好上加好，强者越强

这张图是美国知名招聘网站 Indeed 发布的2020年以来发布的软件工程师职位情况，也就是 SE 的需求量。

可以很明显的看到，2022 顶峰之后，23 年就急剧下降，到今年 25 年，减少了差不都 70% 左右。

这里如果除去什么大环境啥的不可描述的因素，另一个主要因素就是这个时间段正好是大模型发布到普遍应用的阶段。

而大模型目前最擅长且对生产效率影响最大的就是编码这项工作。

是因为AI直接取代了软件工程师吗？

其实并不是，只要是IT行业的朋友肯定知道，真实情况其实是：

一个优秀的技术专家或架构师可以使用AI更高效的编码了，说人话就是，单位时间内，一个人可以干更多人的活了。

优秀同行挤占了更多一般同行的空间。

以前可能架构师还要把一个任务做拆解，然后分配给其它同事去做，但是现在有了AI，架构师可能直接让AI做编码实现就可以了。

省去了很多跟多人沟通和协作的成本，我们知道，团队里的人员水平也是参差不齐，如果遇到小白选手，或者理解能力有限的同事，就要花更多的时间去沟通和解释，最终还要把他们的工作成果集成起来。

所以很多时间和精力都消耗在了协调、管控、推进、拉通甚至是关怀等等这些实际并不直接产生价值的事情上。

我是看到团队里优秀的工程师在各种AI模型和工具的加持下，可以大块大块的生成代码，遇到一些逻辑和算法上的问题，直接通过跟AI对话，就可以自己找到解决方案。

现在讨论更多的问题是，怎么让AI能更好的理解我们的需求。

原来更专业更有经验的人，现在有了AI加持，比之前更牛逼了。

最终，更会用AI的人，取代了不会用，或用的没那么好的人。

如果我们再细究一下：

什么叫用的更好？

为什么有的人能用的更好，而不是更普适的所有人都能用好？

我前面写了自己使用AI一些感受，或多或少已经解释了这两个问题。

聊个AGI翻译的边界问题

重要的是不要失去判断力

责任无可替代

总结一下就是：

他原本就比别人思考的更全面，更深入，甚至能跨界，他能够提出更专业更有针对性的问题，所以AI得到的信息更有质量，AI的回答自然也就更有价值。同样，他能更专业做出判断，AI回答的是不是足够好，并且能够持续专业的交互下去。

好上加好，自然强者越强。