为什么AI尚未取代软件工程师，而且永远不会

# 为什么AI还没有取代软件工程师，而且也不会 来源：https://www.normaltech.ai/p/why-ai-hasnt-replaced-software-engineers 关于AI取代工作岗位，人们充满了焦虑和不确定性。我们如何才能超越含糊其辞的警告和夸夸其谈的预测，用数据来解答这个问题？一个好方法是观察AI能力最前沿、应用速度也异常迅猛的职业：软件工程。 在这篇文章中，我们认为已有足够证据反驳“一旦AI能力达到某个阈值，就会导致大规模裁员”的说法。鉴于即使在监管壁垒极少的行业（软件工程）也是如此，大多数其他职业可能更有缓冲余地。 我们也很好地理解了这背后的原因。我们可以将许多知识型工作，包括软件开发，视为一个“决策-执行-交付三明治”。AI压缩了“执行”层——三明治的中间部分——但另外两层抵制自动化的方式，单靠能力提升是无法克服的。 最后，我们对软件工程需求的未来轨迹持谨慎乐观态度。本文是一个系列的第一篇，下一篇将探讨为什么即使整体需求健康，个体软件工程师的职业生涯也可能充满坎坷。本系列基于经济学和软件工程领域的已发表文献、我们自己的评估（https://sage.cs.princeton.edu/）和对AI代理的观察，以及众多软件工程师对AI对其职业现状及未来影响的反思，这些反思既来自公开文章，也来自我们与社区的互动。 思考三个登上头条的新闻故事，以及它们与现实之间的对比： - 今年2月，金融科技公司Block（Cash App、Square、Afterpay等应用的开发商）宣布裁员4000人。根据创始人Jack Dorsey的说法，这是因为AI正在“启用一种新的工作方式（https://x.com/jack/status/2027129697092731343?lang=en）”，支持“更小、更扁平化的团队”，他特别提到了2025年末模型能力的提升（https://www.wired.com/story/jack-dorsey-explains-block-layoffs/）。但是后续报道（https://www.bloomberg.com/news/articles/2026-03-01/jack-dorsey-s-4-000-job-cuts-at-block-arouse-suspicions-of-ai-washing）揭示了一个截然不同的画面。在疫情期间员工总数增长了三倍多之后，该公司面临着巨大的财务压力。Cash App团队的数据科学家Naoko Takeda发帖（https://www.linkedin.com/posts/naoko-takeda_my-employer-block-laid-off-40-of-its-workforce-activity-7434699479389405184--D3P）称Block“将AI强加给每个人”，但她看到“生产力提升非常有限”。她拒绝了75%的留任加薪并辞职。其他接受采访的员工对AI在Block的能力以及Dorsey是否对这些问题有足够理解，有着截然不同的看法（https://www.theguardian.com/technology/2026/mar/08/block-ai-layoffs-jack-dorsey）。正如Aaron Levie所指出的，CEO们特别容易（https://x.com/levie/status/2058582370253701432）对AI的实用性产生错觉，因为他们能快速构建原型，却看不到将其转化为成品所需90%的工作量。Dorsey关于AI的公开声明似乎完全符合这种模式。 - 今年4月，Snap裁员（https://deadline.com/2026/04/snap-layoffs-ceo-evan-spiegel-ai-1236861335/）约1000人，CEO Evan Spiegel在裁员备忘录中主要将AI作为原因。他还提到AI生成了65%的新代码（https://finance.yahoo.com/sectors/technology/articles/snap-ceo-praises-ai-writing-090500386.html）。实际上，此次裁员紧随一个激进投资者要求削减成本的运动（https://www.businesswire.com/news/home/20260331059373/en/Irenic-Sends-Letter-to-Snap-Inc.-Co-Founder-and-CEO-Evan-Spiegel-and-Issues-Presentation-Outlining-Actionable-Steps-to-Unlock-Value）。（Snap自2017年IPO以来，每个完整财年均录得净亏损，2026年股价下跌超过30%）。值得注意的是，裁员的性质，例如增强现实部门裁减的150个涵盖多种角色的岗位，与我们预期如果是由AI驱动的裁员（即全面削减编程和其他“受AI影响”的岗位，而非集中在某个部门）并不吻合。 - 今年5月，Intuit宣布裁员3000人，同时与Anthropic和OpenAI达成合作。媒体将两者联系起来，将裁员（https://techcrunch.com/2026/05/20/intuit-to-lay-off-over-3000-employees-to-refocus-on-ai/）描述为（https://qz.com/intuit-layoffs-workforce-reduction-ai-restructuring-052026）AI驱动的重组。这一次，CEO实际上驳斥了（https://www.cnbc.com/2026/05/20/intuit-ceo-says-companys-17percent-workforce-cut-had-nothing-to-do-with-ai.html）这种简单的说法，表示“这与AI毫无关系”，并指出裁员目标是“协调密集型角色”和过多的管理层级。 我们并非特意挑选这些例子。在我们考察的每一个关于AI驱动软件工程师裁员的报道中，都出现了同样的叙事冲突。事实证明，用“AI洗白”来解释裁员是一种遍及整个经济领域的现象，众多调查都证明了这一点： - 59%的美国招聘经理承认（https://www.resumetemplates.com/the-great-turnover-9-in-10-companies-plan-to-hire-in-2026-yet-6-in-10-will-have-layoffs-2/），他们在解释招聘冻结或裁员时会强调AI，因为与提及财务限制相比，这对利益相关者来说更好接受。 - Forrester首席分析师J. P. Gownder谈及（https://hrexecutive.com/the-truth-behind-ai-driven-layoffs-90-of-companies-arent-ready/）那些准备进行所谓AI驱动裁员的公司时说：“当我们问他们是否有一个成熟、经过验证的AI应用准备好填补这些岗位时，十有八九，答案是否定的——而且他们甚至还没有开始。” - 在一项HBR调查（https://hbr.org/2026/01/companies-are-laying-off-workers-because-of-ais-potential-not-its-performance）中，对超过1000名全球高管的调查显示，21%的人已经“预期”AI会进行大规模裁员，另有39%的人进行了低度或中度的预期性裁员。相比之下，只有2%的人已经因实际的AI实施而进行了大规模裁员。这10倍的差距表明，高管们和其他人一样，极易受到AI取代工作岗位这种误导性叙述的影响。 另一个有趣的数据点来自WARN法案，该法案要求某些涉及超过100名工人的工厂关闭或大规模裁员进行披露。2025年3月，纽约成为美国第一个在WARN法案申报表中添加AI披露复选框的州。在整整第一年里，超过160家公司提交了WARN通知。没有一个（https://www.hunton.com/hunton-employment-labor-perspectives/new-york-warn-act-no-ai-related-layoffs-reported-in-first-year-of-adding-ai-related-disclosure-to-the-system）勾选了AI复选框。1（https://www.normaltech.ai/p/why-ai-hasnt-replaced-software-engineers#footnote-1）我们联系了纽约州劳工部，他们确认截至5月底，只有一家公司——Nespresso——勾选了该复选框。2（https://www.normaltech.ai/p/why-ai-hasnt-replaced-software-engineers#footnote-2）如果这些申报准确无误，那么纽约州在相关期间被裁减的大约25000名工人中，只有46人（约占0.2%）受到了AI的影响。 对“AI驱动大规模裁员”的说法打击更大的证据是：裁员首先就不是衡量AI潜在生产力效益的正确信号！明确的研究表明，其影响是通过“放缓招聘而非增加离职率”（https://papers.ssrn.com/sol3/papers.cfm?abstract_id=5425555）来实现的。解雇现有员工恰恰会导致那些使员工能够有效操作AI的隐性知识和组织资本的损失。此外，这还涉及遣散费、士气损害以及重新招聘风险（https://www.forbes.com/sites/quickerbettertech/2025/05/18/business-tech-news-klarna-reverses-on-ai-says-customers-like-talking-to-people/）等高昂成本。考虑到这些成本，考虑到自然的人员流动在几年内就能达到同样的效果，裁员基本上是没有必要的。 那么，当我们超越裁员，着眼于整体就业趋势时，数据告诉了我们什么？一份美联储经济学家的重要论文（https://www.federalreserve.gov/econres/feds/ai-and-coder-employment-compiling-the-evidence.htm）汇总了美国背景下的证据。就业仍在增长，但他们发现，与没有AI的反事实情况相比，ChatGPT之后的增长率放缓了，大约每年低3个百分点。这项研究的一个重要局限性在于，其方法无法捕捉自雇就业，因此增长放缓的一部分可能被创业活动吸收了。我们从其他研究（https://arxiv.org/abs/2605.10291）中（https://arxiv.org/abs/2512.06506）确实有证据表明AI使创业变得更容易。因此，真实情况可能比美联储研究显示的要更健康。3（https://www.normaltech.ai/p/why-ai-hasnt-replaced-software-engineers#footnote-3） 最后，值得承认软件工程中两种真实的、间接由AI导致的失业，但这与AI取代软件工程师不同。首先，AI有时会摧毁对产品的需求，比如Chegg（作业帮助）或Stack Overflow（技术帮助）的情况，这两家公司都解雇了员工。AI并没有直接做这些员工所做的工作，而是消除了对它的需求。历史类比非常有力：在1950年美国人口普查的270种工作中，只有一种职业被自动化取代——电梯操作员（https://cepr.org/voxeu/columns/how-computer-automation-affects-occupations-technology-jobs-and-skills）。但许多其他职业被新技术变得过时，比如电报员。 另一个可信的AI驱动裁员故事发生在那些销售AI而非购买AI的公司中。因此，当IBM或SAP等公司因AI宣布裁员时，更准确的描述是“我们将员工从传统职能重新分配到我们增长最快的产品线”。这是围绕收入机会进行的普通公司重组，而不是技术取代工人。 许多科技领袖，比如上文提到的Snap CEO，在公布裁员或预测未来失业的同时，也会报告由AI编写的代码百分比。这助长了一种简单的思维模式：一旦AI写了所有代码，就不再需要编码人员了。幸运的是，这种思维模式是错误的。这个“AI编写代码”的指标与劳动力替代的关键因素几乎完全脱钩。原因如下。 首先，编写代码不是，也从来不是瓶颈。例如，一份2019年的论文（https://www.microsoft.com/en-us/research/wp-content/uploads/2019/04/devtime-preprint-TSE19.pdf）总结了现有研究，得出结论：“开发人员花在编码上的时间少得惊人，根据不同研究，占比在9%到61%之间。”这一发现与该论文从微软6000名开发人员处获取的数据一致。随着编码代理开始被采用，2025年末涌现了大量博客文章指出编写代码不是瓶颈，因为开发人员意识到使用代理编写大部分代码对整体生产力的影响微乎其微\[1（https://ordep.dev/posts/writing-code-was-never-the-bottleneck），2（https://leaddev.com/velocity/writing-code-was-never-the-bottleneck），3（https://nkdagility.com/resources/blog/are-we-still-pretending-coding-was-the-bottleneck/），4（https://www.blundergoat.com/articles/ai-makes-the-easy-part-easier-and-the-hard-part-harder），5（https://www.infoq.com/news/2026/03/agoda-ai-code-bottleneck/），6（https://www.htmlallthethings.com/podcast/writing-code-was-never-the-bottleneck），7（https://www.linkedin.com/pulse/bottleneck-never-writing-code-andrew-little-6o1le/），8（https://www.scrum.org/resources/blog/bottleneck-was-never-code）\]。 如果编写代码不是瓶颈，那什么是呢？任务分解调查指向会议或调试之类的事情。这只会引出更多问题：开发人员在这些会议中在做什么？为什么AI不能做这些工作？随着能力的提升，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，深入探究软件工程师自己对所做工作中抗拒自动化的部分的理解。 当我们进行这项分析时，揭示了三个真正的瓶颈：(1) 决定并指定构建什么，(2) 验证并对交付的内容负责，以及 (3) 执行这两项任务所需的对代码库、业务和环境的深入人类理解。 换句话说，软件工程师的工作构成了一个“决策-执行-交付”三明治（理解是所有三者的前提）。AI压缩了三明治的中间部分，但两端基本保持不变。只要软件开发团队负责决策并对交付的内容负责，工程师们仍然需要花时间建立对系统的深入理解。这就是三个瓶颈。 [](https://substackcdn.com/image/fetch/$s_!sj-b!,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2F71107c50-448e-49ef-a986-a7eb496906e1_1152x552.png) ***图：软件开发包含三个层次：(1) 决策制定——问题框架、规格说明、规划；(2) 执行——设计和实现；(3) 交付——测试、验证、集成、维护等。请注意，这些是概念上的层次，而非时间阶段。在项目过程中来回切换是很常见的。*** 支持AI生产力效应三明治模型的证据来自一篇题为“编写代码与交付代码”（https://www.nber.org/papers/w35275）的近期论文。研究人员对GitHub上10万名开发者的研究发现，AI代理导致编写的代码行数增加了八倍，这与AI几乎完全压缩了三明治中执行层（Execute）的观点一致。但这只带来了30%的发布量增加，有力地表明人类瓶颈（决策层Decide和交付层Deliver）依然存在。4（https://www.normaltech.ai/p/why-ai-hasnt-replaced-software-engineers#footnote-4） 三明治是否还能进一步压缩？我们不这么认为。在流程的一端，开发团队需要决定构建什么。初级软件工程师学到的最重要的一课是，需求规格说明（这是该层的专业术语）花费的时间惊人地长，如果压缩它，会导致后续出现更多麻烦。这一层很难自动化，因为它需要思考用户需求、市场信号、组织优先级，在某些情况下还有监管限制。 随着AI能力的提升，可以委托给AI的决策种类会随着时间的推移而增加。但这并不会使“决策”层变薄——一旦某个决策可以委托给AI，它就不再是竞争优势的来源，人类决策的价值就会向上迁移。随着时间的推移，软件的复杂性不断增加，所以这个过程没有上限。 在三明治的另一端，人类团队需要对他们交付的内容负责。也许在未来的某一天，团队会在没有完全测试和理解的情况下交付关键任务代码，但今天的AI非常不可靠，以至于这种草率的做法对软件团队及其客户来说将是一种生存威胁。 即使技术障碍消失了，