|
从我在云厂商 DevOps 干了 4 年的体感来看,AI 在不同环节的可替代性大概是这样的:
(先打个预防针:这都是我的主观感受,没有客观测算。历史经验也表明,人类的直觉经常不靠谱,和实际可能差得很远。)
1. 需求规划
AI 不会主动提需求,但可以辅助做行业洞察,提高收集和整理信息的效率。但 PPT 还是得产品经理写,需求评审、拍板也轮不上 AI 。算下来,也许能省个一成时间。
2. 详细设计
AI 能抛个思路,写个初稿,但涉及公司内部依赖、流程、限制时,还得人工更快更靠谱。在初稿之上进行审核和修改也需要花费很多时间,整体感觉可能能省个三成左右。
3. 需求开发
- 新功能:AI 能生成 Demo ,熟练的程序员能靠经验进行 Vibe Coding 。(但我肯定不敢让新手直接把 AI 写的东西上生产,风险太大。)
- 存量功能:复杂系统里面改老代码,AI 基本上帮不上忙,顶多写点函数级别的小逻辑。
- UT 用例:这块 AI 倒是挺靠谱的,差不多能搞定 80%。
- 测试验证:暂时还指望不上 AI ,而在实际开发中,这块占的比重还很高。
综合下来,开发环节可能省个四成。
4. 上线运维
基本没戏。生产环境的操作要经过一堆人评审,AI 的随机性难以控制。未来也许有场景,但眼下不行。
整体感受:
AI 确实能帮省点时间,但没那么神。某些环节可能能省 30-40%。可一轮需求下来,能节约的大概也就 15% 左右。
真要说替代,大概率也是先替代掉初级岗位,随着 AI 能力增强,再逐步蚕食掉更高级的岗位。
个人感觉以后新入行的程序员可能会越来越难,因为初期的薪资应该会非常低,只能以积累经验为主。相反高级岗位的收入可能会更高,因为企业可能会倾向于使用高级岗位+ AI 辅助,提升效率减少岗位,达到整体成本的降低。 |