特别异常，或者有特殊业务限制时，人还是得介入。可问题就在这：那些过去要花掉大量时间的基础动作，AI 已经做得相当不错了。

你会突然发现，焦虑不是凭空掉下来的。它是从工作流里长出来的。

它来自一个很具体的瞬间：你发现自己以前花半天写的清洗代码，现在 AI 可能几分钟就能给出来；你改一改、跑一跑，结果还真能用。甚至有时候，比自己原来的老办法更干净。

这就特别扎心。

很多人面对 AI 焦虑，会本能地想：那我赶紧学，赶紧追，赶紧把工具用熟。

我也能理解这种反应。程序员尤其容易这么想。问题是，如果焦虑来自“基础执行正在被压缩”，那单纯去卷工具操作，缓解作用可能很有限。

因为你学会的那个按钮、那句提示词、那套流程，别人也能学。甚至很多时候，别人不必懂太多，只要把问题描述得差不多，模型也能吐出一份像样的结果。

说到底，工具熟练度有价值，但它未必足以让人安心。

我真正开始没那么慌，是把这件事拆开来看：AI 替代得最快的，主要是基础执行。比如数据清洗、探索、代码封装、写注释、补一些常规处理逻辑。

这些工作很重要，可它们更像手上的动作。

而一个数据分析或数据挖掘的人，真正值钱的地方，往往不只在手上。

做数据的人，最怕的不是模型算不出来，而是算出来以后不知道它在说什么。

AI 可以帮你找出异常。它可以告诉你某段时间交易支付数据波动很大，可以算出异常比例，也可以列出几种看上去合理的解释。

但我参与过一个和疫情期间交易支付异常有关的项目，这类问题光看表面数据是不够的。

那段时间，消费习惯变了，很多人不能出门，线下办理业务的量也会受到影响。单看数据，AI 能告诉你“这里不正常”。可“不正常”背后到底连着什么现实场景，就需要人把业务、时间背景、用户行为放在一起看。

这就是差别。

AI 给出的分析结论，很多时候都比较泛。它会参考网上常见案例，给你一堆大致方向。听起来都对，但不一定能真正落到这个业务、这批用户、这个时间点上。

人的判断有时候没那么漂亮，但它知道哪里不对劲。

比如一张报表摆在面前，有经验的人会下意识去看：这个字段靠谱吗？这个异常是数据质量问题，还是业务真的变了？这个结论拿给业务方，有没有实际价值？如果继续追下去，会不会找到能影响决策的东西？

这些问题，不只是“会不会写代码”。

它们更接近数据敏感度，也更接近业务判断。

我现在不敢说 AI 替代不了这些。话说得太满没有意义。只能说在我目前的实践里，这部分依然需要人来带方向。AI 可以很擅长执行，但它还需要人告诉它，什么才值得执行。

还有一个很现实的变化：我最近少看了很多“AI 替代焦虑”视频。

以前越刷越紧张。今天这个岗位危险，明天那个技能不值钱，看久了以后，人会下意识把所有变化都理解成威胁。哪怕关掉手机，脑子里也还在转：是不是又有什么新东西出来了？是不是我又落后了？

后来我干脆减少这类内容的输入，把注意力拉回正在做的事情上。效果不会立刻变得轻松，但确实会少一些焦虑。

这不是逃避。对我来说，更像是把门关小一点。

信息当然要看，工具也要学，但不能把自己天天泡在“你马上要被替代”的信息里。人长期被这种内容喂着，很难认真判断自己该做什么，只会被推着慌。

AI 焦虑很真实。我也不想轻飘飘地说一句“想开点就好了”。对于一个靠代码、数据、经验吃饭的人来说，亲眼看到基础工作被 AI 接过去，那种不安是非常具体的。

但焦虑也提醒我一件事：以后不能再把安全感只押在“我会不会写代码”上。

写代码会越来越像一种可被调用的能力。真正要练的，是我能不能提出好问题，能不能读懂数据背后的业务变化，能不能从一堆正常和异常里抓住关键，能不能判断一个分析结论到底有没有用。

如果说以前的价值更多体现在“我能把活干完”，那现在可能要慢慢变成：我知道哪些活值得干，为什么要干，干出来能帮谁做决定。

这件事并不轻松。说实话，也没那么励志。

只是当基础执行被 AI 吃掉一部分以后，人就得把自己往更靠近判断的位置挪一点。少看点吓人的视频，认真看一眼手里的业务和数据。

先把今天这件事做好。