人工智能并没有抹去初级工程师的价值。反而增加了它。2026年8月18日 · 4分钟阅读 "人工智能吞掉了初级工程师的边际价值"。这是我从上一篇关于这一主题的文章中得到的反馈。根据这个论点，初级工程师的工作大致是这样的：有一个解决方案的需求。某个经验更丰富的人（高级工程师）进行规划和设计。高级工程师将工作分解为多个小任务，明确要采取的步骤。每个任务都交给初级工程师。初级工程师执行该任务，如今这意味着向人工智能工具发出提示并创建拉取请求（PR）。PR 接收来自更高级工程师的反馈。初级工程师获取反馈后，再次前往人工智能工具，提出修改建议。重复直到完成。如果上述过程就是实际发生的情况，我们为什么还需要初级工程师？他们只是将请求从一个地方传递到另一个地方（有时还会增加噪音），而他们的成本是全职工资。这是公平的。在我们跳到结论之前，让我们看看另一个故事。或者也许是同一个故事，以不同的方式处理。在我们的产品中，有一个请求了多年的功能，但还没有构建出来。它并不过于复杂，但也不是关键功能。或者至少对足够多的客户来说，它并不重要，无法通过优先级阈值。这意味着年复一年，一些客户对没有他们需要的功能感到沮丧。今年夏天，我们将问题分配给了一名实习生（这比初级工程师的任职时间更短）。实习生负责此功能的开发。他们与产品经理交流以了解问题和需求。他们撰写了设计文档并与团队达成一致，然后进行了构建。当然，他们是在人工智能和团队的帮助下完成这些工作的。但是他们主导了这一过程。他们处理了一些不一致性，把握了权衡，无论是在技术还是产品方面。他们随着问题的出现调整了方法，并交付价值。人工智能确实生成了大量的代码，而他们负责做出的决策。一个本来无法解决的客户问题现在已经得到了解决。由一名实习生以公司极低的成本完成。所有工程师都在管理复杂性。改变的只是管理的多少。除了任何公司未来都需要高级工程师这一事实外，初级工程师仍然有非常务实的价值原因。初级工程师仍然为组织增加了产能。这是因为工程师的工作不仅仅是根据规范编写代码（或提示人工智能工具）。而是通过软件解决客户问题，管理在如何解决过程中所存在的技术复杂性。这适用于所有工程师。资深工程师管理大量复杂性。初级工程师管理少量复杂性。但角色是相同的。这不仅仅是编码。这需要理解问题和客户的视角。需要理解如果以特定方式构建某个功能，将会导致一系列的权衡。而这些权衡超出了人工智能能够决定的范围，因为它们需要的上下文比代码库更广泛。技术决策依然非常重要，并且初级工程师对此有所贡献，使组织能够做得更多。培训实际上变得便宜了。初任工程师的大多数培训成本是理解公司的技术背景，即大型代码库和架构的细微差别，以及提供软件基础培训，如语言、工具、模式。过去，这需要初级工程师积极主动，研究主题并学习，或者需要经验更丰富的同事花时间解释基本概念。这种努力并没有消失，因为来自人类的上下文仍然是软件生产力的关键。但是，借助人工智能，很多工作可以被简化。成为以人工智能为中心的人是很重要的。我们不能作为一个行业，在职位描述中说工程师需要以人工智能为中心，然后不雇用最符合这一描述的人。如果假设人工智能将极大简化角色的技术部分，那么那些以人工智能开始职业生涯的人将会在获得经验后处于最佳位置。回到之前的例子，实习生推出的功能请求了很长时间。它并没有重要到值得被优先考虑，但又需要过多的判断力才能交给人工智能。这些任务存在，并且将继续在每个团队中存在。人工智能扩展了每个级别可以处理的内容，包括初级工程师。更重要的是，工程组织将继续需要技术判断。而未来您组织的判断应该现在就开始增长。嗨！我是Francisco Trindade，Braze的工程副总裁。我写关于