-
日期: 2026-04-03 | 來源: 定焦One | 有0人參與評論 | 字體: 小 中 大
軟件開發的變化最明顯。過去，壹份產品需求文檔（PRD）的形成，需要產品經理與開發團隊多輪溝通，周期長達數周甚至壹兩個月。現在，壹位項目經理可以在壹天內輸出，既有Markdown說明，也附帶界面原型圖的PRD。項目啟動階段最耗時的“模糊地帶”被大大壓縮了。
如今，我的工作重心也變了。我每天會花大量時間與各部門經理開會，討論AI可以在哪些環節介入；同時我自己也搭建了壹個多智能體的Claude環境，先花大量精力與AI進行頭腦風暴，將方案拆解度，最後再交給AI去落地。
AI讓我把更多的時間花在了“如何把問題想清楚”上。如果需求文檔寫得不夠扎實、商業邏輯不夠清晰，AI的執行就會徹底跑偏。這也倒逼我們更多思考商業邏輯的本質。
當然，效率提升的另壹面是殘酷的：崗位可能會減少。雖然公司董事會決定先不裁員，但要求每個員工的效率提升3到5倍，同時，我們已經停止了招收數據分析、程序開發和財務分析方向的新人招聘。這可能也是所有公司遲早要經歷的事。
我不覺得自己被AI支配，相反，我感受到了前所未有的駕馭感。現在真正感到壓力的，是那些工作內容高度標准化、極易被AI直接替代的崗位。而那些具備強大需求分析和頂層規劃能力的人，反而更吃香了。
用AI後，
我的工作反而更忙了
雲天｜國內某頭部大廠 高級研發
我是比較早壹批自費使用AI的人，每個月在各種工具上的支出接近500美元，從GPT到各類垂類模型，好用的就直接買年包，體驗型的就先試月卡。
目前我們公司目前對Token使用量沒有強制要求，合規前提下，哪個好用用哪個，都是團隊綜合考慮下來挑選覺得對工作最有幫助的。我現在每個月的Token消耗量大概在30到40億左右。
但即便如此，我的工作時間還是變長了。
原因很簡單：用AI不僅是“讓它幹活”，還要先把系統搭起來。就像蓋摩天大樓必須先搭架子壹樣，我們要先構建壹套系統，去規范AI的使用邊界、降低它的出錯率；甚至在AI出問題後及時“擦屁股”，把控它的影響范圍。這份工作遠比單純用AI提效更繁瑣，相當於壹份工作幹兩份活，適應這套新要求，也花了我不少時間。
對於現在市場上普遍焦慮的“Token消耗量納入KPI”的問題，我倒是有不同的看法。
從我接觸到的老板或業務負責人來看，沒有壹個人對AI是不上心的，個個都怕錯過這個風口。我了解的兩家頭部大廠，是會要求員工只能用自己家的大模型，不允許使用Claude、ChatGPT等其它工具。
其實我不太理解為何有些公司想將Token使用量納入KPI，這是管理者心智負擔最低的做法，但它衡量不了價值的核心。
但從另壹個角度看，我認為設立“保底門檻”是合理的。如果壹個員工在現在的環境下，完全不燒Token、堅決不用AI，這本身就說明他缺乏改造自身工作流的意識。
至於AI引入後會不會導致大面積縮招或裁員，我認為整體就業市場本身就遵循工業革命規律。
- 新聞來源於其它媒體，內容不代表本站立場！
-
原文鏈接
原文鏈接:
目前還沒有人發表評論, 大家都在期待您的高見