当 AI 开始写代码，你该写什么？

Anthropic 最新发布的劳动市场研究证实了许多科技从业者私下里一直担忧的事：程序员可能是受 AI 冲击最大的职业。但这并不自动意味着被取代。它意味着，工程师的价值正在迅速发生变化。

各职业类别的理论能力与实际暴露度对比 | 来源：Anthropic

本周早些时候，Anthropic 发布了迄今为止关于 AI 对劳动市场影响最清晰的研究之一。令人不安的并非它耸人听闻，而是它足够具体。

研究团队分析了数百万条真实的 Claude 使用记录，逐任务地审视哪些工作已经受到 AI 的影响。排在榜首的是：计算机程序员，75% 的任务覆盖率。

如果你靠写软件为生，这个数字很难被忽视。

不过，这篇论文并没有像那些最喧嚣的标题所宣称的那样。它没有说软件工程师正在消失。它指出了一个更重要的事实：工程师所提供的价值类型正在发生转变，而且速度很快。

这才是当下真正的职业命题：你是否在那些变得越来越有价值的工作上变得更擅长？还是你仍在日复一日地跟那些正变得越来越廉价的工作较劲？

数据到底在说什么

Anthropic 将其框架称为 observed exposure（实际暴露度）。这很关键，因为它比此前许多自动化研究都更接地气。

研究者们没有去问 AI 理论上能否完成某项任务，而是问：在真实的工作场景中，AI 是否真的在被用来完成这项任务？这是一个有用得多的问题。

论文中一个相对令人安心的发现是：目前还没有明确证据表明 AI 导致了失业率的飙升。数据中没有显示软件岗位突然崩塌，也没有出现程序员一夜之间被大批淘汰的戏剧性浪潮。

但有一个警示信号，一旦你注意到它，就很难忽视。

自 ChatGPT 发布以来，年轻员工的招聘——尤其是 22 到 25 岁、进入高暴露职业的人群——下降了约 14%。公司并没有大规模裁撤资深工程师，它们只是在收紧底层的入口。

而在编程领域，这个暴露数字格外刺眼。在实际使用中，约 75% 的计算机程序员任务已被 AI 覆盖，这是该研究中所有职业里最高的比例。

这改变了职业阶梯的形状。

最先消失的不是那些高层级、混乱、高风险的工作。而是入门级的活。那些曾经一边训练你、一边把产品推上线的活。样板代码。文档。基础组件。单元测试。CRUD 接口。Stack Overflow 式的调试。所有这些琐碎、重复的任务，曾经帮助初级工程师在实战中学习的任务。

这才是让人不安的地方。AI 不仅正在改变这份工作本身，它可能正在改变人们最初如何进入这个行业的方式。

那么，当梯子最底层的横档开始消失时，会发生什么？

当写代码变得越来越便宜，什么技能更值钱

这个时代最吊诡之处在于：代码越便宜，判断力的价值就越高。

当执行变得容易，决定该做什么才成为真正的难题。而这需要的肌肉群，与许多工程师花了多年时间练成的那一套并不相同。

1. 系统思维比语法更重要

让代码跑起来比以前容易了。在很多情况下，容易得多。

但写出一个能跑的函数，与设计一个可靠的系统，不是一回事。仍然需要有人去思考各个部分如何咬合、弱点在哪里、压力下哪里会崩、以及做出了哪些权衡。

这种思考依然重要，因为软件不会孤立地崩溃。它是在系统中崩溃的。

AI 可以帮你生成零件。但它仍在为更深层次的问题而挣扎：这些零件应该如何组织，才能让整个东西经得起时间的考验？

2. 定义问题的价值正在超过解决问题

AI 非常擅长处理定义清晰的任务。但当问题本身模糊、充满政治性、自相矛盾或尚不成形时，它的可靠性就大打折扣。

真正的软件工作往往就是从那里开始的。

利益相关者的会议总是乱的。需求互相冲突。约束条件无人明说。没人能完全就「成功意味着什么」达成一致。把这团乱麻变成一份清晰的规格说明，这不是文书工作，而是工程师能创造的最高价值之一。

在一个人人都在用 AI 的工作环境里，能把模糊变成清晰的人，只会更重要，而不是更不重要。

3. 批判性审读 AI 的输出，现在是一项核心技能

今天大量的 AI 使用并不是完全替代，而是增强。模型加速了过程，但人类仍然需要判断结果是否优秀、安全、且真正有用。

这意味着工程师需要非常擅长有纪律地审阅 AI 生成的产物。

不只是问：「这能跑吗？」

还要问：「它做了哪些假设？」「遗漏了哪些边界情况？」「有没有什么问题乍一看是对的？」「我能放心把它放到生产环境吗？」

那些能出色评估 AI 输出的人，会胜过那些只会用 AI 生成更多代码的人。

盲目信任正在成为一种真正的负债。

4. 领域知识正成为硬通货

AI 能产出大量代码。但它无法凭自身理解一门生意、一个行业、或一种用户场景，那种只有真正置身其中的人才能拥有的理解。

它可以帮你搭建金融工作流。但它不理解交易团队在压力下究竟是如何运转的。

它可以帮你画出一个医疗产品的原型。但它不理解，当一个病人处于恐惧之中时，什么才是真正重要的。

这种语境无法来自提示词技巧。它来自在真实问题旁浸泡的时间。

拥有深厚领域知识的工程师将更难被替代，因为他们不只是在生产代码。他们在塑造有价值的决策。

5. 沟通能力不再是可选项

随着技术工具对非技术人员变得越来越友好，工程师的角色也在发生转变。

你不只是那个能搭东西的人。你是那个能「翻译」的人。

这意味着把业务需求翻译成系统架构，把模糊的想法翻译成可落地的方案，把 AI 的输出翻译成团队能信任的东西，把技术风险翻译成决策者能听懂的、并据此行动的大白话。

写清楚、讲清楚、说服清楚，这些不再是旁门技能。它们就是工作本身。

研究做对了什么，以及它尚无法告诉我们的

Anthropic 很谨慎，没有过度断言。论文并未显示高暴露职业的失业率有明显上升，至少目前还没有。作者们也指出，过去关于技术冲击的预测常常失准。

但这不代表什么都没变。它意味着影响仍在展开。

趋势已经清晰可见：AI 正在吸收那些可重复、易定义的工作，而人类的价值则向判断力、语境和责任心转移。

最重要的数字可能是计算机与数学工作中当前使用率与理论潜力之间的差距：约 33% 的实际覆盖率，对比 94% 的理论能力。这表明现在可能还远未触及天花板，一切只是热身。

一个不太舒服的结论

能活得好的工程师，不会是那些抗拒 AI 的人。而是那些适应这份工作正在变成什么样子的人。

代码正在变便宜。判断力没有。

所以真正的问题不再是你写代码有多快。而是你是否能决定：什么值得做，什么可能会崩，以及什么才是真正重要的。

价值正在流向那里。