ARTICLE · 1178530

AI时代软件开发:不是岗位消失,是边界扩展——主修守住专业,辅修扩展影响面

发布时间：2026-10-14 11:49:31 最近访问：2026-10-14 11:49:32

AI时代软件开发：不是岗位消失，是边界扩展

——主修守住专业，辅修扩展影响面

检验标准很简单：AI产出的东西，是在帮你更好地做主修决策，还是在让你沉迷于产出本身？

核心观点：

Google实验室负责人：职能边界没有消失，人人都是builder被严重高估了，岗位合一是不现实的，岗位没有消失，岗位能力分成了主修和辅修。

每个人在守住主修的前提下，用辅修能力扩大资源的影响力，主修=你的专业立身之本（不可替代），辅修=AI工具带来的横向扩展能力。

	内容
主修	用户洞察、问题定义、价值判断、优先级取舍、商业逻辑
辅修	用AI快速敲原型、写伪代码验证流程、用数据工具做初步分析

PM用AI写代码，目的不是"不再依赖工程师"，而是更快验证一个假设，然后回到主修做判断。如果PM把80%时间花在调代码上，用户访谈、需求判断反而被挤掉了——这就是辅修侵蚀了主修。

	内容
主修	审美判断、交互哲学、信息架构、用户体验的系统性思考
辅修	用AI生成视觉素材、快速出多版方案、做动态原型

AI能生成一百张图，但"哪张图传达的情绪是对的"这个判断，仍然是设计师的主修。工具加速的是产出，不是审美。

	内容
主修	系统设计、架构决策、性能优化、工程质量、技术债务管理
辅修	用AI写样板代码、加速CRUD、自动化测试生成、快速搭建实验环境

AI写代码的速度确实快，但"这段代码三个月后还好不好维护""这个架构能不能撑住十倍流量""这个技术选型会不会把团队锁死"——这些判断是工程师的主修，AI给不了。

	内容
主修	质量策略、风险识别、边界场景设计、系统性测试架构、用户视角的破坏性思维
辅修	用AI生成测试用例、自动化脚本编写、回归分析、对抗样本构造

AI时代测试工程师的主修反而更重要了。生成式AI产品的输出没有"标准答案"，模型版本迭代会导致行为漂移——"什么情况下这东西会坏、坏了对用户意味着什么、风险值不值得冒"，这些判断本身就是测试的核心价值。

	内容
主修	技术方向判断、人才识别与培养、组织设计、跨团队协同、决策取舍
辅修	用AI辅助做效能分析、自动生成周报/文档、用数据工具辅助人力规划

即使是2-4人的微型作战单元，也要说清楚：

角色	主修（死守不动）	辅修（AI加持的扩展）
产品经理	用户洞察、问题定义、价值判断、优先级取舍、商业逻辑	用AI/Cursor快速搓原型、写伪代码验证流程
设计师	审美、交互哲学、用户体验判断、信息架构	用AI生成素材、快速出多版视觉方案、做动态原型
前端工程师	性能优化、架构设计、工程规范、跨端适配	用AI写样板代码、加速CRUD、自动化测试
后端/算法工程师	系统设计、数据建模、模型调优、底层原理	用AI辅助写脚本、做数据处理、快速搭建实验环境
测试/QA工程师	质量判断力、风险识别、边界场景设计、系统性测试策略、用户视角的破坏性思维	用AI生成测试用例、自动化脚本编写、用AI辅助做回归分析
增长/运营	用户心理、渠道逻辑、数据分析框架	用AI批量生成内容、做A/B测试方案、自动化报告
技术管理者	技术方向判断、人才识别与培养、组织设计、跨团队协同、决策取舍	用AI辅助做效能分析、自动生成周报/文档、用数据工具辅助人力规划