AI First 正在淘汰的，不只是低效岗位，而是那些长期依赖组织分工、老板评价和被动执行，却没有主动判断、规划和闭环能力的人。
未来真正有竞争力的人，是能理解业务、产品、技术和工程，并借助 AI 独立创造结果的人。
大厂最近有一种情绪在蔓延。不是愤怒。是比愤怒更难处理的东西：茫然。很多人开始意识到，自己不知道自己在做什么，也不知道自己能做什么。这种感觉不是 AI 带来的。AI 只是把它照出来了。
一、一个组织正在发生什么
先说一件很多人感受到、但没想清楚的事。AI First，不是让研发用 Cursor 写代码这么简单。它在做一件更根本的事：把所有靠”信息差”和”位置差”存活的岗位，全部变成冗余。过去一个业务团队怎么运转？PM 拿到老板的方向，拆成需求文档，给到研发。研发看文档做系统，遇到不确定的地方找 PM 对齐。做完交给测试，测试跑用例，发现问题再回炉。中间有若干个项目经理，负责在各方之间同步进度、传递压力、拉会议。每个环节都有人，每个人都在”负责”一段流程。这套系统能存在，有一个隐含的前提：人与人之间的沟通成本很高，所以需要专职的人来做转译和路由。AI 把这个前提直接干掉了。当一个有足够认知的研发，可以自己用 AI 分析用户反馈、拆解需求、出技术方案、写代码、跑测试、部署上线——那条流水线上的大多数人，在逻辑上就不再需要存在了。这不是威胁，这是算术。某厂有个做了五年测试的工程师，技术过硬，用例写得细，发现问题的直觉很准。团队引入 AI 自动化测试之后，他的工作变成了检查 AI 跑的用例有没有遗漏。三个月后他说了一句话：「但 AI 遗漏的，我也不一定能发现。」这句话里有一种很深的东西。不是失业的恐惧，是意义感的坍塌。
二、谁会最先出局
说清楚谁被淘汰，其实是个陷阱。因为真正值得想的问题是：在 AI First 的逻辑下，什么能力真正不可替代？答案不复杂，但很多人不愿意承认——是判断力。不是写代码的能力，不是写文档的能力，不是跑会议的能力。是在信息不完整的情况下，自己判断「该做什么、为什么做、值不值得做」的能力。这个能力，AI 现在还给不了你。所以反过来，最先出局的不是技术最差的人，而是那些从来只做自己”该做”那部分的人。研发等 PM 给需求，PM 不来就觉得自己没事干——等待本身变成了一种工作方式。PM 不懂工程，每个决策都依赖研发评估——判断力长期外包，最终彻底萎缩。中层管理者的核心工作是开会、对齐、传递压力——当 AI 把沟通成本压到接近零，这类岗位的存在理由就消失了。测试工程师把价值押注在”比 AI 更熟悉业务”上——但 AI 的业务理解速度，是按周迭代的。这些人有一个共同特征：他们的价值，建立在组织需要他们做这件事上，而不是建立在他们真正能判断什么该做上。组织结构一变，价值就归零。
三、能活下来的人，早就不一样了
AI First 落地之后，能真正驾驭这种模式的人，往往不是技术最好的研发，也不是资历最深的 PM。他们有一个共同特征：从来没有把自己框死在职责范围里。有一类研发，平时爱质疑需求。「这个功能用户真的需要吗？」「做这个的 ROI 算过吗？」「有没有更简单的实现？」这类人在大厂里常常不讨喜——PM 觉得他们越界，老板觉得他们难管。但 AI First 来了，这类人是最先跑起来的。因为他们本来就没有只做执行。他们在写代码的同时，一直在做判断。现在 AI 帮他们把执行速度拉满，判断能力就变成了真正的核心资产。还有一类管理者。他们不只是开会对齐同步进度，他们自己上手。能看懂代码，能评审方案，能开着 Cursor 做原型。他们知道事情做起来是什么感觉，所以对 AI 能干什么、不能干什么，有非常清醒的判断。这两类人，AI 是他们的放大器。其他所有人，AI 是他们的替代品。差别不在技术水平。差别在于，他们有没有一直保持对全局的主动性。
四、问题其实不在 AI
说到这里，有一件让很多人不舒服的事，必须说清楚。AI First 带来的焦虑，本质上不是关于 AI 的。它是一面镜子，照出了很多人过去三年在做什么。2022 年底，ChatGPT 出现。那一刻，所有人站在同一条起跑线上。从那时到现在，整整三年多，每个人都做了自己的选择。选择主动学习、主动思考——还是等组织告诉你该干什么。选择把精力放在「把事情搞清楚」——还是放在「让老板满意」。选择在不确定中建立自己的判断框架——还是在确定性里刷一个又一个已知的需求。每一次选择都很小。小到当时完全感觉不到它的重量。但三年，一千多天，每一天的微小选择，最终变成了今天完全不同的处境。有个做了七年 PM 的人，去年被裁之后开始焦虑。有人问他：「一个产品从想法到上线，你自己能做多少？」他想了一会儿说：「文档可以写。原型用 Figma 会一点。代码这块不行。」七年。他把自己变成了一个只能产出文档和原型的人。这不是 AI 的问题。这是七年里，每次遇到技术细节都交给研发、每次遇到商业判断都等老板拍板，一点一点让渡出去的结果。你让渡判断力的每一次，都是在为今天的处境买单。
五、环境是筛选器，不是决定器
有一种说法听起来很合理：大厂的环境就是这样，不等需求 PM 觉得你越权，去学别的老板觉得你不专注。系统的问题，不是个人的问题。这是真的。但这个真实，掩盖了另一个同样真实的事实。同样在大厂，同样在那个等需求的系统里——有人在做完需求之后，把产品逻辑从头想了一遍；有人在周末用 AI 做了个小工具，顺便理解了什么叫 prompt engineering；有人在每次开会的时候，脑子里同步在跑：「这个决策是对的吗，如果是我来判断我会怎么做？」外部看来，这些人和旁边的人没什么区别。同样等需求，同样开会，同样刷绩效。但脑子里在做的事，完全不一样。三年后，差距出来了。不是 AI 拉开了差距。是三年前那些微小选择积累的复利，在 AI 的催化下，变成了肉眼可见的鸿沟。市场上有一句话：很多人在大盘开始暴跌的时候，才意识到自己早就杠杆拉满被套牢了。职业市场也是同一个逻辑。今天的焦虑不是今天发生的。它是两三年前，每一个「等一等」「算了吧」「这不是我该管的」，慢慢积累进去的仓位。
六、从现在开始，做一件事
大多数人对 AI 焦虑的应对方式，是去学一个工具。学 Cursor，学 Dify，学怎么搭 Agent。学完感觉好了一点，实际上什么都没变。工具学会了，判断力还是那个判断力。AI First 真正要求的，是重新拿回一个东西：对全局的主动性。不是等别人告诉你该做什么，而是自己想清楚什么值得做。不是把最重要的判断交给业务、交给 PM、交给上级，而是自己建立对产品、商业、用户、工程的综合理解。这件事和岗位无关。研发：做下一个功能之前，先问一次「这个东西上线了用户真的会用吗？」PM：哪怕一次，把一个想法自己从想法做到能跑起来。管理者：最近一次亲手交付一个东西，是什么时候？这些不是让人跨界。这是让每个人重新成为对结果负责的人，而不是对流程负责的人。这个转变不需要等 AI 更强。它从想清楚这件事的那一刻，就已经开始了。一个人今天的处境，不是突然发生的。它是过去每一次「等待」代替「判断」积累的结果。但同样：一个人明天的处境，也不是突然发生的。它从今天每一次选择主动思考而不是等待答案，开始慢慢积累。最先被淘汰的，从来不是技术最差的人。是那些最早放弃思考的人。
夜雨聆风
