为什么AI没有取代软件工程师，而且也不会

Arvind Narayanan和Sayash Kappor通过一个特别适合AI颠覆的职业——软件工程——来探讨AI导致失业的问题。在本文中，我们认为有足够证据可以驳斥"一旦AI能力达到某个阈值，就会引发大规模裁员"的说法。既然即使在监管壁垒极少的行业也是如此，那么大多数其他职业很可能拥有更强的缓冲。

第一个好消息是：数据仍然不支持AI导致大规模失业的观点。2025年3月，纽约成为美国第一个在WARN法案申报中增加AI披露复选框的州。在完整的第一个年度里，超过160家公司提交了WARN通知，但没有一家勾选了AI复选框。

AI加快了"将代码输入计算机"这一阶段的速度，但事实证明软件工程远不止于此：如果写代码不是瓶颈，那什么才是？任务分解调查指向了会议或调试等活动。这又引出了更多问题：开发者在那些会议上到底在做什么？为什么这些工作不能由AI完成？随着能力提升，调试难道不会被自动化吗？

要理解真正的瓶颈，我们必须进行定性分析，深入挖掘软件工程师自身对工作中哪些部分难以被自动化的理解。当我们进行这项分析时，发现了三个真正的瓶颈：(1) 决定并明确要构建什么，(2) 验证交付成果并对其负责，以及(3) 对代码库、业务和环境的深度人类理解——这是完成前两项工作所必需的。

我发现AI辅助也确实有助于"决定"和"验证"步骤，但"深度人类理解"仍然是我所提供价值的关键。即使给我全世界所有的AI辅助，我所产生的价值仍然取决于我对问题以及agent为解决问题所构建的方案理解得有多深。

标签：职业、AI、生成式AI、LLM、Arvind Narayanan、AI伦理