AI时代如何避免被替代

文 | 30天进阶第26天

上个月团队里来了个新人，第一天就用Claude Code搞定了一个我预估两天的CRUD模块。代码质量不错，测试也过了。旁边的同事半开玩笑说："这小子带着AI，比你三年前入职的时候猛多了。"

我笑了笑没说话。但那天晚上，我认真想了一个问题——不是"AI会不会替代我"，而是"我每天的工作，到底在第几层？"

一、你在第几层工作？

做过几年开发的人都有体会：同样title是"高级工程师"，有人每天被需求推着走，有人却能主导整个技术方向。差别不在能力高低，在于你日常工作在哪个层级。

我把开发者的日常工作分成五层楼。不是五种人，而是五种"事"——你可以对照看看，自己大部分时间待在哪一层：

第五层 - 定义方向：
  "我们的产品应该往X方向演进，技术战略是Y"
  例子：判断团队应该All-in Serverless，并规划迁移路线图
  关键词：战略、终局思维、技术愿景

第四层 - 发现问题：
  "这个环节流失了40%的用户，这才是最值得解决的事"
  例子：主动分析数据发现转化漏斗的瓶颈，而不是等产品来提需求
  关键词：洞察、判断、定义优先级

第三层 - 设计方案：
  "针对这个问题，最优解是A方案而不是B方案，原因是..."
  例子：拿到"用户在这一步流失"的问题后，设计技术方案解决它
  关键词：架构、权衡、技术决策

第二层 - 执行方案：
  "给我需求文档，我来设计组件架构并高质量实现"
  例子：拿到feature spec，拆解任务、设计模块、写出可维护的代码
  关键词：实现、质量、工程能力

第一层 - 完成任务：
  "告诉我加什么组件，我来加"
  例子：有人说"这里加个筛选器"，你就加一个筛选器
  关键词：执行、交付、完成

注意几个关键点：

这五层不是五种人，是五种事。 同一个人，上午可能在第三层做架构设计，下午就在第一层调CSS。一个资深工程师也不是时刻都在第四层——他可能每周只有20%的时间在那里。

层级不等于职级。 你的title可能是P7，但如果你每天80%的时间在做"告诉我改哪里我就改"的事，你实际工作在第一层。反过来，有些P5已经开始自己发现问题和推方案了——他在第三层。

越高的层级，越难被标准化描述。 第一层的工作可以写成明确的任务卡，第五层的工作连你自己都很难说清楚你"做了什么"。这不是巧合——这正是AI难以触及高层的原因。

还有一个容易被忽视的规律：越高的层级，产出越不像"写代码"。 在第一层和第二层，你的产出是代码。到了第四层，你的产出可能是一次关键对话、一个正确的判断、一份改变优先级的分析。这些产出很难被量化，却往往决定了团队半年的方向。

残酷的事实是：大多数开发者，70%以上的工作时间都在第一层和第二层。

你可以做一个简单的自测。打开你上周的工作记录（日报、Jira、Git log都行），把每项工作归到对应的楼层：

自测方法 - 回顾你上周的工作：

第一层的事：
  改bug、加字段、按设计稿调样式、写单测...
  这些事有一个共同特征：别人告诉你"做什么"和"怎么做"

第二层的事：
  接到需求后拆任务、设计模块结构、实现并自测...
  特征：别人告诉你"做什么"，你决定"怎么做"

第三层的事：
  评估多个技术方案的优劣、做架构决策、技术选型...
  特征：别人告诉你"问题是什么"，你决定"做什么"和"怎么做"

第四层的事：
  主动发现业务瓶颈、定义技术改进方向、提出团队没看到的问题...
  特征：没有人告诉你什么，你自己发现了值得做的事

第五层的事：
  定义产品技术方向、规划团队未来半年的路线图...
  特征：你在定义"我们要去哪"

统计一下比例。如果第一层和第二层占了70%以上——这很正常，但也意味着你的大部分工作时间正在被AI逼近。

这本来不是问题。问题是，AI来了。

二、AI的入侵路线：从底层开始吞噬

AI正在从第一层开始，逐层往上渗透。

第一层——已经沦陷。 "加个筛选组件"这种明确指令，Claude Code可以直接完成，质量不比人差。文章开头那个新人的故事，本质上就是AI在第一层的碾压优势。

第二层——正在被蚕食。 给AI一份清晰的需求文档，它已经能拆任务、设计模块结构、写出还不错的代码。还不完美，但进步速度肉眼可见。两年前需要三天的工作，现在AI半天能出初版。

第三层——AI开始够得着了，但够不稳。 方案设计这件事，AI已经能给出像样的选项。你说"用户在支付环节流失40%"，Claude能列出五种技术方案，各有优劣分析。但它缺少一样东西：在你的具体场景下，哪个方案最合适的判断力。

举个真实的例子：你要做一个缓存方案，AI给出了Redis集群、本地缓存、CDN边缘缓存三个选项，分析得头头是道。但它不知道你们的Redis集群上个月刚出过一次故障，运维团队对加新集群非常抵触；它不知道隔壁团队正在做一个相关的数据一致性改造，如果你这边加了缓存层会跟他们冲突；它更不知道老板下季度的重点已经从性能优化转向了成本控制。

这些"场景知识"决定了方案选择，而AI完全没有。

第四层——AI几乎无能。 "从混沌中识别最值得解决的问题"——这件事为什么AI做不了？因为它本质上是一个价值判断，而不是信息处理。

你团队面前摆着十个可以做的事情，每个都有道理。选哪三个？这个决策需要你同时权衡：老板在意什么（组织政治）、用户真正痛在哪里（用户心理）、团队有多少能力能投入（资源约束）、做完这个对下半年有什么影响（战略连续性）。这些信息分散在十个人的脑子里、三份未公开的文档里、两次非正式聊天里。没有任何一个prompt能把这些喂给AI。

第五层——AI完全无能。 定义一个领域的方向需要的是终局思维——三年后这个领域会变成什么样？我们现在应该押注什么？这不仅仅是分析趋势（AI能帮忙），更是在不确定性中做出赌注。而赌注意味着责任——赌对了是战略眼光，赌错了要有人扛。AI不会扛责任，所以它永远不会真正"做决策"。

把这张表看完之后，做一个简单的自测：回想你上周的五天，每天八小时，有多少小时在做第一层和第二层的事？

如果答案是六小时以上——那你75%的工作时间正在被AI吃掉。不是明天，是现在进行时。

这里有一个很多人没想过的隐含推论：AI不需要替代你这个"人"，只需要替代你70%的"工作时间"，你就失去了大部分存在价值。 公司不会因为"你还有30%的工作AI做不了"而保留你的全职岗位——他们会考虑让剩下30%的工作由更少的人来完成。

这才是真正的危机所在。不是"AI比你强"，而是"AI做了你大部分的活之后，剩下的部分不够撑起一个岗位"。

解药只有一个：提高你在高层级工作的时间占比。

💡 关键洞察：AI替代的不是"人"，是"层级"。你不会整个人被替代，但你待在低层级的那部分工作时间会被替代。问题变成了——被替代之后，你靠什么创造价值？

三、四个乘数：往上爬的加速器

分析完楼层和AI的入侵路线，结论很清楚：你需要往上走。但怎么走？

不是靠"更努力地写代码"——那只是在低层级上加班。也不是靠"等晋升"——职级和工作层级是两码事。

往上走靠的是四个能力的乘法组合。

不可替代性 = 技术深度 × 业务理解 × 沟通能力 × AI驾驭力

先说清楚为什么是乘法。用数字感受一下：

偏科型选手：技术深度拉到顶，但其他维度全是1。总分10，远低于均衡型的625。而且这种选手最脆弱——AI在技术维度追到7分的那天，他仅剩的优势就没了。

缺项型更惨：沟通能力为零，意味着他的技术判断和业务洞察没人听得到，乘以零等于零。

你身边一定见过这样的人：技术很强，但方案永远推不动；业务理解很深，但表达不出来只能自己着急。乘法公式的残酷之处在于，它不奖励偏科，它惩罚短板。

好消息是：你不需要每个维度都做到10分。5×5×5×5=625已经远超10×1×1×1=10。均衡发展比单点突破的收益大得多。

现在把四个乘数和楼层模型对接起来——

技术深度：从"我能写"到"我能判断"

技术深度的价值已经发生了根本性的转移。

以前，技术深度 = 你能写出多复杂的代码。现在AI能写了，这个价值在坍塌。

新的价值点是：AI给出五个方案，你能判断哪个对。 这个方案在百万QPS下会不会崩？这段代码有没有隐藏的并发问题？重构之后系统的薄弱点在哪？

这种判断力把你从第二层推到第三层。它不是靠看文档能学会的，是靠踩过无数坑、处理过无数线上事故后长出来的。

AI可以生成代码，但它不会在凌晨三点被oncall叫醒。它没有"上次那个P0就是这种写法导致的"这种肌肉记忆。它不知道这个看起来很优雅的方案，在你们的部署架构下会导致灰度环境和线上行为不一致。这些判断力是用真金白银的教训换来的，AI拿不走。

所以技术深度的提升方向变了：不是去学更多框架和语言（这些AI都会），而是在你最擅长的领域，建立比AI更准确的质量判断标准。能看出AI写的代码"哪里不对劲"——这才是新时代技术深度的核心。

业务理解：通往第四层的钥匙

业务理解是唯一能让你跨过第三层、到达第四层的能力。

第三层的人等着别人定义问题，第四层的人自己从混沌中找问题。这个跃迁靠的不是技术能力，而是你对业务的理解深度：

• 你理解暗规则——为什么A需求排在B前面？因为老板在上次战略会上提了一嘴，这不在任何文档里
• 你理解用户心理——用户说"太慢了"，其实要的不是速度而是确定感
• 你理解组织边界——这个功能跨三个团队，推进的关键不是方案好不好而是利益对不对齐

这些东西AI完全无法触达。它们不在代码仓库里，不在Confluence里，不在任何结构化数据里。它们是你参加了一百场会议、处理了几十次跨团队扯皮之后，长在脑子里的"业务直觉"。

实际工作中有一种人特别值钱：技术不一定最强，但总能在需求评审的时候问出那个关键问题——"我们真正要解决的问题是什么？"这种人就是在第四层工作。他的价值不在于写代码，在于避免团队写错误的代码。

沟通能力：让高层级工作变现

一个冷酷的事实：你在第四层的洞察如果说不出来，等于你不在第四层。

你发现了转化漏斗的关键瓶颈，但你说不清楚——这个洞察就不存在。你设计了一个优雅的架构方案，但你说服不了跨团队的同事配合——这个方案就落不了地。

沟通能力不是一个独立的层级，它是一个放大器——它让你在第三层和第四层的工作成果被看见、被采纳、被执行。

做过几年开发的人应该深有体会：团队里总有人技术和你差不多，但他做的事情更容易被认可、更容易拿到资源。不是他更会拍马屁，而是他能用老板听得懂的语言解释技术价值，能用合作方在意的利益框架推进协作。

在AI时代，这种能力更稀缺了。因为AI能帮你写代码，但它不能帮你在技术评审会上说服那个对你的方案有顾虑的架构师，也不能帮你在季度规划时争取到团队需要的资源。

同一件事，不同的说法：

技术语言：
  "我优化了查询性能，P99延迟从800ms降到200ms"
  → 老板反应：嗯，然后呢？

业务语言：
  "核心接口提速4倍，大促扩容可以少20台机器，
   每月省XX万，而且用户投诉'加载慢'的客诉会降60%"
  → 老板反应：这个要推广到其他业务线

AI驾驭力：每个层级的效率加速器

AI驾驭力和其他三个乘数不一样——它不直接把你推向某个层级，而是在你当前所在的层级上加速你。

• 在第一层和第二层
  ：AI直接替你干活，释放你的时间去做更高层级的事。你不需要花两天写CRUD了，AI半小时搞定，剩下的时间你可以去参加需求评审、分析用户数据。
• 在第三层
  ：AI帮你快速探索方案空间——"帮我对比事件驱动和轮询两种架构在我们场景下的优劣"，原来要一周的调研，现在一小时能出初版。你的决策质量因为有了更充分的信息而提升。
• 在第四层和第五层
  ：AI给你更多数据和分析来支撑你的判断——但判断本身还是你的。你可以让AI帮你拉用户行为数据、做竞品分析、生成趋势报告，但"我们应该押注哪个方向"这个决策，只有你能做。

这30天学的就是这件事：

• SKILL封装知识让AI更准确地执行（提升第一层和第二层的效率）
• MCP让AI连接外部世界，获取更多信息（支撑第三层的方案探索）
• Harness让AI在安全边界内运转（在所有层级保障质量底线）

会驾驭AI和不会驾驭AI的差距，不是"快一点慢一点"，而是"你的时间花在哪个层级"的差距。前者把低层级工作交给AI，腾出时间做高层级的事；后者还在亲自做AI已经能做的事，没有余力往上走。

💡 关键洞察：AI驾驭力是四个乘数中唯一能通过短期学习快速提升的。技术深度、业务理解、沟通能力都需要年份积累，但AI驾驭力，你这30天已经在提了。

四、不同阶段的攀升策略

知道了楼层模型和四个乘数，下一步是制定策略。不同阶段的人，处境完全不同。

初级阶段（0-3年）：你在第一层和第二层

你的大部分工作时间在执行明确任务和实现已定义的方案。这是正常的，但也意味着你的工作最容易被AI替代。

策略：用AI加速低层级工作，把省出来的时间投入第三层能力建设。

具体来说——别把AI当答案机，把它当陪练。让AI帮你写完CRUD之后，认真花时间去理解：为什么选这个数据结构？如果QPS翻十倍会怎样？这个接口的安全边界在哪？

这些思考不会直接产出代码，但它们在构建你的技术判断力。三年后，当你同期的人还在用AI执行任务的时候，你已经能评估AI的方案了。

一个具体的做法：每次AI帮你写完代码，花10分钟做一次"反向Code Review"——不是检查语法错误，而是问自己三个问题：这个方案的扩展性瓶颈在哪？如果需求变了20%会怎样？有没有更简单的实现方式？这些问题的答案不重要，养成问这些问题的习惯才重要。

中级阶段（3-5年）：你在第二层和第三层之间

你能独立设计方案了，但还没有能力自己定义问题。这个阶段最大的陷阱是：技术能力的舒适区。

很多中级工程师花大量时间打磨技术细节——精通某个框架、深入某个中间件、研究某个算法。这些都有价值，但如果只有技术深度，你在乘法表里就是"10×1×1×1=10"的偏科型。

策略：重点投入业务理解，这是你跨向第四层的桥。

主动参与需求评审，不只是听方案，要追问"为什么做这个不做那个"。去听客户访谈，去看运营数据，去理解你写的每一行代码在商业链条里处于什么位置。

一个检验标准：你能不能用三句话向一个非技术人员解释你当前项目的商业价值？如果不能，说明你对业务的理解还停留在"知道做什么"的层面，没有到"理解为什么"的层面。

成为团队里那个"既懂技术又懂业务"的翻译者——这种人极其稀缺，也是AI最难替代的角色之一。

资深阶段（5年+）：你可能已经在第四层

如果你已经有了业务洞察力和架构判断力，恭喜——你在AI最难替代的层级。

但这个阶段有一个常见的自我陷阱：AI焦虑把你拉回低层级。

看到年轻人用AI写代码飞快，你开始焦虑，花大量时间去学各种AI工具的操作技巧，甚至回去自己写代码"证明自己还行"。这是方向性的错误——你在用100%的精力去竞争你只有20%劣势的领域，同时放弃了你有80%优势的领域。

策略：别和AI比手速，double down在AI做不了的事上。

你的护城河是业务理解和沟通能力——那些藏在经验、人脉和组织记忆里的东西。你要做的不是自己变成AI高手，而是学会足够的AI驾驭力，让AI成为你的杠杆。

具体来说：学会用AI快速做数据分析、做方案对比、做竞品调研，然后用你的判断力做最终决策。你不需要亲自写Python脚本拉数据——让AI干这个。你的时间应该花在看完数据之后的那个"所以呢"上面：这个数据意味着什么？我们应该怎么调整策略？谁需要知道这个信息？这些才是你的价值所在。

各阶段核心策略一览：

初级（0-3年）：
  当前层级：第一层 → 第二层
  核心动作：用AI加速执行，投时间建技术判断力
  关键乘数：AI驾驭力 + 技术深度

中级（3-5年）：
  当前层级：第二层 → 第三层
  核心动作：跳出技术舒适区，建立业务理解
  关键乘数：业务理解 + 沟通能力

资深（5年+）：
  当前层级：第三层 → 第四层
  核心动作：别被AI焦虑拉回低层级，强化不可替代优势
  关键乘数：业务理解 + AI驾驭力（作为杠杆）

五、结语：你今天在第几层？

回到开头那个故事。新人用AI一天搞定了我当年两天的活。

但他搞定的是第一层的事——明确指令，明确产出。他还不知道为什么要做这个模块，不知道这个模块在半年后会因为业务方向调整而被砍掉，更不知道真正值得做的其实是另一个被所有人忽视的瓶颈。

这些是我知道的。这些是我花了几年时间爬到第四层之后才能看见的。

AI时代的残酷和温柔，其实是同一件事：它替你干掉低层级工作的同时，也给了你更多时间去做高层级的事。 残酷在于，如果你不往上走，低层级的工作消失了你就真的没事做了。温柔在于，它给每个人创造了往上走的空间——以前你80%的时间被CRUD占满，现在AI替你干了，你有机会去做那些以前"没时间做"的高层级的事。

前提是你愿意走。

最后说一句实在话。这篇文章的楼层模型和乘数公式，不是给你制造新焦虑的。它是一个诊断工具。就像体检报告不会让你更健康，但它能告诉你该把精力花在哪里。

下次你觉得"AI太厉害了，我要被替代了"的时候，别慌。打开你的日程表，看看上周你的时间分布——有多少在第一层和第二层？有多少在第三层以上？然后想想：有没有一些低层级的工作可以交给AI，让你腾出时间做更高层级的事？

停止问"AI会不会替代我"。

开始问：我今天的工作，在第几层？