Is This Sustainable? 深度解读：AI 时代资深工程师的困境与反思

背景

这篇文章源自 Hacker News 社区的一篇热门讨论，标题为《Is This Sustainable?》（这可持续吗？），发布于 2026 年 5 月 24 日。作者是一名拥有多年经验的资深工程师（Senior Engineer），其所在组织在生成式 AI（GenAI）领域进行了深度投入已有三年。

在当前的科技舆论场中，关于 AI 对软件工程影响的讨论往往两极分化：一方是“AI 让我效率提升了 30%”的乐观叙事，通常由刚接触工具不久或无需承担实际交付压力的顾问撰写；另一方则是从供应商视角出发的架构变革分析，往往忽略了真实的人类工作现实。

作者试图跳出这两种叙事，基于自己作为资深工程师在 AI 深度应用环境下的真实体验，探讨三年后的今天，资深工程师这一角色的形态是否依然合理，以及这种工作模式在长期来看是否具备可持续性。

核心内容

从“先思考后构建”到“构建即思考”

作者指出，AI 带来的最大变化是想法与可演示原型（Demoable thing）之间时间差的消失。

回顾三年前，提出一个有意义的构想通常遵循传统路径：撰写提案 -> 获取反馈 -> 迭代 -> 构建小型概念验证（PoC）以展示价值 -> 分配团队开发最小可行性产品（MVP）-> 最终集成上线。整个过程可能需要 6 到 12 个月，其中前期提案和对齐工作就耗时数月。例如，作者在 2023 年启动的一个新服务创建倡议，从首次讨论到 MVP 落地耗时约一年。

如今，这一流程被极大压缩。作者举了一个近期例子：针对软件开发生命周期（SDLC）中合并请求（Merge Request, MR）审查的瓶颈，多个团队各自开发了非标准化的机器人解决方案，但都无法在大规模上解决根本问题。作者仅用几周时间，就同时完成了薄层提案和工作原型，并通过演示推动了关于解决方案形态的讨论。目前，团队正在将这些分散的努力整合为一个连贯的整体，速度远超以往。

这种变化有其积极面：PPT 演示文稿在作者的工作流中基本消失。虽然 PPT 曾迫使人们理清思路，但也常常掩盖细节。以“原型即提案”的模式能更早地暴露思考过程，利益相关者也更倾向于看到具体语境下的运作方式，而非理论论证。

然而，这种转变伴随着巨大的隐性成本：构建成本的崩塌并未带来组织对齐成本的降低，反而使其上升。 当三个团队能在过去写一份提案的时间内各自产出可用方案时，瓶颈从“工程实现”转移到了“协调”。以 MR 审查为例，现在构建一个新机器人比采纳现有方案更容易，导致系统凝聚力反而难以达成。我们在更快地解决更多问题，但组织层面的对齐工作正在为此付出代价。

此外，这种“行动偏见”并非中立。它有利于那些能快速使用 AI 工具构建原型的人，而不利于无法做到这一点的人。有效采用 AI 工具的工程师更容易被听到、提案更受重视，从而更多地塑造方向。这是一种发生在每个面向 AI 的组织内部的技能再分配，但往往未被公开讨论。

资深工程师角色的悖论：更强大，却不可持续

作者提出了一个反直觉的观察：AI 对资深工程师的影响早于且深于对初级工程师的影响。

主流叙事认为 AI 威胁初级岗位，并将资深工程师提升为纯粹的战略制定者。但作者的经历恰恰相反。资深工程师之所以成为 AI 的主要受益者，是因为他们具备系统级理解，能够识别 AI 在 SDLC 各环节的应用点，撰写提案，并在组织内导航，现在还能亲自构建原型。过去需要整个团队完成的工作，现在有时只需一个拥有正确工具的资深个人即可完成。

结果导致作者的工作负荷发生了剧烈变化：

1. 编码量激增：三年前，作者每两周编码一次，多为一次性 PoC；现在几乎每天编码，且代码类型从隔离演示转变为可丢弃的 PoC 和平台级集成工作。由于 PoC 成本低廉，作者可以在过去研究一个方案的时间里探索三种方法，这改变了他对问题的理解方式。
2. 战略写作负担加重：战术性写作减少，但战略和愿景类写作增加。AI 工具使得在多个工作流之间流畅切换上下文成为可能，作者能同时处理多个问题并产出连贯的思考，这在以前需要串行处理。
3. 会议增多：作为组织内开发者体验和工具化领域的 GenAI 主题专家（SME），作者被卷入更多对话。

从逻辑上讲，这种角色在两个方向的同时扩张（更多动手工程 + 更多战略写作 + 更多会议）在相同长度的工作周内是不可能的。

被牺牲的“人性”工作

在这种高压下，首先被牺牲的是以人为本的工作，尤其是导师制度（Mentoring）。

作者坦言，用于一对一（1-2-1）辅导的时间大幅减少。这不是意外，而是在压力下的选择。1-2-1 辅导无法通过 AI 工具进行“后置处理”或加速，它需要 dedicated time（专用时间）和注意力。当角色的其他部分膨胀并吞噬可用工时，辅导便成为第一个被砍掉的部分。这对作者本人以及他本应培养的工程师来说，都是一个严重的问题。

这一模式与前述的“对齐问题”同构：AI 使技术工作变得更便宜，而人类工作（辅导、对齐、问题定义）相对于其他工作变得不成比例地昂贵，因此被挤压。

同样受到冲击的是深度思考时间。作者指出，AI 带来的生产力增益被产出量所吸收，而非产出质量。组织期望值的提升吸收了速度提升带来的红利，而任务之间原本存在的、用于战略思考的非结构化时间（slack）首先被吞噬，因为它在仪表盘上是不可见的。作者坦言，现在大部分深度思考只能利用假期完成，因为工作周已无法容纳它。

结论：不可持续的现状

作者坦诚地表示，以当前节奏，这一角色是不可持续的。

目前的动力依然真实：作者在学习，工作具有真实影响力。但被要求交付的体量上升速度快于 AI 赋予作者的能力增长速度。生产力故事宣称我们因为更高效而交付更多；但 lived version（真实体验）是：我们交付更多是因为期望值的扩张超过了生产力增益，而这一差距是通过牺牲工时、注意力以及那些本不应被视作“可选项”的角色部分来弥补的。

关键要点

• 原型即提案的兴起：AI 极大地缩短了从想法到可演示原型的周期，减少了 PPT 演示的需求，使利益相关者能更早看到具体成果，但也导致了“行动偏见”。
• 协调成本上升：虽然构建成本降低，但组织内的对齐和协调成本上升。当多个团队能独立快速产出方案时，系统凝聚力反而难以维持，导致重复造轮子。
• 技能再分配与权力转移：AI 工具的使用能力成为一种新的权力来源。能快速利用 AI 构建原型的资深工程师获得更多话语权，而未能适应者被边缘化。
• 资深工程师角色的异化：AI 并未将资深工程师完全解放为纯战略家，反而使其陷入“更多编码 + 更多战略写作 + 更多会议”的多重负荷中。
• 人类工作的挤出效应：AI 无法替代需要专注和时间的“人性工作”，如导师辅导、深度战略思考和组织对齐。这些工作因“昂贵”且“不可自动化”而被首先牺牲。
• 生产力陷阱：AI 带来的效率提升并未转化为更多的闲暇或更高的工作质量，而是被组织期望值的提升所吸收，导致工作强度增加，深度思考时间被压缩至假期。
• 可持续性危机：当前的工作模式依赖于牺牲个人休息、辅导时间和深度思考来填补产出缺口，长期来看是不可持续的。

意义与影响

这篇文章为当前狂热拥抱 AI 的科技行业提供了一剂清醒剂。它揭示了“AI 提升生产力”叙事背后的结构性矛盾：技术效率的提升并未自动转化为工作负担的减轻，反而可能通过提高组织期望值，加剧了知识工作者的过载。

对于企业管理者而言，这意味着如果只关注 AI 带来的编码速度提升，而忽视由此引发的协调复杂度增加、资深员工倦怠以及导师制度的崩塌，组织将面临长期的人才流失和创新能力下降的风险。

对于工程师个人，尤其是资深工程师，文章提醒我们需要重新审视职业角色的边界。在享受 AI