最近看到Anthropic公司的一份調研挺有意思，他們找了132名工程師，翻了20萬條Claude對話記錄，想弄明白現(xiàn)在AI助手到底怎么改變工程師的工作。

結果比我想象的要顛覆，不是簡單幫著寫代碼那么簡單。

最直觀的變化是工程師用AI的時間翻了一倍還多，一年前大概四分之一的工作會用到Claude，現(xiàn)在接近六成。

大家都說效率提升明顯，差不多一半的工程師覺得工作起來順多了，還有小部分人說產出直接翻倍。

這效率提升吧，本來我以為就是省時間，后來發(fā)現(xiàn)不是那么回事。

不是說以前干8小時現(xiàn)在干4小時，而是同樣時間里能干的事變多了。

就像你本來只能扛一袋米，現(xiàn)在能扛兩袋，還順帶提桶油，大概是這么個意思。

工程師現(xiàn)在天天用AI干嘛呢？排錯占了一半多的時間，讀舊代碼也占了四成，寫新功能大概三成七。

這些活兒以前都挺磨人的，現(xiàn)在丟給AI確實省不少事。

Anthropic的調研說，差不多有四分之一的工作是工程師以前根本不會碰的。

為啥呢？有些是嫌麻煩一直拖著的，比如給代碼寫注釋、檢查兼容性什么的。

有些是怕搞砸不敢試的，比如自己搗鼓個小工具、優(yōu)化下工作流程。

還有些是長期擱置的，比如把老代碼翻新一下、讓系統(tǒng)跑快點這些。

AI不光是幫著干活，還能自己"折騰"不少步驟。

以前可能讓AI干一步就得盯著，現(xiàn)在能自動干二十多步。

人類插手的次數(shù)反而少了三成，不過完全放手不管的情況還不到兩成。

這就有意思了，到底該管多少才合適？

跟以前那些編程工具比，Claude這種AI助手最大的不同是能用大白話交流。

不用記那么多命令，直接說"幫我把這段Python轉成Java"就行。

這種感覺，就像從用遙控器變成直接跟人說話，順暢多了。

現(xiàn)在厲害的工程師不是自己寫代碼多牛，而是會把活兒拆給AI干。

就像項目經理分任務一樣，得把復雜的工作拆成AI能明白、好檢查、沒大風險的小模塊。

比如要重構一個系統(tǒng)，不能直接說"幫我重構下系統(tǒng)"，得拆成"先弄明白代碼邏輯→分析下哪些地方相互依賴→想幾個重構方案→寫點測試代碼"。

這樣AI才能接住活兒，工程師自己也清楚怎么檢查。

那什么活兒該給AI，什么得自己來呢？我觀察下來有兩個標準，一是好不好檢查，像處理數(shù)據(jù)、寫SQL這種結果對不對一眼就能看出來的，可以給AI。

二是出了錯影響大不大，核心架構、安全相關的活兒，還是自己動手放心點。

工程師還有個"十分鐘規(guī)矩"，要是自己十分鐘內能搞定的事，一般就不麻煩AI了。

畢竟跟AI說清楚需求也得花時間，要是比自己直接干還慢，就沒必要了。

有時候簡單的事，自己動手反而快。

檢查AI的工作也是門學問，不光要看代碼對不對，還得看合不合業(yè)務場景。

技術上沒問題，但用戶用著不方便，或者跑起來太慢，那也不行。

這就像老師改作業(yè)，不光看答案對不對，還得看思路清不清晰。

現(xiàn)在有些工程師怕依賴AI把自己本事丟了，就故意留點核心模塊自己寫。

還有人定期抽查AI寫的代碼，挑點出來自己重寫一遍，跟AI的版本對比一下。

這種"防退化"意識，挺必要的。

AI帶來的那些新任務，看著好像不是什么核心工作，其實價值不小。

給代碼做做體檢、試試新想法這些事，雖然不直接算業(yè)績，但能讓系統(tǒng)更穩(wěn)定，說不定還能搗鼓出新東西。

以前老板們總問"AI能不能讓項目快點做完"，現(xiàn)在開始問"有了AI，咱們能不能多干點以前不敢想的事"。

小公司用AI把以前要外包的測試自己做了，大公司讓工程師用AI搞點創(chuàng)新小項目，都挺好。

現(xiàn)在當工程師，光會寫代碼不夠了。

得會把業(yè)務需求變成AI能理解的任務，得知道什么活兒能給AI干，還得能看出AI干得好不好。

這三種能力，以后會越來越重要。

初級工程師可能直接就開始用AI寫代碼了，不像以前得從基礎學起。

資深工程師呢，慢慢變成"AI指揮官"，不光自己用得好，還得帶著團隊一起用。

職業(yè)發(fā)展的路子，好像變寬了，但要求也高了。

不過老依賴AI也有風險，萬一哪天讓你自己寫段核心代碼，結果忘了怎么寫，那就麻煩了。

所以得把握個度，核心能力還是得自己練著。

就像開車有自動駕駛，但方向盤還得自己握著才放心。

公司也得跟上趟，得說清楚哪些事必須人工干，哪些可以讓AI幫忙。

考核的時候也不能光看寫了多少代碼，還得看看用AI干了多少新活兒，效率提了多少。

這樣大家才知道往哪個方向使勁，總的來說，AI對工程師工作的改變，不光是干得快了，更是能干的事多了。

那些以前沒時間、沒精力、不敢嘗試的工作，現(xiàn)在都能搞起來了。

這可能比單純提高效率更有價值，以后工程師厲不厲害，就看能不能把復雜問題拆明白、會不會判斷風險、能不能把AI的活兒檢查好。

人和AI不是誰替代誰，而是搭伙干活，各展所長。

對咱們工程師來說，得趕緊培養(yǎng)這種"AI指揮官"的思維。

公司呢，也得重新想想怎么衡量工作成效。

只有這樣，才能真正適應這個AI無處不在，但人的價值反而更重要的新時代。