為什麼AI未能取代軟件工程師，而且永遠不會

關於AI取代工作的焦慮和不確定性一直存在。如何超越模糊的警告和誇大的預言，用數據來回答這個問題？一個很好的方法是觀察AI能力最先進、採用速度最快的職業：軟件工程。

本文認為，有足夠證據拒絕“一旦AI能力達到某個閾值，就會導致大規模裁員”的敍事。即使在一個幾乎沒有監管障礙的行業，這種説法也不成立，大多數其他職業受到的衝擊可能更小。

我們也很清楚原因。我們可以將許多知識工作（包括軟件開發）視為“決定-執行-交付三明治”。AI壓縮了“執行”層（三明治的中間部分），但其他兩層抵抗自動化，僅靠能力提升無法克服。

我們對軟件工程需求的未來軌跡持謹慎樂觀態度。本文是一個系列的第一篇，下一篇將探討即使總體需求健康，個別軟件工程師的職業生涯為何也可能坎坷。該系列基於經濟學和軟件工程領域已發表的文獻、我們對AI代理的評估和觀察，以及許多軟件工程師對AI對其職業影響的反思。

所謂的AI驅動的大規模軟件裁員，很可能是經典的“AI洗白”。

考慮三個頭條新聞及其與現實的反差：

2月，金融科技公司Block（Cash App、Square、Afterpay等的開發商）宣佈裁員4000人，創始人Jack Dorsey稱AI“正在實現一種新的工作方式”，並引用2025年末模型能力的改進。但後續報道揭示了截然不同的圖景。在疫情期間員工數量增長三倍後，該公司面臨巨大的財務壓力。Cash App團隊的數據科學家Naoko Takeda發帖稱，Block“將AI硬塞給每個人”，但“生產力提升非常有限”。她拒絕了75%的留任加薪並辭職。其他員工對Block的AI能力以及Dorsey是否勝任理解問題有截然不同的看法。

正如Aaron Levie指出的，CEO們特別容易對AI的用處產生錯覺，因為他們可以快速構建原型，但看不到將其轉化為成品所需的90%的工作。Dorsey關於AI的公開聲明完全符合這種模式。

4月，Snap裁員約1000人，CEO Evan Spiegel在裁員備忘錄中主要將AI列為首要原因。他還稱AI生成了65%的新代碼。實際上，裁員是在激進投資者要求削減成本的運動之後進行的（Snap自2017年IPO以來每年淨虧損，股價在2026年下跌超過30%）。值得注意的是，裁員的性質（例如增強現實部門各種角色的150個職位）與如果由AI驅動（即編程和其他“AI暴露”職位全面減少，而非集中在某個部門）所預期的裁員不相關。

5月，Intuit宣佈裁員3000人，同時與Anthropic和OpenAI達成交易。媒體將兩者聯繫起來，將裁員描繪為AI驅動的重組。這一次，CEO實際上反駁了這種簡單的敍事，稱“這都與AI無關”，裁員針對的是“協調密集型角色”和過多的管理層。

這些例子並非精心挑選。在我們檢查的每一個關於AI驅動的軟件工程裁員的故事中，都出現了同樣的敍事衝突。事實證明，裁員中的“AI洗白”是一種經濟範圍的現象，許多調查都證明了這一點：

59%的美國招聘經理承認他們強調AI來解釋招聘凍結或裁員，因為這對利益相關者來説比引用財務限制更有利。

Forrester首席分析師J.P. Gownder談到準備進行所謂AI驅動裁員的企業時説：“當我們問他們是否有成熟、經過驗證的AI應用準備填補這些職位時，十有八九的回答是沒有——他們甚至還沒有開始。”

在一項對1000多名全球高管的HBR調查中，21%的人“預期AI”而進行了大規模裁員，另有39%的人進行了低度或中度的預期裁員。相比之下，只有2%的人因為實際實施AI而大規模裁員。10倍的差距表明，高管和其他人一樣，很容易屈服於關於AI取代工作的誤導性敍事。

另一個有趣的數據點來自WARN法案，該法案要求對影響100名以上工人的工廠關閉和裁員進行某些披露。2025年3月，紐約成為美國第一個在WARN法案中添加AI披露覆選框的州。在整整第一年，超過160家公司提交了WARN通知。沒有一個勾選AI框。我們聯繫了紐約州勞工部，他們確認截至5月底，只有一家公司Nespresso勾選了該框。如果這些文件準確，紐約州相關期間約25000名裁員工人中只有46人（約佔0.2%）受到AI影響。

對AI驅動大規模裁員敍事更具破壞性的是：裁員本身首先就不是AI潛在生產力收益的正確信號！研究明確表明，其作用是通過“放緩招聘而非增加離職”來實現的。解僱現有工人會導致失去使工人有效操作AI的隱性知識和組織資本。此外，遣散費、士氣損害和重新招聘風險的成本高昂。鑑於這些成本，考慮到自然流失在幾年內就能達到同樣的效果，裁員在很大程度上是不必要的。

那麼，當我們超越裁員看整體就業趨勢時，數據告訴我們什麼？美聯儲經濟學家的一篇重要論文彙編了美國背景下的證據。就業仍在增長，但他們發現，與無AI的反事實相比，ChatGPT後增長放緩了約每年3個百分點。這項研究的一個重要侷限性是方法無法捕捉自僱，因此部分增長放緩可能被創業所吸收。我們有其他研究的證據表明AI使創業更容易。所以實際情況可能比美聯儲研究顯示的更健康。

最後，值得承認軟件工程中兩種間接由AI導致的職業損失是真實的，但不同於AI取代軟件工程師。首先，AI有時會摧毀產品的需求，例如Chegg（作業幫助）或Stack Overflow（技術幫助）都裁員了。AI並不直接做這些工人所做的工作，而是消除了對它的需求。歷史類比很強：在1950年美國人口普查的270個職位中，只有一個職位被自動化——電梯操作員。但許多其他職位被新技術淘汰，如電報操作員。

另一個可信的AI驅動裁員故事發生在銷售AI而不是購買AI的公司中。因此，當IBM或SAP等公司因AI宣佈裁員時，更準確的框架是“我們將員工從傳統職能重新分配到我們增長最快的產品線”。這是圍繞收入機會的普通企業重組，而不是技術取代工人。

為什麼編碼代理沒有導致勞動力替代：“決定-執行-交付三明治”

許多科技領袖，如上文Snap CEO，在報告AI編寫代碼比例的同時報告裁員或預測未來工作損失。這助長了簡單的心理模型：一旦AI編寫所有代碼，就不再需要編碼員。幸運的是，這個心理模型是錯誤的。這個AI編寫代碼的指標幾乎與勞動力替代完全無關。原因如下。

首先，編寫代碼從來不是瓶頸。例如，2019年的一篇論文總結了現有研究，結論是“開發人員花費在編碼上的時間少得驚人，從9%到61%不等，取決於研究”。這與論文自己來自微軟6000名開發人員的數據一致。隨着編碼代理開始被採用，2025年末出現了一波博客文章，指出編寫代碼不是瓶頸，因為開發人員意識到使用代理編寫大部分代碼對整體生產力影響很小。

如果編寫代碼不是瓶頸，那是什麼？任務分解調查指出會議或調試之類的事情。這隻會引發更多問題：開發人員在那些會議上做什麼？為什麼不能由AI完成？隨着能力提升，調試不會被自動化嗎？要理解真正的瓶頸，我們必須定性分析，深入挖掘軟件工程師自己對什麼抵抗自動化的理解。

我們做這個分析時，發現了三個真正的瓶頸：（1）決定和指定要構建什麼，（2）驗證並對交付負責，（3）執行這兩者所需的深度人類理解——對代碼庫、業務和環境。

換句話説，軟件工程師的工作包括“決定-執行-交付三明治”（理解是前兩者的先決條件）。AI壓縮了三明治的中間部分，但兩端基本不變。只要軟件開發團隊負責決策並對交付負責，工程師仍然需要花時間建立對系統的深度理解。這些就是三個瓶頸。

圖：軟件開發包括三層：（1）決策——問題框架、規範、計劃；（2）執行——設計和實現；（3）交付——測試、驗證、集成、維護等。注意，這些是概念層，而不是時間階段。在項目過程中來回切換很常見。

AI生產力效應的“三明治”模型的證據來自一篇最近的論文“寫代碼與交付代碼”。在GitHub上10萬名開發人員中，研究人員發現AI代理導致編寫的代碼行數增加了八倍，這與AI幾乎完全壓縮了“執行”層一致。但這隻導致發佈量增加了30%，強烈表明人為瓶頸（“決定”和“交付”層）仍然存在。

三明治能進一步壓縮嗎？我們不這麼認為。在管道的一端，開發團隊需要決定構建什麼。初級軟件工程師學到的最重要的教訓之一是，需求規範（該領域的行話）需要意外長的時間，如果壓縮，會導致後續更大的痛苦。這一層很難自動化，因為它需要思考用户需求、市場信號、組織優先級，以及某些情況下的監管限制。

隨着AI能力提升，可委託給AI的決策範圍會擴大。但這並不會使“決定”層變薄——一旦決策可以委託給AI，它就不再是競爭優勢的來源，而...（原文截斷）