随着人工智能编写完整代码的能力预期不断加速，一个更深层次的问题浮出水面，即技术组织内部的人才如何成长。在 QCon AI Boston 大会的一次近期演讲中，Alasdair Allan 对人工智能在工程师职业发展路径中留下的空白提出了批判性见解，将其描述为“职业阶梯上缺失的台阶”。
在雄心勃勃的预期与数字现实之间
Allan 指出了乐观预期与实际数据之间的明显差异；尽管 Anthropic 的联合创始人 Dario Amodei 曾预测人工智能将在一年内编写 90% 的代码，但分析显示了不同的现实。根据 Redwood Research 的一项研究，代码库中由人工智能编写的代码比例接近 50%，只有在加上临时文本和瞬时脚本时，这一比例才会增加到 90%。
各大公司记录的数据揭示了一个参差不齐的景象：
- Google：报告显示，略高于 25% 的内部代码是由人工智能生成的。
- Microsoft：智能生成的比例约为 30%。
- GitHub Copilot：在企业环境中，建议采纳率约为 30%。
- Anthropic：公司工程师在 59% 的日常工作中使用了 Claude 工具，据报道生产力提高了 50%。
监督悖论：隐蔽的威胁
Allan 提出的问题的核心不在于生产力，而在于他所称的“监督悖论”（Supervision Paradox）。虽然人工智能工具提高了任务完成的速度，但它们可能会剥夺初级工程师（Juniors）通过手动解决复杂编程问题来建立基础技能的机会。
当人工智能接管了学习阶梯中那些“中间台阶”的任务时，初级工程师发现自己能够快速产出成果，但却缺乏理解系统整体运作所需的认知深度。这导致了知识鸿沟，使他们在未来难以胜任需要监督自主系统的领导岗位或高级工程职位。
这对软件工程的未来意味着什么？
这种转变给科技公司带来了战略挑战，主要归纳为三个方面：
- 机构经验的侵蚀：过度依赖现成工具可能导致工程师通过直接处理代码复杂性所建立的深厚技术背景的丧失。
- 技术供应链的威胁：如果初级人员无法通过中间阶段发展技能，公司将面临缺乏能够管理和指导复杂人工智能系统的资深工程师的困境。
- 重新定义工程师的角色：该职业的目标不再仅仅是“编写代码”本身，而是设计系统和监督产出质量的能力，这需要坚实的技术基础，而人工智能无法为学习者提供这种基础。