AI 时代：软件工程职业阶梯缺失与技能培养困境

【导语随着人工智能在代码编写领域的应用日益广泛开发者工作模式发生巨变。但这也带来了职业阶梯缺失、技能培养受阻等问题引发了对软件工程未来发展的思考。】AI 代码编写比例与实际效果的差距Anthropic 公司联合创始人达里奥·阿莫迪曾预测三到六个月内人工智能将编写 90% 的代码十二个月内几乎所有代码都将由人工智能编写。然而实际情况并非如此红木研究得出结论若只统计提交到代码仓库的代码人工智能编写比例接近 50%谷歌、微软报告的内部代码由人工智能生成的比例分别略超 25%和约 30%GitHub Copilot 企业建议采纳率约为 30%。虽然人工智能在编写大量代码开发者工作模式也有巨大变化但“编写代码”并非关键更应关注软件工程师无需编写代码时软件工程的样子以及下一代工程师的培养问题。AI 对开发者工作效率与学习效果的影响METR 研究是严格的随机对照试验发现使用人工智能工具的有经验开发者完成任务时间增加了 19%但他们预计会提高 24%完成后仍认为提高了 20%感知与实际测量结果差距达 43 个百分点。今年 2 月 METR 试图进行后续研究却失败因为开发者对人工智能依赖太深拒绝在无人工智能辅助下工作。Anthropic 对初级软件工程师的随机对照试验显示使用人工智能辅助的小组在掌握程度测试中的得分比未使用的小组低 17%且速度无明显提升出现“完全依赖人工智能”等失败模式体现了“监督悖论”即生产力提高可能以验证人工智能编写代码所需技能为代价。AI 应用下职业阶梯与人力成本问题从数据来看METR 基准测试显示自 2019 年以来人工智能能自主处理的任务长度约每七个月翻一番2024 年后加速到约每四个月翻一番。但成功率方面对于初级工程师第一年任务成功率接近 100%而需多年初级经验积累判断力的任务成功率接近 0%。且人工智能生成的拉取请求存在质量问题修复到可合并状态平均需 42 分钟。资深工程师因职业身份建立在正在失去市场价值的技能上对“仍需进行设计和架构”的安慰难以接受。高人工智能采用率的团队虽完成任务增加但拉取请求审查时间增加 91%每个开发者 bug 数量增加 9%平均拉取请求大小膨胀 154%瓶颈转移到代码审查环节。DX 研究显示高级工程师采用率最低但每天使用人工智能节省时间最多每周 4.4 小时与 METR 研究结论不同反映出难以衡量人工智能工具对开发者的帮助及学习情况。编辑观点人工智能在代码编写领域的发展既带来了效率提升也引发了职业发展和技能培养的困境。行业需平衡技术应用与人才培养确保软件工程可持续发展。