人工智能并没有消除初级工程师的价值，反而增加了它

孩子们真的很好人工智能并没有抹去低年级学生的价值。它增加了它。 2026 年 8 月 18 日 · 4 分钟阅读《AI 吃掉了大三的边际价值》。这是我从有关该主题的上一篇文章中得到的反馈。根据这个论点，初级工程师的工作是这样的：需要一个解决方案。更有经验的人（高级工程师）对其进行规划和设计。高级工程师将工作分解为多个小任务，明确要采取的步骤。每项任务都分配给一名初级工程师。初级工程师执行它，这现在意味着将其提示给人工智能工具，并创建拉取请求（PR）。 PR 收到更多高级工程师的反馈。初级工程师收到反馈后再次将其提交给人工智能工具，提出更改建议。重复直到完成。如果上面的过程是实际发生的情况，那我们为什么还需要初级工程师呢？他们只是将请求从一个地方传递到另一个地方（有时还会增加噪音），并且需要支付全职工资。这很公平。在我们下结论之前，让我们先看一个不同的故事。或者也许是同一个故事，以不同的方式呈现。在我们的产品中，有一个功能多年来一直被要求，但尚未构建。它并不太复杂，但并不重要。或者至少对于足够多的客户通过优先级阈值来说并不重要。这意味着年复一年，一些客户因没有他们需要的功能而感到沮丧。今年夏天，我们将这个问题分配给了一名实习生（其任期比初级工程师要短）。实习生主导了该功能的开发。他们与产品经理交谈，了解问题和需求。他们编写了关于如何实现它的设计文档，与团队保持一致，然后构建了它。当然，他们在人工智能以及与之合作的团队的帮助下做到了这一点。但他们领导了它。他们通过理解权衡来处理技术和产品领域的不一致问题。他们发现问题后就调整了方法。并交付了价值。人工智能确实生成了大部分代码，并且他们拥有决策权。一个本来无法解决的客户问题现在已经解决了。由实习生担任，对公司来说成本非常低。所有工程师都会管理复杂性。改变的是多少。除了未来任何公司都需要高级工程师这一事实之外，初级工程师仍然有价值还有非常务实的原因。初级工程师仍然可以增加组织的能力。这是因为工程师的工作不是根据规范编写代码（或提示人工智能工具）。它是用软件解决客户问题，管理决定如何解决时存在的技术复杂性。这适用于所有工程师。工程师们管理着很多复杂的事情。初级工程师需要管理一些复杂性。但角色是一样的。这超出了编码的范围。它需要理解问题，也需要客户的视角。它需要理解，如果您以特定方式构建功能，它将导致一组特定的权衡。这些权衡超出了人工智能所能决定的范围，因为它们需要比代码库更广泛的上下文。技术决策仍然非常重要，初级工程师会加入其中，使组织能够做得更多。培训实际上变得便宜得多。早期终身工程师的大部分培训成本是了解公司的技术背景，即大型代码库和架构的细微差别，并提供软件的基本培训，如语言、工具、模式。在过去，这要么需要初级工程师积极主动地研究主题和学习，要么需要更资深的同行付出实际的人力，他们会花时间解释基本概念。这项工作尚未消除，因为来自人类的上下文仍然是软件生产力的关键。但很多工作都可以通过人工智能的使用来缩短。人工智能原生是有价值的。作为一个行业，我们不能说工程师在职位描述中需要是人工智能原生的，然后就不雇用最适合这种描述的人。如果假设人工智能将从根本上简化该角色的技术部分，那么那些以人工智能开始职业生涯的人一旦获得了经验，就会处于最佳位置。回到前面的例子，实习生发布的功能已经被要求很长时间了。它的重要性不足以确定优先级，但需要太多判断才能将其交给人工智能。这些任务在每个团队中都存在并将继续存在。人工智能扩展了每个级别的处理能力，包括初级水平。更重要的是，工程组织将继续需要技术判断。对您的组织的未来判断现在应该正在增长。