AI 编写代码。工程师还剩下什么? - Laurie Voss, Arize AI

원제 · AI Writes the Code. So What's Left for Engineers? - Laurie Voss, Arize AI

27:092분 읽기AI Engineer2026. 10. 24.컴퓨터/소프트웨어 · 경영/리더십 · 구직/면접

핵심 요약

随着AI让编写代码变得几乎免费,软件开发的瓶颈从代码编写转移到了定义需求和代码审查,推动所有工程师转型为专注于确定构建内容的产品工程师。

하이라이트

  • 使用自主编码代理的开发人员编写的代码量增加了741%,但交付速度仅提升了30%。

  • 人类理解代码的极限约为每小时450行,这导致代码审查成为主要的效率瓶颈。

  • 22岁至25岁初级工程师的就业率自2023年1月以来持续崩溃。

  • 前方部署工程师的招聘岗位在2025年前九个月内增长了800%,平均薪酬达到24万美元。

  • 当基准测试从技术通过率转变为评估维护者是否会合并该PR时,通过率从87%骤降至54%。

타임라인

  1. 编写代码成本的崩溃与代码审查瓶颈

    人工智能代理的普及让代码生成变得极其廉价,开发人员编写的代码量达到了过去的八倍之多。然而,由于人类进行代码审查的物理极限没有改变,庞大的代码差异积压在审查环节。这种产能与审查能力的失衡造成了严重的效率阻碍。

    • 自主编码代理使编写代码的成本大幅降低,代码产量激增741%。
    • 代码产量的暴增并未带来同等幅度的交付速度提升,交付速度仅快了30%。
    • 人类每小时只能理解约450行代码,导致代码审查成为系统的新瓶颈。
  2. 机器审查的局限与基准测试的真相

    自动化工具开始介入代码审查阶段,但当前的机器审查员尚不够成熟和可靠。模型缺乏维护者脑海中关于代码风格、外部系统和历史背景的直觉判断。完全跳过代码审查会导致系统故障和严重的架构崩塌。

    • GitHub的Copilot承担了平台上五分之一以上的代码审查工作。
    • 四个AI审查员虽然能发现代码中的漏洞,但彼此发现的漏洞完全不一致。
    • 当基准测试从技术通过率转变为评估维护者是否会合并代码时,通过率从87%骤降至54%。
  3. 制约理论与软件需求的无限性

    当代码审查和运维问题最终被逐步解决时,软件开发的终极瓶颈将落在使用者的实际需求描述上。不同行业和业务场景的需求各不相同,这些隐性知识仅存在于经营者的脑海中。提取这些知识并将其转化为规范,构成了软件开发的本质复杂度。

    • 根据制约理论,解决一个瓶颈只会让问题转移到运维和安全等下一个环节。
    • 世上存在着对软件的本质性无限需求,因为过去很多网站和工具由于成本过高而无法完善。
    • 软件的核心难度在于理解业务需求本身,这并不存在于模型的训练数据中。
  4. 产品工程师的崛起与编程价值的归零

    随着代理接管了底层的编程工作,软件开发的定义发生了根本性分裂。能够深入理解用户、定义优秀标准并结合智能体交付成果的产品工程师成为市场的主流需求。这种转变让具备产品思维不再是锦上添花的特质,而是每个工程师必备的核心能力。

    • 纯粹编写代码的价值正在趋近于零,而产品工程的价值走向无限。
    • 前方部署工程师的招聘岗位在2025年前九个月内增长了800%,平均薪酬达到24万美元。
    • 工程师与产品经理的角色正在重新融合,形成名为产品工程师的新职业形态。
  5. 初级工程师的危机与手艺的传承

    初级开发人员面临着严峻的就业市场危机,因为企业不再以传统方式雇用初级程序员来编写模板代码。行业亟需建立刻意培养产品人才的新途径。尽管职业形态发生剧变,但解决难题的创造性思维和对代码手艺的热爱依然会保留在个人的创作中。

    • 22岁至25岁初级工程师的就业率自2023年以来持续崩溃。
    • 传统的初级培养路径依赖于编写具体的任务工单,这种模式已被编码代理取代。
    • 编程的手艺将如同工业化后的木工一样存续,成为个人热爱而非高薪岗位。

설명

Laurie Voss, head of developer relations at Arize AI and co-founder of npm, argues that coding agents made writing code nearly free, so the bottleneck keeps moving: first to code review, then to operations and security. What agents can't take over is finding out what people actually need and defining what "good" means. He calls the job that remains the product engineer, looks at the data on collapsing junior hiring, and lays out what engineering leaders should do now. Chapters 00:00 Intro: beyond the AI engineer 01:19 Code got free, so the bottleneck moved 03:04 8x more code, only 30% faster shipping 04:39 Can machines do code review? 08:02 The theory of constraints 09:00 The next bottlenecks: ops and security 11:21 What agents won't eat: deciding what good means 13:45 Essential complexity and the spec 16:34 The product engineer 19:45 The junior developer problem 22:57 For people who love the craft 25:11 What to do now Laurie Voss, Arize AI Join us in SF for the second annual AIE CODE summit: https://aie.codes our last flagship summit of 2026. Applications live now!

이 영상에 대해 글쓰기