最近听到一个挺有意思的事情。

一个技术主管找到下面的程序员，说：

“现在AI开发效率这么高，但是大家也不能完全依赖AI，还是要保持一定的代码产出。”

甚至希望程序员给他留一些开发任务。

听起来有点奇怪，其实现在很多程序员都有类似的感受：

以前一个需求，可能需要花几天时间写代码。

现在打开AI工具，把需求描述清楚，很快就能生成一个初版。

有时候不是没有代码写，而是代码根本不需要人一点一点敲了。

于是，一个问题出现了：

代码都让AI写了，程序员还能干什么？

过去，代码就是程序员的产出

以前的软件开发，其实很好衡量一个程序员的工作。

完成几个需求，提交多少代码，解决多少Bug，上线多少功能。

这些都是比较具体的东西。

所以很多公司的管理方式，也建立在这些指标之上。

主管可以看：

• 这个人最近有没有产出？
• 为什么别人提交了这么多代码？
• 这个需求为什么做了这么久？

因为过去写代码本身，就是一件需要投入大量时间的事情。

一个功能，从分析需求、设计方案，到开发测试上线，可能需要一个程序员花几天甚至几周。

代码，就是工作成果最直接的体现。

AI出现以后，很多事情开始变了

现在，一个程序员借助AI工具，开发效率可能提升很多。

以前需要写一天的功能，现在可能几个小时就完成。

甚至一些简单需求，AI已经可以直接生成完整代码。

这时候，问题就来了：

如果代码数量下降，是不是代表程序员工作变少了？

如果一个人使用AI提高了效率，是不是应该要求他继续保持原来的产出？

这些问题，其实没有那么简单。

因为代码数量正在慢慢失去以前那种直接代表价值的意义。

以前：

写更多代码，意味着投入更多时间。

现在：

写更多代码，未必意味着创造更多价值。

管理方式也在受到冲击

很多人认为，AI最大的影响是替代程序员。

但实际上，很多公司的管理方式也正在经历变化。

过去，一个主管管理团队，有一些比较明确的参考标准：

看代码提交，看需求完成数量，看项目进度，甚至看员工每天是不是很忙。

这些方式虽然不一定完全准确，但至少大家有一个共同认知。

可是现在，这些标准开始变得模糊。

一个人可能几个小时完成过去几天的工作，另一个人可能花大量时间分析方案、解决复杂问题。

两个人表面上的代码产出完全不同，但谁创造的价值更大，并不能简单判断。

很多公司就开始优化组织结构。

以前觉得流程太多、团队太重，希望提高效率。

于是：

• 减少层级。
• 调整部门。
• 优化岗位。

但是调整之后，也带来了新的问题。

有些岗位职责没有以前那么清晰，有些工作边界变得模糊。

以前大家知道应该按照什么规则工作。

现在很多事情，需要重新摸索。

最后

对于程序员来说，也许最大的变化不是以后还写不写代码。

而是不能只依靠单一的产出方式证明自己的价值。

因为未来的工作环境，很可能会越来越像现在这样：

工具不断变化，规则不断调整，所有人都需要重新找到自己的位置。

最终，程序员很多事情不干了，同时又能干很多事情。