为什么人工智能尚未取代软件工程师，也不会取代

# 为什么人工智能仍未取代软件工程师——而且永远不会 来源：https://simonwillison.net/2026/Jun/14/why-ai-hasnt-replaced-software-engineers/ 2026年6月14日 \- 链接博客 **为什么人工智能没有取代软件工程师——而且永远不会 (https://www.normaltech.ai/p/why-ai-hasnt-replaced-software-engineers)**。Arvind Narayanan 和 Sayash Kappor 通过一个独特适合 AI 颠覆的职业——软件工程——的视角来探讨 AI 带来的失业问题。 > 在这篇文章中，我们认为有足够的证据来反驳这样一种叙事：一旦 AI 能力达到某个阈值，就会导致大规模裁员。考虑到即使在一个监管壁垒极少的行业也是如此，大多数其他职业受到的影响可能更小。 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 法案备案中添加 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。没有一家公司 (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 相关选项。 AI 加快了“在电脑上输入代码”这一阶段，但事实证明，软件工程远不止如此： > 如果写代码不是瓶颈，那是什么？任务分解调查指向了诸如会议或调试等工作。这又引出了更多问题：开发人员在这些会议上做什么？为什么不能让 AI 来做？随着能力提升，调试不会被自动化吗？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己对那些抗拒自动化的工作的理解。当我们这样做时，发现了三个真正的瓶颈：(1) 决定并具体说明要构建什么，(2) 验证并对其交付的内容负责，以及 (3) 所需的深厚人类理解——对代码库、业务以及环境的理解——这两项任务都离不开它。 我发现 AI 辅助也能帮助我完成“决定”和“验证”步骤，但“深厚的人类理解”仍然是我提供价值的核心。即使给我全世界所有 AI 辅助，我能产出的价值仍然取决于我对问题和代理人正在为此构建的解决方案的理解有多深刻。