Published

- 6 min read

计算机相关的就业市场到底发生了什么

就业 AI
EN | 中文
img of 计算机相关的就业市场到底发生了什么

1. 引言

在来到加拿大读 IT 之前，我在中国从事了多年的管理工作。我的背景主要在财务领域，从会计、财务经理，到最终担任总经理，负责业务、团队以及整体运营策略。因此，我在看问题时，习惯从管理和结构层面去分析，而不是停留在表面现象。

过去一年，我观察到一个在不同人群中反复出现的共识：国际学生、本地学生、应届毕业生，甚至一些有经验的从业者，都在表达同一个观点：

技术岗位变得更难找了。

这种现象并不局限于某一个国家，而是全球性的。北美、欧洲、亚洲都在经历类似变化。实习岗位减少，初级岗位缩减，公司招聘更加谨慎。这些并不是情绪判断，而是可以从招聘网站、offer 数量以及行业交流中直接观察到的事实。

但这篇文章的重点，并不是重复这个现象。

我的目标更具体：

从商业逻辑和组织决策的角度，解释为什么会发生这样的变化。

需要说明的是：

  • 就业市场由多个因素共同塑造，包括宏观经济、地缘政治、技术变革等

  • 我不会对这些因素进行量化拆分

  • 我选择聚焦 AI，是因为这是我既有管理经验又有实际使用体验的领域

  • 聚焦某一个因素，并不意味着它是唯一或最主要的因素

在这个前提下，我们来看当前技术就业市场背后的结构变化。

2. 技术就业市场的多重重构

很多人在解释就业难时，倾向于用一句话总结：

“经济不好。”
“AI 把工作抢走了。”
“公司把岗位外包了。”

这些说法并非错误，但都过于简化。

2.1 宏观经济压力

当前全球面临多重叠加压力：

  • 经济增长放缓

  • 高利率环境

  • 风险投资收缩

  • 供应链重构

  • 区域冲突

这些因素直接导致企业缩减预算、控制招聘、调整结构。

2.2 企业策略变化

企业行为也在发生变化：

  • 大型科技公司优化团队结构

  • 初创公司延长生存周期而非扩张

  • 传统企业更加关注成本效率

这些变化影响的是所有技术岗位，而不仅仅是软件开发。

2.3 AI 是其中一个变量

AI 确实在影响市场，但不是唯一原因。

将所有变化归因于 AI，是一种过度简化。真正需要理解的，是：

AI 如何改变组织决策方式。

3. 核心洞察一：裁员的真正逻辑

从外部看，逻辑似乎很简单：

AI 更强 → 人不需要 → 裁员

但企业内部的逻辑并不是这样。

3.1 企业裁员，并不是因为 AI 已经成熟

而是因为：

AI 已经“部分可用”。

这是关键差异。

如果 AI 已经完全成熟，可以端到端替代岗位，那么企业会直接重构组织结构，而不是观望。

但现实是：

  • AI 可以完成一部分任务

  • 但无法替代完整岗位

  • 可替代的，往往是重复性强、低风险、标准化的部分

3.2 “100 → 70”模型：AI 替代的是任务，而不是岗位

假设一家公司有 100 名员工。

引入 AI 后，管理层发现：

  • 20%–40% 的重复性工作可以被自动化

  • 这些工作分散在所有人身上，而不是集中在某一岗位

于是变化不是：

“裁掉 30 个人”

而是：

70 人 + AI ≈ 原来 100 人的产出

消失的不是岗位，而是无数碎片化任务：

  • 简单沟通

  • 文档整理

  • 数据处理

  • 代码模板

  • 基础排错

在管理视角下，结论非常直接：

不再需要 100 人完成同样的工作，只需要 70 个能用好 AI 的人。

在成本压力下，公司会选择：

先裁员，再观察。

3.3 为什么剩下的 70 人还无法被替代

原因有三个：

1）缺乏标准化

AI 技术出现早于行业标准：

  • 没有统一流程

  • 没有稳定接口

  • 输出不确定

  • 行业没有共识

2）管理层不知道如何整合 AI

核心问题包括：

  • AI 写的内容谁负责

  • 如何接入现有系统

  • 审核机制如何设计

  • 人机协作如何划分

这些问题目前没有标准答案。

3）新标准尚未落地

例如 MCP（Model Context Protocol）等方向，正在尝试：

  • AI 访问本地资源

  • AI 操作系统界面

  • AI 参与流程控制

但仍处于早期阶段。

3.4 当前阶段：标准化之前的混乱期

技术发展通常经历：

能力出现 → 应用混乱 → 标准形成 → 行业重构

当前正处于中间阶段：

  • AI 已足够强，能减少人力

  • 但不够成熟，无法重建流程

  • 企业选择缩减，而不是重建

对于求职者来说，这是最不友好的阶段。

4. 核心洞察二：AI 使用能力差距正在指数级扩大

从个人角度看，一个现象非常明显：

人与人之间使用 AI 的能力差距，正在迅速扩大。

4.1 高强度使用者

以我自己的使用方式为例：

  • 多模型对比（如 Sider）

  • 日常高频使用

  • 每月 2000+ 次交互

  • 长上下文 prompt

  • 融入学习、设计、写作、调试

这不是职业 AI 从业者，但已经远超普通用户。

4.2 普通用户模式

大多数人：

  • 偶尔使用

  • 当搜索工具

  • 不构建流程

  • 不做多轮推理

  • 不做能力边界测试

结果是：

少数人被 AI 放大，大多数人几乎没有变化。

4.3 差距会持续扩大

原因在于：

  • 早期使用带来复利

  • 使用能力指数增长

  • 输出质量持续提升

企业在裁员时，会优先保留：

能产出 2–3 倍效率的人

5. 个体策略

5.1 关注技术演进（尤其标准层）

重点关注：

  • MCP

  • 工作流自动化

  • 本地 AI

  • 工具链

5.2 强化逻辑能力

AI 无法替代：

  • 问题拆解

  • 提问能力

  • 依赖关系理解

  • 决策判断

5.3 主动构建 AI 工作流

关键不是“知道 AI”，而是：

让 AI 成为日常工作的一部分

5.4 保持耐心

当前只是过渡期：

  • 技术在发展

  • 标准在形成

  • 企业在观望

下一轮增长，会在标准稳定之后出现。

结论

技术就业市场的困难，并不是行业衰退，而是结构转型。

我们正处在一个夹缝中：

  • 技术能力已经出现

  • 标准尚未稳定

  • 企业在收缩

  • 个体在分化

真正重要的不是短期变化，而是：

谁在为下一阶段做准备。