“如果连初级岗位都没有了，我要怎么变成高级工程师？”

Silicon Valley Girl主持人把这个问题抛给Erik Brynjolfsson时，他思考良久回答：初级岗位不能简单删掉，公司需要重新设计新人进入软件行业后的成长路径。

备注：Erik是斯坦福数字经济实验室主任，也是研究AI、生产力与就业市场最有影响力的经济学家之一。

他和团队跟踪企业薪酬数据后发现，在AI暴露度最高的职业里，22岁至25岁的早期职业人群，就业人数相对下降了16%。

软件开发恰好位于这场变化的中心。

使用AI已经成为开发者的日常。Agent已经能阅读代码库、修改代码、运行测试，很多过去用来培养新人的基础任务，现在开始交给AI完成。

如果初级工程师没有机会通过这些工作积累经验，行业以后又该怎样培养高级工程师？

以下为访谈内容，我们进行了翻译与整理。

22岁至25岁，先成了AI就业市场里的“金丝雀”

Marina在节目开头提到就业人数下降16%的时，用了“AI已经抹掉初级岗位”这样的说法。

Erik随即补充了统计范围：数据对应的是AI暴露度最高的一批职业，并不能外推到所有25岁以下人群和所有行业。

Erik Brynjolfsson：我们观察了AI暴露度最高的职业，25岁及以下年轻人的就业人数相对减少约16%。

这组数据来自斯坦福数字经济实验室的论文《Canaries in the Coal Mine》。研究者使用ADP的高频就业数据，控制企业层面的冲击后，发现有经验的劳动者总体保持稳定，变化主要集中在早期职业人群。

Erik在访谈里点名了两类职业：呼叫中心和软件开发。

它们拥有大量可描述、可重复、能被模型接管的任务。

对程序员来说，影响最先落在代码补全之外的地方：写样板代码、补测试、查文档、做小型迁移、处理结构清楚的Bug，这些原本是新人熟悉系统的入口。

论文中还有一条容易被忽略的结论。

同样接触AI，工作被自动化的岗位收缩明显；AI主要用来增强人的岗位，数据要稳定得多。工具怎么进入流程，会直接改变结果。

Erik解释16%相对下降对应的人群范围

初级任务被Agent接走，程序员也失去了练级场

Marina随后问了一个非常具体的职业：年薪9.5万美元的初级软件工程师，还值得花几年培养吗？

Erik Brynjolfsson：初级软件工程师正处在最容易被替代的位置，尤其因为它是初级岗位。

初级工程师的作用，不只是完成简单、重复的开发任务。

新人通过修小Bug、读旧代码、参加Code Review、跟着事故复盘，慢慢学会一套系统为什么这样设计。任务很碎，经验却藏在这些碎片里。

Agent接替那些工作，企业短期内当然能省时间。

可如果这些任务连同岗位一起消失，新人也失去了理解真实代码库的机会。会写代码和敢为线上系统负责，中间隔着大量只能在项目里获得的经验。

AI可以帮助初级工程师写出看起来很专业的代码，但不会赋予他高级工程师的经验和判断力。

架构取舍、故障判断、跨团队协调和长期维护，仍然需要人在一次次交付中练出来。

Erik谈初级软件工程师受到的直接冲击

组织从金字塔变成钻石，资深工程师从哪来

Erik谈到Infosys时，非常赞同他们的做法。

这家公司没有停止招聘新人，而是重新安排他们的学习路径。LLM能完成的例行工作交给工具，新人把更多时间花在训练、项目全貌和项目管理上。

Erik Brynjolfsson：如果把金字塔的底座拿掉，组织就会变成一颗钻石。

传统技术团队有一条清楚的人才路径：大量初级工程师进入项目，一部分人成为中级工程师，再由其中一部分人成长为技术负责人和架构师。

企业大幅缩减底层岗位，组织架构图会暂时变得漂亮，人力成本也会下降。几年后，管理者会遇到另一个问题：中级工程师和高级工程师从哪里补进来？

Marina紧接着追问：如果根本没有让我做初级工程师的岗位，我要怎么成为高级工程师？

Erik把它称为一个“协调问题”。个人愿意学习，公司想直接招聘有经验的人，培训成本却很少有人主动承担。每家公司都等别人培养好人才，最后会发现市场上没人可挖。

对技术负责人而言，保留初级岗位并不等于让新人继续手工搬砖。

更现实的办法是重写培养方式：让新人参与需求澄清、测试设计、Agent结果审查和故障复盘；用AI缩短执行时间，把省下来的时间投入系统理解。

新人仍要接触真实项目，只是学习材料从“我亲手写了多少行”变成“我能否解释这次改动为什么可靠”。

Erik解释企业组织为何从金字塔变成“钻石”

Agent接走执行，开发者守住开题和验收

Erik把一项工作拆成三段：定义问题、执行任务、评估结果。过去，这三段通常由同一个人完成。

但是现在Agent正在代替中间那一段。

Erik Brynjolfsson：问题定义清楚以后，AI Agent已经很擅长中间的执行环节。

这句话放到软件开发里很好理解。

让Agent“做一个登录页”，得到的大多是一份可以运行的演示；把认证方式、异常分支、数据结构、测试命令、性能边界和验收条件写清楚，任务才有机会进入工程流程。

执行变快以后，开发者的时间会更多地花在两端。

开题时，要说清楚改动目标、影响范围和不能碰的边界。验收时，要看测试、日志和Diff，检查模型有没有绕过约束，再决定合并、返工或回滚。Agent跑偏时，开发者还得判断问题出在上下文、任务拆分，还是项目本身缺少可验证的接口。

Erik形容：每个人以后都可能像“一支Agent团队的CEO”。这不意味着程序员开始写管理学汇报。

它更接近今天已经出现的工作状态：多个Agent同时处理代码、文档和排查任务，人负责分配上下文、设定检查点，并对最后进入仓库的结果签字。

Erik谈Agent在工作流程中的位置

只懂技术，容易答对一道无关紧要的题

访谈里，Marina问未来是否应该成为“通才”。Erik换了一个说法：技术能力要和领域理解放在一起。

Erik Brynjolfsson：只有技术能力，可能理解不了真正的问题；把技术和领域知识放在一起，才能创造更大的价值。

以前，工程师可以依靠实现难度建立壁垒。

模型把实现成本压低后，‘做出来’不再自动等于‘做对了’。一个风控系统的字段、一条推荐策略的指标、一项医疗流程的权限限制，都可能比代码本身更决定项目成败。

开发者不用把自己训练成什么都懂的人。

可以先选一块真实业务深入研究：知道用户为什么这样操作，明白数据从哪里来，清楚出错以后谁承担后果。技术深度让你看懂Agent生成的方案，领域知识让你判断这件事该不该做。

Erik谈技术能力与领域知识的组合

最好的十年，也可能是最糟的十年

访谈接近尾声，Marina问起下一代人在30年后会过怎样的生活。Erik没有给出一个轻松的预测。

Erik Brynjolfsson：如果我们做对选择，接下来的十年可能成为人类历史上最好的十年。

Erik谈AI可能带来的增长与健康改善

他谈到财富增长、寿命延长和疾病治疗，也紧接着列出另一面：权力集中、操纵信息、生物风险，以及自动化武器。

Erik提醒AI同样可能放大灾难性风险。

Erik Brynjolfsson：它也可能成为人类经历过的最糟糕的十年之一。

Erik提醒AI同样可能放大灾难性风险

“最好的十年”和“最糟的十年”并非两个互相抵消的口号。

AI会扩大人的行动能力，收益和代价都取决于它被放进什么流程、替谁做决定，以及最后由谁负责。

对开发者而言，这个选择每天都在发生。

把Agent接入仓库时，是否保留审查和回滚；让模型处理用户数据时，是否设定权限和日志；追求交付速度时，是否还给新人留下理解系统的机会。

这些工程决定看起来不宏大，却在一行行塑造AI最终落到哪一边。

写在最后

AI确实会代替一部分工作，Erik没有粉饰这一点。

初级软件工程师已经站在最先受到冲击的位置。企业若把“减少初级任务”顺手做成“取消人才培养”，几年后的高级工程师也会断档。

正在入行的开发者，需要尽快越过只交付代码的阶段。

做项目时把需求、边界、测试、日志和复盘一起留下；作品集里少放几个只能点击的Demo，多展示一次完整的问题判断、方案选择和上线验证。你要让招聘者看到，Agent写完代码之后，剩下的事你接得住。

有经验的开发者也要改变带人的方式。

别再把新人困在AI已经能稳定完成的机械任务里，让他们早点进入评审、排障和系统设计，同时保留足够的真实责任。资深能力不会从模型输出里自动长出来，它仍然需要项目、反馈和时间。

代码正在变得便宜，判断没有。第一层台阶会换一种形状，但行业不能假装它已经不再需要。