“技术变革的浪潮已经到来，我们能做的就是尽可能走在它的前头。”
当人工智能的编程能力日趋成熟，科技行业面临着前所未有的人力调整。今年前期，国际科技企业启动了大规模人员优化计划，编写代码的技术人员首当其冲成为了最大的受影响群体。根本原因很直白：在当前的各类工作中，AI 最擅长的任务就是自动化代码编写——部分大型科企已经实现了自动编程的全覆盖，某大搜索引擎公司则表示新增代码中约四分之三由机器生成。
国内互联网行业的表现更加迅猛。去年下半年，主流大厂的机器生成代码占比多数在 20% 至 30% 之间；进入今年，伴随国内大模型在代码领域的能力提升，许多大公司的新代码中，自动生成的比重已经达到了 90%。这直接转化为对人力资源的需求下降。有趣的是，没有任何一家国内企业公开承认因为自动化而进行的员工精简，转而采用了冻结招聘、不再续约、内部调配等更温和的人员流动方式。
通过与十多位来自一线互联网公司的程序员的访谈，我们了解到这群专业人士的真实处境。他们来自不同的行业领先企业，承担着后端架构、数据系统、算法优化等各类职责；无论年资深浅，他们在职业发展的焦虑上有着惊人的相似性。
尽管工作岗位各异、公司背景不同，但他们讲述的故事呈现出了明显的共同点：机器效率的提升并未转化成员工的闲暇时间，反而是工作预期大幅提升——原本十天左右可完成的任务，管理层现在期待在一个工作日内交付；职能定位在模糊化，传统的专业边界正在消融，很多新的职位描述直接升级为”全能型工程师”；几乎所有从业者都在努力学习如何驾驭 AI 工具，因为抢先一步利用自动化替代他人，似乎成了保住饭碗的最佳策略。
但真正能够留下的人，往往需要付出一个代价：他人必须先离开。
6 月成为了一个集体伤痛的标记
年初春节期间，在一家主流互联网公司担任技术管理职务的张锐度过了一个沉重的假期。他的团队约有百人规模，在年前被通知需要执行近 25% 的人员调整任务。
他起初的反应是困惑。企业各项业务当时仍在盈利，从表面看不出非要这样做的商业理由。假如这真的源于 AI 技术的进步，为什么调整得这么仓促？事实上，虽然代码生成技术确实在迭代，团队内也有人开始尝试新工具，但整个公司的工具体系、人员协作模式、组织框架都尚未做好充分准备，实际的业务流程并未跑通。
在这个时刻进行如此大规模的人员裁减，对张锐产生了心理冲击。他需要逐一审视手下每个人的绩效表现、专业潜力、技术学习进度和对变化的适应能力……
执行的日期在节后不久到来，步骤几乎是标准化的：他和人力资源部门的搭档坐在一间密闭的办公室，按顺序与每位员工面谈，解释方案、讨论交接和补偿事项，然后是下一位。
有些人感到无法理解，有些人情绪激动，张锐也只能无奈以对。这个决议来自上层，没有经过充分的双向沟通。企业没有发送任何阐释性的内部通知，信息只是沿着管理链条逐级下传，到他这一级就变成了必须执行的指令。那个过程对他的职业生涯而言无比漫长。重复的谈话、计算补偿、做思想工作，让他的精神逐渐麻木。但在某些时刻他还是感到了难受——比如碰到无人赡养父母的独生子，或者碰到家庭成员生病需要稳定收入的人，他们反复哀求，对这份工作的依赖显而易见。
两个多月后回顾这段经历，张锐仍未从冲击中完全恢复。他对上层的决策依然感到”过于急进”，对企业那种”不给调整空间”的处理方式感到失望。对下属，他也只能反复强调”没有办法”。但数月后的观察让他意识到，所有人都在重复同样的事情，只是时间先后不同。
进入六月，人员调整早已不是新闻。在一家电商公司，一位女性技术人员连续多年获得最高绩效评分，却在六月中旬突然被人力资源部通知离职；在航运科技公司……这个月正式成为了一个集体伤痛的象征，企业纷纷对外公开大幅度的人员优化计划。
