为什么AI未能取代软件工程师，而且永远不会

关于AI取代工作的焦虑和不确定性一直存在。如何超越模糊的警告和夸大的预言，用数据来回答这个问题？一个很好的方法是观察AI能力最先进、采用速度最快的职业：软件工程。

本文认为，有足够证据拒绝“一旦AI能力达到某个阈值，就会导致大规模裁员”的叙事。即使在一个几乎没有监管障碍的行业，这种说法也不成立，大多数其他职业受到的冲击可能更小。

我们也很清楚原因。我们可以将许多知识工作（包括软件开发）视为“决定-执行-交付三明治”。AI压缩了“执行”层（三明治的中间部分），但其他两层抵抗自动化，仅靠能力提升无法克服。

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，下一篇将探讨即使总体需求健康，个别软件工程师的职业生涯为何也可能坎坷。该系列基于经济学和软件工程领域已发表的文献、我们对AI代理的评估和观察，以及许多软件工程师对AI对其职业影响的反思。

所谓的AI驱动的大规模软件裁员，很可能是经典的“AI洗白”。

考虑三个头条新闻及其与现实的反差：

2月，金融科技公司Block（Cash App、Square、Afterpay等的开发商）宣布裁员4000人，创始人Jack Dorsey称AI“正在实现一种新的工作方式”，并引用2025年末模型能力的改进。但后续报道揭示了截然不同的图景。在疫情期间员工数量增长三倍后，该公司面临巨大的财务压力。Cash App团队的数据科学家Naoko Takeda发帖称，Block“将AI硬塞给每个人”，但“生产力提升非常有限”。她拒绝了75%的留任加薪并辞职。其他员工对Block的AI能力以及Dorsey是否胜任理解问题有截然不同的看法。

正如Aaron Levie指出的，CEO们特别容易对AI的用处产生错觉，因为他们可以快速构建原型，但看不到将其转化为成品所需的90%的工作。Dorsey关于AI的公开声明完全符合这种模式。

4月，Snap裁员约1000人，CEO Evan Spiegel在裁员备忘录中主要将AI列为首要原因。他还称AI生成了65%的新代码。实际上，裁员是在激进投资者要求削减成本的运动之后进行的（Snap自2017年IPO以来每年净亏损，股价在2026年下跌超过30%）。值得注意的是，裁员的性质（例如增强现实部门各种角色的150个职位）与如果由AI驱动（即编程和其他“AI暴露”职位全面减少，而非集中在某个部门）所预期的裁员不相关。

5月，Intuit宣布裁员3000人，同时与Anthropic和OpenAI达成交易。媒体将两者联系起来，将裁员描绘为AI驱动的重组。这一次，CEO实际上反驳了这种简单的叙事，称“这都与AI无关”，裁员针对的是“协调密集型角色”和过多的管理层。

这些例子并非精心挑选。在我们检查的每一个关于AI驱动的软件工程裁员的故事中，都出现了同样的叙事冲突。事实证明，裁员中的“AI洗白”是一种经济范围的现象，许多调查都证明了这一点：

59%的美国招聘经理承认他们强调AI来解释招聘冻结或裁员，因为这对利益相关者来说比引用财务限制更有利。

Forrester首席分析师J.P. Gownder谈到准备进行所谓AI驱动裁员的企业时说：“当我们问他们是否有成熟、经过验证的AI应用准备填补这些职位时，十有八九的回答是没有——他们甚至还没有开始。”

在一项对1000多名全球高管的HBR调查中，21%的人“预期AI”而进行了大规模裁员，另有39%的人进行了低度或中度的预期裁员。相比之下，只有2%的人因为实际实施AI而大规模裁员。10倍的差距表明，高管和其他人一样，很容易屈服于关于AI取代工作的误导性叙事。

另一个有趣的数据点来自WARN法案，该法案要求对影响100名以上工人的工厂关闭和裁员进行某些披露。2025年3月，纽约成为美国第一个在WARN法案中添加AI披露复选框的州。在整整第一年，超过160家公司提交了WARN通知。没有一个勾选AI框。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勾选了该框。如果这些文件准确，纽约州相关期间约25000名裁员工人中只有46人（约占0.2%）受到AI影响。

对AI驱动大规模裁员叙事更具破坏性的是：裁员本身首先就不是AI潜在生产力收益的正确信号！研究明确表明，其作用是通过“放缓招聘而非增加离职”来实现的。解雇现有工人会导致失去使工人有效操作AI的隐性知识和组织资本。此外，遣散费、士气损害和重新招聘风险的成本高昂。鉴于这些成本，考虑到自然流失在几年内就能达到同样的效果，裁员在很大程度上是不必要的。

那么，当我们超越裁员看整体就业趋势时，数据告诉我们什么？美联储经济学家的一篇重要论文汇编了美国背景下的证据。就业仍在增长，但他们发现，与无AI的反事实相比，ChatGPT后增长放缓了约每年3个百分点。这项研究的一个重要局限性是方法无法捕捉自雇，因此部分增长放缓可能被创业所吸收。我们有其他研究的证据表明AI使创业更容易。所以实际情况可能比美联储研究显示的更健康。

最后，值得承认软件工程中两种间接由AI导致的职业损失是真实的，但不同于AI取代软件工程师。首先，AI有时会摧毁产品的需求，例如Chegg（作业帮助）或Stack Overflow（技术帮助）都裁员了。AI并不直接做这些工人所做的工作，而是消除了对它的需求。历史类比很强：在1950年美国人口普查的270个职位中，只有一个职位被自动化——电梯操作员。但许多其他职位被新技术淘汰，如电报操作员。

另一个可信的AI驱动裁员故事发生在销售AI而不是购买AI的公司中。因此，当IBM或SAP等公司因AI宣布裁员时，更准确的框架是“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”。这是围绕收入机会的普通企业重组，而不是技术取代工人。

为什么编码代理没有导致劳动力替代：“决定-执行-交付三明治”

许多科技领袖，如上文Snap CEO，在报告AI编写代码比例的同时报告裁员或预测未来工作损失。这助长了简单的心理模型：一旦AI编写所有代码，就不再需要编码员。幸运的是，这个心理模型是错误的。这个AI编写代码的指标几乎与劳动力替代完全无关。原因如下。

首先，编写代码从来不是瓶颈。例如，2019年的一篇论文总结了现有研究，结论是“开发人员花费在编码上的时间少得惊人，从9%到61%不等，取决于研究”。这与论文自己来自微软6000名开发人员的数据一致。随着编码代理开始被采用，2025年末出现了一波博客文章，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影响很小。

如果编写代码不是瓶颈，那是什么？任务分解调查指出会议或调试之类的事情。这只会引发更多问题：开发人员在那些会议上做什么？为什么不能由AI完成？随着能力提升，调试不会被自动化吗？要理解真正的瓶颈，我们必须定性分析，深入挖掘软件工程师自己对什么抵抗自动化的理解。

我们做这个分析时，发现了三个真正的瓶颈：（1）决定和指定要构建什么，（2）验证并对交付负责，（3）执行这两者所需的深度人类理解——对代码库、业务和环境。

换句话说，软件工程师的工作包括“决定-执行-交付三明治”（理解是前两者的先决条件）。AI压缩了三明治的中间部分，但两端基本不变。只要软件开发团队负责决策并对交付负责，工程师仍然需要花时间建立对系统的深度理解。这些就是三个瓶颈。

图：软件开发包括三层：（1）决策——问题框架、规范、计划；（2）执行——设计和实现；（3）交付——测试、验证、集成、维护等。注意，这些是概念层，而不是时间阶段。在项目过程中来回切换很常见。

AI生产力效应的“三明治”模型的证据来自一篇最近的论文“写代码与交付代码”。在GitHub上10万名开发人员中，研究人员发现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“执行”层一致。但这只导致发布量增加了30%，强烈表明人为瓶颈（“决定”和“交付”层）仍然存在。

三明治能进一步压缩吗？我们不这么认为。在管道的一端，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教训之一是，需求规范（该领域的行话）需要意外长的时间，如果压缩，会导致后续更大的痛苦。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，以及某些情况下的监管限制。

随着AI能力提升，可委托给AI的决策范围会扩大。但这并不会使“决定”层变薄——一旦决策可以委托给AI，它就不再是竞争优势的来源，而...（原文截断）