AI能否取代软件工程师：一个思维实验

如果你坚信 AI 会取代软件工程师，不妨先做个很简单的思想实验。

设想你在一家生命科学公司工作。

10 年前，你原本打算大手笔投入实验室自动化、数据处理，以及各类软件系统建设。

可一核算预算，你立刻发现自己很难在成本上与科技公司正面竞争，更别提能招到足够多的工程师。

于是你只能把目标不断下调、量力而行。每个软件项目都得依赖一个固定规模的团队来承担投入成本，而预算、人才获取能力以及各种权衡方式，直接决定了你能做多大的事。

直到现在，AI（coding）出现了。

一瞬间，你获得了接近全球顶级科技公司同等水平的“产出能力”。

你的工程师所使用的也是同一代 AI 模型，这就意味着工程团队的能力被明显放大，你与科技公司的差距也被快速拉近。

你甚至会看到类似观点：200 美金/月的订阅费用，堪称人类史上最大的智力平权行动。（因为 Claude 和 ChatGPT 的高端套餐，基本都是 200/月的价格）

在这种情况下，你会继续沿用过去那种“缩减版”的策略，还是会因为现在每个工程师的产能可能变成原来的 2 倍甚至 5 倍，而开始扩招更多工程师？

大多数公司都会选择后者。（没人愿意错过这波浪潮；你只需要一个中等水平的软件工程师，再配齐一套最顶级的 AI coding 工具）

把这个推理再向外扩展：不只是一家生命科学公司，而是覆盖所有银行、制造企业、工业公司、零售商……甚至连产业链上的中小企业也同样适用。同时，这也不止是工程师岗位，还会延伸到市场、法务、财务、设计等过去资源紧张的各类职能。

如果你在疑惑，为什么 AI 反而会催生出新的岗位，这就是关键原因。

那些忽视这一点的看法，往往低估了整个经济体系里仍然存在、却尚未被满足的巨大需求。

总结一下：

所以很多企业卡住的从来不是“有没有需求”，而是“有没有能力把需求真正落地”。AI 改变的，正是这个限制条件。

当工程师开始使用同一代 AI 模型时，你实际上不再靠“人力规模”与别人竞争，而是用“人 × AI”的复合能力去竞争。

一个工程师可以并行推进更多模块，试错速度更快，也能把过去需要多人协作的工作，拆成更小的执行单元来完成。

因此，很多过去因为成本过高而被搁置的项目，突然就变成“可以试试”的选择。

以前，团队内部做一个小功能都要被追问：你凭什么要做？（没错，boss 担心你没想清楚就开工，浪费掉“人天”）

而现在，你的回答可以很简单：这个我们只花了半小时，用 AI 工具就做出来了。一句话就能把 boss 的质疑堵回去。

毕竟，这半小时里，我也只是简单加个班用工具弄出来的，总不能不让我加吧。哈哈！