我前几天发了一条朋友圈，最后一句是：

我，真快失业了。

大意是：我以前以为，AI 短期内对大众还不会有太大影响，真正无法想象的变化可能在 8 到 10 年之后。但现在我改主意了。我觉得 AI 对普通人的重大影响，可能会在 3 到 5 年内发生，甚至更短。

这不是一个宏大预测。

真正让我改变判断的，是一个很具体的场景：在一个真实项目里，AI 按 issue 驱动的方式完成了一组代码变更。1500 多行改动，40 多个文件，20 多个提交。我的角色不是从头写这些代码，而是在测试环境里验收、判断、决定能不能往前走。

这件事并不证明 AI 已经可以无监督地发布生产系统，也不证明它能处理所有复杂问题。它只证明了一件更具体、也更刺痛人的事：

当任务边界、代码库约束、测试门槛和人工验收都存在时，AI 已经可以承接一段真实的执行链。

真正让我不舒服的，不是 AI 写了多少代码，而是我在流程里的位置变了。

真正刺痛人的不是 AI 会聊天

这几年我们已经习惯了 AI 聊天。

它能回答问题，能解释概念，能写一点文案，能帮你改一段代码。大多数人看到这些能力时，第一反应通常是：有用，但也就这样。它不稳定，会胡说，需要人盯着，离真正替代工作还很远。

这个判断在一段时间内是成立的。

但我最近感受到的变化，不是 AI 又会写几句更流畅的话，也不是模型考试分数又高了一点。真正的变化是：AI 开始进入可交付、可验收、可追踪的生产流程。

这和聊天完全不是一回事。

聊天里的 AI 是一个回答者。你问，它答。它说错了，你纠正。你换个问题，它重新来。

生产流程里的 AI 是一个 worker。它拿到 issue，理解目标，拆分任务，修改文件，提交变更，留下证据，等待验收。它不需要每一步都问你“接下来怎么办”。它也不只是给你一个建议，而是在真实项目里形成一个可检查、可回退、可追责的结果。

这才是分水岭。

1500 行代码不是重点，执行权转移才是重点

很多人看到 “1500+ 行、40+ 文件、20+ 提交”，会先问：质量怎么样？有没有 bug？能不能直接上生产？

这些问题当然重要。

但它们不是我这次最想说的重点。因为在真实工作里，人写的代码也会有 bug，人做的需求也需要 review，人提的 PR 也要测试。问题从来不是“AI 是否一次性完美”，而是“AI 是否已经可以承担一段原本需要人持续执行、持续切换上下文、持续保持注意力的工作”。

我的答案变了。

以前我会觉得，AI 只是辅助工具。它可以帮我查资料、生成片段、改局部代码。但项目推进的主导权仍然在人手里：人拆任务，人写代码，人组织提交，人准备证据。

现在我看到的是另一种形态：

human defines the issue
AI executes the work
human verifies the boundary

人没有消失，但人的位置变了。

如果一个任务足够清楚，边界足够明确，验收方式足够具体，AI 就不再只是“帮我想想”。它可以开始“替我执行”。

这句话才是重点：

AI 不一定先替代一个完整的人，它会先压缩一个人工作里的执行层。

而一旦执行层被压缩，很多普通工作的价值就会被重新定价。

普通人受到冲击，不是因为 AI 比你聪明

我越来越觉得，普通人真正的风险不是“AI 比我聪明”。

这个说法太抽象，也太容易让人本能抵抗。人会说：AI 没有常识，AI 不懂业务，AI 不会负责，AI 出错了还是要人兜底。

这些都对。

但问题是，工作市场并不只奖励“谁更聪明”。它还奖励谁能更快、更便宜、更稳定地完成一段可验收的任务。

很多岗位的日常工作，本质上并不是每天从零创造一个伟大思想，而是：

  • 把需求拆成可执行任务。
  • 按照既有规范改文件。
  • 在多个系统之间搬运信息。
  • 根据反馈做修改。
  • 跑测试，整理结果。
  • 写总结，提交给下一个环节。

这些工作当然需要经验，也不应该被轻视。但它们确实有大量可流程化的部分。

AI 一旦进入这些流程，就不会先以“取代一个完整的人”的方式出现。它会先取代一段段执行动作。今天是写一组代码变更，明天是整理一个竞品报告，后天是生成一版页面、校对一组资料、跑完一批测试、改完一组 issue。

等到这些动作被连接起来，人突然会发现：自己原来占据的工作空间，被压缩了。

这就是为什么我不再相信“8 到 10 年后才影响普通人”。

我不是说所有行业、所有岗位都会在同一天被改写。我说的是，影响普通人的机制已经出现了：不是一次性替代整个人，而是持续压缩一段段可验收的执行动作。

人的价值会往边界上移动

这不意味着人没有价值。

恰恰相反，越是 AI 能执行，人的价值越要从“亲手做每一步”转向“定义什么值得做、怎样才算做对、哪里必须停下来”。

在那个项目里，我不是完全没用了。

我仍然要判断 issue 是否清楚，风险是否可控，变更是否符合产品真实情况，测试环境是否能验证，哪些东西不能进入生产，哪些地方必须人工确认。

但这已经不是传统意义上的“我来写代码”。

更像是：

我定义任务边界
我设计验收方式
我判断风险位置
我决定是否进入下一阶段

这几个动作仍然重要，而且可能更重要。

问题在于，不是所有人都会自然迁移到这个位置。很多人会继续把自己的价值绑定在“我能亲手完成这个执行动作”上。但如果这个动作被 AI 压到十分之一的时间，或者被一个更会使用 AI 的人同时调度多个 worker 完成，原来的价值就会被重新计算。

这也是我觉得“普通人”这个词很重要的原因。大多数人不会直接输给一个模型，而是输给一个新流程：同样的人数、更少的等待、更快的执行、更明确的验收。

真正危险的是还没意识到流程已经变了

我不想把这篇写成恐吓。

“AI 让人失业”这个话题太容易变成口号。它要么让人焦虑，要么让人反感，最后什么都没有改变。

我更想说的是：AI 对普通人的影响，可能不是某一天突然发生的。

它会先发生在流程里。

你会看到某个同事不再一行行写代码，而是用 issue 驱动 AI 完成一批改动。你会看到某个小团队不再招那么多人做整理和执行，而是让一个人定义任务，再让 AI 生成、校验、修改。你会看到某个独立开发者原本需要一周推进的事情，现在一天能跑出可验收结果。

这些变化单独看都不震撼。

但连起来，它们会改变一个问题：

一个普通人，在一份工作里，到底靠什么不可替代？

我现在没有一个漂亮答案。

但我至少知道，答案不应该再只是“我会执行”。

更现实的答案可能是：

我能定义任务
我能判断结果
我能承担边界
我能把 AI 的执行变成可交付的工作流

如果一个人仍然只把自己放在执行层，他会越来越被动。

我为什么要把这件事写下来

我写这篇，不是为了证明我已经掌握了什么终极 AI 工作法。

相反，我是被这件事打了一下。

当我看到 AI 按 issue 驱动完成一组真实变更，而我主要负责测试环境验收时，我突然意识到，自己以前对时间尺度的判断太保守了。

不是 8 到 10 年。

可能是 3 到 5 年。

也可能更短。

但这个变化不是简单地说“AI 会替代人”。更准确地说，是 AI 会先改变工作里的执行层，然后逼着人重新回答：我到底负责什么？我在什么边界上有判断力？我能不能把一个模糊需求变成 AI 可以执行、可以验证、可以交付的任务？

如果不能，危险会来得很快。

如果能，人的位置也许不是消失，而是上移。

只是这个上移不会自动发生。

它需要你先承认一件事：AI 已经不只是聊天窗口里的聪明回答者了。它正在变成工作流里的执行者。

而很多人的工作，恰好就卡在执行层。

延伸阅读

如果你想看我正在把这种 issue 驱动 AI 交付方式提炼成什么，可以看这个公开仓库：marlinBian/issue-driven-ai-engineering。

它不是上文真实私有项目改动的完整证据，而是我把这套方法抽象成可公开的规范、模板和控制面实验的入口。