AI Snake Oil：AI 不会取代软件工程师，数据也不支持
来源AI Snake Oil查看原文
速览
- Block、Snap、Intuit 三起「AI 裁员」案例经核查均与 AI 无关，实为财务压力、投资者施压和常规重组。
- 59% 美国招聘经理承认用 AI 解释裁员是因为对利益相关方更好交代。
- HBR 调查中因预期 AI 大幅裁员的比例（21%）是因实际 AI 部署裁员比例（2%）的 10 倍。
- 纽约州 WARN 法案第一年 160 多家公司提交通知，仅 Nespresso 一家勾选 AI 选项。
- 美联储研究显示软件工程师就业仍在增长，但增速比无 AI 情景每年慢约 3 个百分点。
- 「decide-execute-deliver 三明治」：AI 压缩执行层，决策和交付问责两层抵抗自动化。
- NBER 研究：AI 使代码行数增加 8 倍，但发布次数仅增加 30%。
- SWE-chat 数据：仅 44% agent 生成代码进入提交，vibe coding 漏洞率是人工的 9 倍。
- 编码从来不是瓶颈，2019 年研究显示开发者花在编码上的时间仅 9% 到 61%。
- 软件价格弹性高、替代弹性低，AI 可能推高而非压低软件工程师总需求。
AI Snake Oil 作者在 Normal Technology 发表系列文章第一篇，系统反驳「AI 达到某个能力阈值就会引发大规模裁员」的叙事。文章以软件工程这一 AI 能力最成熟、采用最快的行业为样本，逐一拆解 Block、Snap、Intuit 三起被媒体归因于 AI 的裁员案例，指出它们实为「AI washing」——真实动因是疫情期过度扩张后的财务压力、激进投资者施压和常规组织重组。文章引用多项调查与官方数据：59% 美国招聘经理承认在解释裁员时强调 AI 是因为对利益相关方更好交代；HBR 对 1000 多名全球高管的调查中，21% 因「预期」AI 而大幅裁员，仅 2% 因实际 AI 部署而大幅裁员；纽约州 WARN 法案新增 AI 披露选项后的第一年，160 多家公司提交通知，只有 Nespresso 一家勾选了 AI 选项。作者提出「decide-execute-deliver 三明治」框架：AI 压缩了中间的「执行」层，但「决策」和「交付问责」两层抵抗自动化，且这种抵抗不是能力问题。他们据此判断软件工程总需求可能不降反升，但个体工程师的职业路径仍会剧烈分化。
关键事实
- Block 于 2 月宣布裁员 4000 人，创始人 Jack Dorsey 称 AI「开启了新的工作方式」，但后续报道显示该公司疫情期间员工数增长超过三倍，面临巨大财务压力；Cash App 团队数据科学家 Naoko Takeda 公开表示 Block「把 AI 强塞给每个人」，她看到的生产力提升「非常有限」，并拒绝了 75% 的留任加薪后离职。
- Snap 于 4 月裁员约 1000 人，CEO Evan Spiegel 在裁员备忘录中主要归因于 AI，并称 AI 生成了 65% 的新代码；但裁员发生在激进投资者要求削减成本的运动之后，且裁员结构（如 AR 部门 150 个各类岗位）与 AI 驱动的裁员模式不符。
- Intuit 于 5 月宣布裁员 3000 人，同时宣布与 Anthropic 和 OpenAI 的合作，媒体将两者关联；但 CEO 明确反驳，称裁员「与 AI 无关」，针对的是「协调密集型岗位」和过多的管理层级。
- 59% 的美国招聘经理承认，在解释招聘冻结或裁员时强调 AI，因为这样比提及财务约束更容易被利益相关方接受。
- Forrester 首席分析师 J. P. Gownder 表示，在准备所谓 AI 驱动裁员的公司中，「当我们问是否有成熟、经过验证的 AI 应用准备填补这些岗位时，十次有九次答案是没有——他们甚至还没开始。」
- HBR 对 1000 多名全球高管的调查显示，21% 因「预期」AI 而大幅裁员，另有 39% 进行了低度或中度预期性裁员；相比之下，仅 2% 因实际 AI 实施而大幅裁员，差距达 10 倍。
本站视角
这篇文章对中文技术社区有直接价值，因为国内关于「AI 取代程序员」的讨论同样充斥着未经核实的裁员归因和 CEO 表态。具体影响几类人：一是国内一线开发者和技术管理者，他们需要区分「vibe coding」和「agentic engineering」——前者是不监督、不审查、不评估的甩手掌柜模式，后者是人类保持控制和问责的工程实践，SWE-chat 数据显示前者引入漏洞的比率是纯人工的 9 倍，把两者混为一谈会严重误判 AI 的真实生产力影响；二是做 AI 编程工具和 Agent 的团队，文章指出编码从来不是瓶颈（开发者花在编码上的时间仅 9% 到 61%），NBER 研究显示 AI 使代码行数增加 8 倍但发布次数仅增加 30%，这意味着单纯提升代码生成速度的产品价值有限，真正的机会在决策辅助和交付验证环节；三是关注 AI 就业影响的内容平台和研究者，文章提供的 WARN 法案数据和 HBR 调查方法值得借鉴，国内目前缺乏类似的 AI 裁员归因披露机制。我们的判断是：这篇文章的核心论证——AI 压缩执行层但不触及决策和交付问责层——是实质性的分析框架，不是营销包装。它和 Fred Brooks 40 年前「No Silver Bullet」中「本质复杂度」与「偶然复杂度」的区分一脉相承，Brooks 当时就指出 AI 只能减少偶然复杂度，不会带来数量级的生产力提升。需要观察的是：文章承认 WARN 法案数据存在公司低报 AI 原因的可能性，且仅覆盖纽约州；美联储研究无法捕捉自雇情况，可能低估了实际就业健康度；SWE-chat 数据集是自选择的，不能单独作为强结论依据。作者对「AI rollups」等新趋势也明确表示「可能只是炒作，现在判断为时过早」。这些自我限定说明作者没有把结论下得过强，但读者也应注意，文章的核心论据——三起裁员案例的重新归因——依赖的是媒体报道和员工爆料，而非审计级证据。对于国内读者，最值得警惕的是：当 CEO 们说「AI 让我们裁员」时，先看财报、看裁员结构、看是否同时宣布了 AI 合作，再判断这是技术替代还是叙事包装。
背景与影响
关于 AI 取代工作的讨论长期停留在模糊警告和夸张预测层面，缺乏数据支撑。AI Snake Oil 作者选择软件工程作为切入点，因为这是 AI 能力最成熟、采用最快的行业，且几乎没有监管壁垒——如果连这里都不出现 AI 驱动的大规模裁员，其他职业更可能有缓冲。文章是系列第一篇，基于经济学和软件工程已发表文献、作者在普林斯顿的 AI agent 评估与观察，以及软件工程师社区的公开写作和互动。作者提出「decide-execute-deliver 三明治」框架：软件开发分为决策（问题定义、规格说明、规划）、执行（设计与实现）、交付（测试、验证、集成、维护）三层，理解是三层的前提。AI 压缩了中间的执行层，但决策层需要思考用户需求、市场信号、组织优先级和监管约束，交付层需要人类对交付物负责。作者认为这两层抵抗自动化不是因为能力限制，而是结构性的：一旦某个决策可以委托给 AI，它就不再是竞争优势来源，人类决策的价值向上迁移；软件复杂度随时间增加，这个过程没有天花板。文章还区分了「vibe coding」（用户不监督、不审查、不评估）和「agentic engineering」（人类保持控制和问责），指出大多数软件工程师实际使用的是后者。作者对软件工程需求的未来持谨慎乐观态度，认为软件价格弹性高而 AI 对软件工程师的替代弹性低，需求可能不降反升，但个体工程师的职业路径仍会因所在企业类型、地理位置、资历和适应速度而剧烈分化。
本文由 AI 辅助整理自公开信源，事实部分以原文为准；「本站视角」一节为编辑部判断，欢迎指正。版权归原作者所有，如有异议请联系我们。
