夜雨聆风
很多技术人员不是不用 AI，只是不愿意让公司看见自己用了多少。
白天开会的时候，工作安排都按照之前的工作方式预估和安排。等真正执行的时候，就用 Claude Code、Codex，或者别的什么工具来处理了。
这是一种自我保护，因为大家心里都知道，如果公司发现一个人借 AI 能做过去几个人的活，下一步不一定是给你涨薪，也不一定是让你少加班。更可能是：那以后就按这个速度来。
甚至更直接一点：既然 AI 能帮你做这么多，那团队是不是可以少几个人？
所以技术人员对 AI 的态度，常常不是抵触，而是藏着。
偷偷用，是很自然的选择
如果站在个人角度看，偷偷用 AI 其实很合理。
它能帮你省时间。实现功能、Code Review、修复 Bug，它都做得不错。
但你不一定愿意把这件事公开。因为公开以后，就变了。
公司可能会问：既然这个功能两天能做完，为什么以前要三天？
主管可能会问：你能不能再接一个需求？
同事可能会问：你是不是在偷懒？
安全团队可能会问：你到底把哪些代码、日志、需求贴进去了？
出了问题以后，没人会说“这是 AI 的锅”。最后还是你的名字挂在提交记录上。
所以最舒服的办法就是：我用，但我不说。我提效，但不让提效变成新的负担。我把 AI 当成自己的工具，不把它交成组织的指标。
这套做法短期很有效，尤其在公司还没讲清楚规则的时候。
真正的变化，是 AI 开始完成完整工作
现在最大的问题是：Coding agent 会越来越强。
Claude Code、Codex 这类工具，它们会读文件、找上下文、改多处代码、跑测试、看报错、继续修，甚至同时开几个任务并行干。
你面对的更像是一个能干活的小队成员。你把一件事交给它，它先做一版，你再验收。任务说得清楚，它就推进得快；任务说得含糊，它也可能很努力地把方向跑偏。
OpenAI 自己有一个很激进的例子。他们在一篇关于 harness engineering 的文章里说，一个三人小团队借 Codex 推动了一个大约百万行代码的仓库，五个月里打开并合并了约 1500 个 PR，平均每名工程师每天 3.5 个 PR。OpenAI 对这件事的总结也很直接：工程团队的主要工作，正在从写代码，转向设计环境、描述意图、建立反馈回路，让 Codex agents 能可靠工作。
这个方向很清楚。
AI 编程的讨论，不能再只停留在“它会不会写出 bug”。它当然会写出 bug。人也会。真正的问题是，它已经能把很多过去需要人一点点手搓的工作，变成一个可以被派发、被检查、被迭代的任务。
这也是为什么“偷偷用 AI”只能算过渡期里的防御，它保护的是你今天这点效率差。
但未来真正拉开差距的，可能是谁的技术判断力更稳，谁的技术品味更好，谁能跨前后端、数据、运维、安全把事情看完整，谁能理解产品到底要解决什么问题。
AI 越会写代码，技术人员越不能只把自己放在“写代码的人”这个位置上。
技术人员要把价值往前挪
以前很多人的安全感来自“我会写代码”。
会架构，会写 Java，会写 React，会调接口，会查 bug，会把需求变成一个能跑的页面。这些能力当然还重要，但它们正在被重新定价。
AI 会让代码变得便宜，写代码对 AI 来说轻而易举。
技术人员要把价值往前挪一点，挪到需求还没变成代码之前。
比如一个很普通的“加个导出 Excel”。
AI 很快能写出接口、拼好 SQL、生成文件、补一个下载按钮，甚至还会顺手写测试。
你再多问一句：“这个导出功能可能有哪些风险？”它也可能列得很全：权限、脱敏、分页、异步任务、审计日志、文件过期、下载频控、失败重试。
所以问题不一定是 AI 想不到。
问题是它默认不知道你们这里的真实上下文。
它不知道这个客户手机号在你们公司算不算敏感字段，不知道这张表有没有千万级数据，不知道报表系统其实刚被砍过一版，不知道运营只是临时要一次数据，也不知道那个老接口线上没人敢动。
这些东西不对齐，AI 写得越快，后面返工也越快。
所以技术人员的价值，不是和 AI 比谁更会列问题。
而是知道哪些上下文必须先补给它。
谁要导出？为什么导出？一次多少行？哪些字段不能出？这是长期能力，还是一次性救火？出了问题谁会被影响？现有系统里有没有更合适的入口？
这些信息给得越清楚，AI 才越像一个有用的同事。你不给，它也会回答，但回答的是一个“通用软件项目”的答案，不一定是你们系统里的答案。
这种价值，往往不在某一个单点技能里。
它更像是一种系统视野。
你知道一个需求从页面到接口，从数据到权限，从部署到监控，中间会经过哪些地方。你不一定每一层都是专家，但你要能看出一个改动会在哪里产生连锁反应，也知道该把哪些风险提前告诉 AI。
还要有一点技术品味。AI 很容易把方案写得像样，也很容易把一个小需求写成一个小系统。你要能看出这种“不对劲”，然后把约束补回去。
也要补一点产品感觉。不是转岗做产品经理，而是别只盯着需求文档里的那几句话。用户到底想省哪一步？这个按钮是不是根本不该加？这张表是不是没人真的会看？这些背景说清楚，有时比多写一千行代码有用。
最后
偷偷用 AI，不是最后的防御。
它只是这个过渡期里很自然的一种反应。
因为新的工作方式还没定型。今天我们说的是 coding agent，明天可能是多个 agent 一起跑任务，后天也许连 IDE、PR、测试、上线流程都会长成别的样子。
谁也说不准最后会稳定成什么形态。
但有一点应该挺确定：技术人员不能还按过去那套方式理解自己的工作。
不是拿到需求就埋头写代码，也不是把 AI 当成一个更快的搜索框。你要开始习惯和它一起工作，习惯把上下文讲清楚，也习惯检查它那些看起来很自信的错误。
与其等它变成公司制度、绩效指标、招聘要求之后再被动适应，不如现在就在自己的工作里多试一点。试着让 AI 参与真实任务，试着调整自己的流程，试着看清楚哪些能力正在变便宜，哪些能力反而更重要。
