AI时代：程序员会被取代吗？

五一假期前，领导抛出了一个课题：人类工程师该如何借助AI提升效率？哪些任务该由AI执行，哪些由人工把控？是否存在一套成熟的范式来界定这些分工？

这个问题问得比较委婉，但我深知领导的真正意图在于：

AI能否取代人类工程师？若现阶段尚不可行，能取代多少？在多大程度上具备这种能力？

这确实是个难以直接回答的问题。

AI如今已具备编写代码的能力，且质量相当不错。

诸如CRUD增删改查、编写单元测试、执行SQL查询、撰写文档以及进行代码审查等任务。

一名初级工程师一天才能完成的量，Claude Code或者Cursor可能仅需两小时。

这并非夸大其词，许多团队早已开始这样实践。

那么，开发人员就会被淘汰吗？情况并非如此。

纵观历史，每当工具变得更加强大，需求也会随之水涨船高。有了IDE，程序员数量并未减少；有了云计算，人数依旧；有了低代码平台，程序员依然存在。

AI或许遵循这一规律，但也可能是个例外。

此次的不同之处在于：过往的工具仅能加速某个特定环节，而AI正在加速整个工作流。从理解需求到生成代码、测试、部署，全流程都在被压缩。

因此，真正值得探讨的问题并非“替代与否”，而是“替代哪类人”。

容易被替代的群体包括：

那些只会编写重复性样板代码的人；将需求机械转化为代码、缺乏独立判断的人；仅靠记忆和经验积累、却缺乏系统思维的人。

难以被替代的群体则是：

那些明确知道“做什么”的人；能够精准定义问题的人；能够评估AI生成代码正确性的人；能够将模糊的业务目标拆解为可执行工程任务的人。

换句话说。

AI非常擅长回答“怎么做”。

至于“做什么”、“为什么做”以及“做了是否值得”，目前仍需人类来决定。

至少在现阶段是这样。

在大型工程项目中，这一特点尤为显著。

大型工程的核心难点，并不在于编写代码，而在于理解一个历经八年、三十名工程师参与、文档残缺不全、当初决策理由无人知晓的遗留系统。

这种深层次的理解，AI目前并不具备。

上下文窗口是一个无法逾越的限制。一个大型项目可能包含数十万行代码、数百个模块以及复杂的依赖关系。AI所能“看见”的永远只是一个窗口。窗口之外的信息，它一无所知。

此外，大型工程中最艰难的决策往往没有标准答案。

是否需要重构这个模块。

这笔技术债应该现在还还是以后还。

这个架构能否支撑起三年后的规模。

AI给出的答案听起来很有道理，但它并不知晓为何简单的逻辑要写得很复杂，不知道该模块的前任负责人为何离职，更不了解当年那个架构决策是在何种压力下做出的。

但这并不意味着AI将永远无法胜任。

代码库解析、长上下文处理、多智能体协作——这些领域正在飞速发展。今天AI做不到的事情，并不代表永远做不到。

因此，软件工程师这一职业不会消失，但从业者的人数或许会缩减。

这才是真正的压力来源。

不是失业，而是职业的稀缺化。

那些能够驾驭AI的工程师，其价值会更高；而无法驾驭的，其边缘化速度将非常快。

留给工程师适应这一窗口期的时间，可能比大多数人预想的要短得多。

所以，趁着AI尚未完全掌控复杂系统，努力让自己成为既懂得驾驭AI，又能深刻理解系统的工程师，这才是每位工程师必须去做的。