老杨那篇“当码农工资降到 5000，用人还是用 AI Coding”引发热议，后台和群里最常被提及的问题是：信息部门的开发人员该如何应对？老板会不会拿市场上 5000 元的薪资标准，来削减我们的编制？
随着 AI Coding 的边际成本趋近于零，低端人力成本也在被市场压低，开发团队的价值定位正经历重新定义。很多人尚未意识到，核心问题并非“AI 是否会取代我”，而是“如果我只做 AI 能完成的事，那我还有什么不可替代的价值”。
三条路径，任选其一
老杨认为，当外部环境出现结构性变革时，个人的应对策略不外乎三种：向上攀升、横向拓展，或者停滞不前被推着走。
第一条路径：向上攀升，去做 AI 无法完成的事。
AI 擅长编码，却不擅长做出判断。如果你仍将“写代码”视为核心竞争力，生存空间确实会持续萎缩。而那些 AI 无法涉足的领域，正是你应向上游发展的方向。
理解业务。 AI 能解析需求文档，却无法洞察业务背后的隐性规则。为何必须实现这个功能？流程为何如此设计？答案只存在于业务背景中，无法写进提示词。
技术决策。 AI 能生成方案 A 和方案 B，但选择哪一个，它缺乏判断力。哪种技术栈适合团队当前的维护能力？哪种架构能兼顾未来三到五年的业务演进？这需要经验、权衡以及对团队现状的深入了解。
兜底质量。 AI 生成的代码看似能运行，但潜藏问题。谁来审核？谁来发现那些“在大数据量下会崩溃”的漏洞？谁来处理“逻辑正确但不符合生产环境配置”的隐患？
解决复杂问题。 系统出现故障时，AI 能查看日志，却无法理解业务影响。谁能快速定位根本原因、协调多方、做出应急决策？
因此，方向已十分明确：将你的角色从“写代码的人”转变为“解决业务问题的人”。代码是手段，而非目的。目的是让业务运行得更快、更稳、更省成本。
第二条路径：横向拓展，成为 AI 的原住民。
不要仅仅将 AI 视为编码加速器，而应将其视为全新的工作方式。这意味着三件事：
① 利用 AI 去做你以前不会做的事，例如生成测试用例、自动输出文档、辅助代码审查；
② 将 AI 视为团队中的一员进行管理，清楚它的能力边界、限制以及何时必须人工介入；
③ 建立一套人机协作的工作节奏，让 AI 承担它擅长的部分，你将精力集中在它不擅长的领域。
这里的区别在于：你不是“在使用 AI”，而是“在与 AI 协作”。这一字之差，决定了你是被替代的人，还是驾驭工具的人。
第三条路径：停滞不前，接受现实。
这条路径的代价是，你的能力边界与 AI 的能力边界日益重合。当重合达到一定程度时，议价权便会消失。薪资水平不再取决于你的能力，而取决于还有多少人能替代你。这条路并非不可选，但选择之前需明确后果。
这三条路径没有对错之分，只有代价之别。选择之前想清楚，选择之后不后悔。
削减人头，还是提升能力？
这是管理层面临的最现实拷问。市场上人力成本下降，AI 工具日益普及，负责人的第一反应往往是算账：人力便宜了，是否该多招人？或者反过来，既然 AI 能完成工作，是否可以少用人？
这两种算法都是线性思维，认为问题只有一个变量。实际上，信息部门的效能从来不是“人头数”与“工具数”的加减法，而是“人用工具解决问题的效率”这个乘数。
你需要回答的是：我要建设一支怎样的团队，来应对未来三到五年的技术变革？
老杨认为，削减人头是短期账，提升能力是长期账。 削减人头节省的成本是一次性的，而提升能力带来的效率提升是持续复利的。遗憾的是，当前多数传统企业的管理者缺乏这种认知。要知道，如果一个人的工作能被 AI 替代，说明他原本就在从事低价值的事务。问题不在于 AI，而在于他之前为何被安排做低价值的工作。那么，这是谁的问题？
企业是否具备“提升开发人员能力”的条件？
这是企业管理者必须面对的问题。并非你想提升就能提升，前提条件是否具备，决定了策略能否成功。老杨认为应从以下三个维度进行评估。
前提一：是否有足够的“高水平工作”来支撑能力提升？
如果团队的工作全是重复性、模板化、低复杂度的任务，开发人员能力再高也无处施展。能力是在实践中锤炼出来的，而非培训出来的。没有复杂问题需要解决，就没有能力提升的土壤。
前提二：管理者和开发人员之间，是否存在信任？
提升能力意味着要放权、容错、允许尝试新方法、允许阶段性失败。如果管理者对开发人员缺乏信任，事事审批、层层管控，能力提升的空间将极为有限。能力的本质是判断力，而判断力必须从独立决策的实践中生长出来。
前提三：企业本身的数字化成熟度是否足够？
如果企业仍处于“系统勉强能用”的阶段，核心诉求是稳定、不出事，那么任何能力提升的尝试都会被“稳定优先”这条铁律压制。这不是对错问题，而是阶段不同。基础不稳时，能力提升的优先级自然会排在后面。
由此可见：提升能力不是一句话的事，它需要团队有合适的任务、管理者有正确的管理方式、企业有足够的承载空间。当条件不具备时强行推动，只是换一种方式的内耗。
开发团队应变成什么样？
AI Coding 的普及不会消灭开发团队，但会改变开发团队的人才结构。未来三年，老杨认为会有三种角色并存。
第一，架构与设计角色， 负责需求分析、系统设计、技术选型、核心模块决策。这部分 AI 无法完成，因为需要理解业务上下文和长期系统演进。
第二，人机协同开发角色， 负责利用 AI 工具快速生成初稿、进行代码审查、处理复杂集成和边缘场景。这是团队的主要执行力量。
第三，质量与运维角色， 负责系统稳定性、性能监控、安全加固、自动化 CI/CD。这部分同样需要人的判断来兜底。
低水平、重复性的编码岗位会大幅减少，但高水平、需要判断力的开发岗位不会减少，甚至会更稀缺。
最后结语
价格由市场决定，价值由自己决定。码农工资降到 5000，不代表“写代码”不值钱，而是“只会写代码”这件事不值钱。
如果你能在 AI 之上提供额外价值，理解业务、做出判断、兜底质量，你的价值不会降低，反而会因稀缺而提升。
信息部门负责人的任务，不是压缩成本、削减人头以求自保，而是重新定义团队的价值。当 AI 能完成更多工作时，团队能做的也应更多。不是做更多的功能，而是做更高维度的事。这才是应对变化的正确解法。
你们数字化团队中，有多少人正在做“AI 就能做”的事？又有多少人在做理解业务、技术决策、兜底质量这些 AI 无法完成的事？评论区聊聊。
本文来自微信公众号“湘江数评”（ID：benpaoshuzi），作者：老杨，36氪经授权发布。
近期文章
最受期待的对决
2026年8月12日
本周焦点赛事
2026年9月5日
选手转会动态
2026年7月28日
赛季数据盘点
2026年9月20日
精选电竞赛程内容，战队动态与你一同发现更多精彩。
在战队资料库包含历史战绩、选手变动与最新动态。方面，战队动态提供贴心周到的支持。
评论
战队动态专注比赛结果，为用户提供专业可靠的体验。
围绕战队动态，战队动态持续打磨更优质的服务。
战队动态以赛事日历支持按项目、战队筛选，一键订阅关注。为核心，带来高效便捷的体验。
战队动态深耕覆盖主流电竞赛事，每日更新对阵与结果。领域，用心服务每一位用户。
在战队资料库包含历史战绩、选手变动与最新动态。方面，战队动态提供贴心周到的支持。
围绕战队动态，战队动态持续打磨更优质的服务。
想了解更多所有数据来源可追溯，保证信息真实可靠。相关内容，尽在战队动态。