——AI時代，傳統(tǒng)IT“職業(yè)階梯”已斷！
各位CIO和業(yè)務領袖，我們正處在一個巨大的悖論中。
一方面，AI帶來了前所未有的效率革命。普華永道的數(shù)據(jù)顯示，IT行業(yè)正引領AI應用，以驚人的速度精簡運營。另一方面，這場革命的代價是：我們正在“抽掉”數(shù)字人才的職業(yè)梯子。
斯坦福大學的論文顯示，22-25歲入門級軟件工程崗位的招聘，已從2022年的峰值下降了近20%。
這意味著，那些傳統(tǒng)上供IT新人“打怪升級”的重復性、低階任務（IT支持、基礎運維、重復編碼）正在被AI快速吞噬。
這就帶來了一個致命問題：如果“新手村”都沒了，未來的“滿級高手”和“IT領袖”將從何而來？
今天，我將為你深度拆解這一迫在眉睫的危機，并提供一套CIO必須掌握的未來人才發(fā)展戰(zhàn)略。
?? 讀完本文，你將收獲：
???一個新認知：從“職業(yè)階梯”到“職業(yè)網(wǎng)”的思維轉變。
???一個新角色：未來IT團隊的核心——“AI代理管理者”。
???三條新戰(zhàn)略：CIO如何重新設計人才培養(yǎng)路徑。
一、告別“階梯”，擁抱“羅網(wǎng)”：AI重塑職業(yè)路徑
科技培訓公司Skillsoft的CIO Orla Daly一針見血地指出：
“這可能不再是‘職業(yè)梯子’，而更像一張由繩索交織的‘職業(yè)網(wǎng)’。未來將出現(xiàn)更扁平的層級?！?/span>
這場變革的核心，是企業(yè)人才需求從“通才”轉向了“高度專業(yè)化、具備AI素養(yǎng)”的專家。普華永道的研究表明，未來的IT團隊規(guī)模會更小，但對企業(yè)的關鍵性將遠超以往。
我們不能再用線性的“晉升”思維來看待成長，而要用網(wǎng)狀的“能力組合”思維來構建團隊。
二、不做“碼農”，做“AI代理管理者”
AI自動化了重復勞動（例如寫大量的SQL查詢），但這并不意味著人類專家的終結。
Scotts Miracle-Gro的Fausto Fleites指出，企業(yè)級AI仍處于早期，最大的風險就是“幻覺”。如果你沒有編碼經驗，你根本無法識別AI在“胡說八道”，更不知道如何糾正它。
因此，人類專家的角色發(fā)生了根本性轉變：從“執(zhí)行者”轉向“監(jiān)督者”。
未來的工作場景是，AI協(xié)作者承擔重復任務，而人類專家的價值則體現(xiàn)在AI無法企及的領域：批判性思維、情商和商業(yè)大局觀。
這就催生了一個全新的核心角色：“AI智能體的管理者”（Agent Manager）。
他們的職責不是自己“干苦力”，而是：
定義目標：告訴AI要做什么，預期KPI是什么。
監(jiān)督過程：在AI執(zhí)行時，識別其“幻覺”和錯誤。
驗證結果：審查AI交付的代碼、報告和分析，確保其合乎用途并能創(chuàng)造商業(yè)價值。
正如EDF的Kenny Scott所說，純工程的部分會減少，但“把各個環(huán)節(jié)串聯(lián)起來”的人，其價值將變得無比重要。
三、CIO的破局三策：重新設計“人才供應鏈”
面對“職業(yè)階梯”的斷裂，CIO不能坐以待斃。你當下的首要任務，是確保今天的自動化不會成為明天的管理難題。你必須成為團隊職業(yè)發(fā)展的“賦能者”，從源頭開始設計全新的人才策略。
策略一：忘掉“熬資歷”，給新人“壓擔子”
Jotun的數(shù)據(jù)主管Gro Kamfjord觀察到，新一代的年輕人入職時已具備Python和AI的熟練技能。
“我不認同‘先干幾年枯燥重復的工作，才有資格挑大梁’那套老觀念。應該把人招進來，就要求他們承擔責任，并在職業(yè)生涯早期就鼓勵他們貢獻價值。”
【睿信咨詢AI與數(shù)據(jù)轉型顧問建議】：別再讓你的天才新員工去做AI都能做的枯燥工作。立即讓他們進入“AI智能體（代理）管理者”的角色，讓他們去嘗試、去試錯、去承擔責任。
策略二：重塑“入門級”，從“執(zhí)行”轉向“審計”
Nash Squared的CIO Ankur Anand指出，企業(yè)仍需要入門級IT人才，但其核心職責必須改變。
舊的入門級：親自處理重復性任務（如IT支持工單）。
新的入門級：監(jiān)控和審計AI的輸出（如審查AI生成的安全告警，并思考如何降低誤報率）。
這要求初級成員必須具備極強的批判性思維。
策略三：啟動“導師制2.0”，重塑高階技能
既然“干中學”的傳統(tǒng)路徑被堵死了，資深員工的“傳幫帶”就變得空前重要。但傳授的內容必須改變。
導師制1.0：老師傅帶徒弟，教的是技術、是“術”。
導師制2.0：資深專家指導新人，教的必須是批判性思維、情商、溝通能力與業(yè)務理解。這些才是未來在“職業(yè)網(wǎng)”中不斷躍遷的核心技能。
在AI時代，CIO最核心的工作已經不再是“管系統(tǒng)”，而是“管人”——更準確地說，是“設計一個能與AI協(xié)同進化的人才系統(tǒng)”。
面對如何識別和培養(yǎng)“AI代理管理者”的難題，一個“內外結合”的策略或許是最佳路徑：
對內（Internal）：保留一支小而精的核心專家團隊，他們懂架構、懂業(yè)務、懂AI戰(zhàn)略，確?！白龅氖虑槭菍Φ摹薄?/span>
對外（External）：通過外包和代理機構，引入熟練的AI執(zhí)行人手，以擴展團隊的交付能力。
最后，我想留給各位一個問題：?你的IT團隊，是在被動地被AI“精簡”，還是在主動地進化為一支“AI代理管理者”軍團？
原文《CIO在AI時代取得進展可采取的措施》
重復性任務的自動化正在重塑IT行業(yè)。CIO必須制定職業(yè)發(fā)展策略，幫助員工掌握所需的高階技能。
圖片來源：Rob Schultz / Shutterstock
隨便問一位CIO對AI的看法，你很可能會聽到：AI擅長接手重復、低階的任務。從IT支持、運維告警到軟件開發(fā)，生成式和代理式AI系統(tǒng)正在自動化這些任務，讓專業(yè)人員得以聚焦更高價值的工作。
“技術一直在演進，自動化也伴隨我們很長時間，”科技與人才解決方案提供商Nash Squared的CIO Ankur Anand（安庫爾·阿南德）表示，“然而，AI帶來的變革速度前所未有?！?/span>
業(yè)務轉型的速度之快，使得全球AI支出預計在今年底接近1.5萬億美元，Gartner預測明年將突破2萬億美元。普華永道《2025全球AI就業(yè)晴雨表》指出，各行業(yè)都感受到AI沖擊，但IT行業(yè)引領AI應用，隨著新興技術精簡運營，所需員工數(shù)量將減少。
證據(jù)顯示，這場重構已在進行。斯坦福大學一篇關于AI影響的論文指出，22至25歲入門級軟件工程崗位較2022年峰值已下降近20%。紐約聯(lián)邦儲備銀行同期報告，計算機工程和計算機科學畢業(yè)生的失業(yè)率分別為7.5%和6.7%。
普華永道研究人員認為，這場重構背后隱藏著IT行業(yè)更深層的變革：企業(yè)正從“通才”角色轉向“高度專業(yè)化、具備AI素養(yǎng)”的人才。結果是IT團隊規(guī)模縮小，但對數(shù)字經濟的關鍵性提升。
對掌握合適技能、能幫助企業(yè)駕馭AI的緊缺專家而言，這似乎是好消息。然而，IT從業(yè)者傳統(tǒng)上在入門級崗位磨練技能。若越來越多的任務被自動化，我們是否正在抽掉數(shù)字人才的“職業(yè)梯子”？
科技培訓公司Skillsoft的CIO Orla Daly（奧拉·戴利）深知這一難題。“我的第一反應是，這可能不再是‘職業(yè)梯子’，而更像一張由繩索交織的‘職業(yè)網(wǎng)’，”她說，“與同行交流后，我認為未來將出現(xiàn)更扁平的層級。”
當務之急是CIO們確保，今天引入的自動化不會成為明天IT管理的難題。他們必須認清AI對崗位角色的潛在沖擊，培養(yǎng)未來所需的高階技能，并為員工制定切實的職業(yè)發(fā)展策略。
一、理解AI對職場角色的影響
Scotts Miracle-Gro 數(shù)據(jù)智能副總裁 Fausto Fleites?（福斯托·弗萊特斯）表示，如何維持?IT 職業(yè)晉升通道已成為熱門議題。盡管有人認為“vibe coding”等 AI 工具宣告了傳統(tǒng)崗位的終結，F(xiàn)leites?（弗萊特斯）卻認為必須把?AI 帶來的變化放在更大背景下審視。
“Vibe coding 極其有用，”他說，“不僅適用于傳統(tǒng)軟件工程，我認為 AI 在數(shù)據(jù)科學領域也正走向成熟。當我們分析數(shù)據(jù)集時，團隊要寫大量 SQL 查詢，其中很多是重復勞動?，F(xiàn)在你可以直接告訴 AI：‘幫我搞定這個?！谶@些場景下，AI 讓你效率倍增?！?/span>
但并非全是好消息。Fleites?（弗萊特斯）承認，企業(yè)級?AI 仍處于早期階段。專家們最常提及的一大風險便是“幻覺”問題。把任務交給新興技術固然能減輕 IT 人員的壓力，但指望 AI 獨立作業(yè)則十分危險。
“如果你沒有編碼經驗，就無法識別模型在幻覺，也不知道如何糾正，”他說，“我們需要觀察 AI 如何演進。AI 未來或許能達到完全可信的階段，但現(xiàn)在還差得遠。在此期間，我們仍然需要經驗豐富的程序員。”
因此，盡管?AI 會改變工作性質，企業(yè)絕不能就此認定 IT 專業(yè)人員將終結。隨著更多職場任務被自動化，數(shù)字領導者必須讓有能力的人才留在閉環(huán)中監(jiān)督系統(tǒng)。Fleites?（弗萊特斯）建議，組織應思考如何把一批基層專業(yè)人員培養(yǎng)為“代理管理者”。
“放眼未來的工作場景，AI 協(xié)作者承擔重復任務后，對批判性思維和情商的需求會更加凸顯，”他說，“IT 專業(yè)人員的學習方式必須轉變：不再死記 AI 已代勞的瑣碎技能，而是聚焦業(yè)務導向的素質。”
二、培養(yǎng)高階技能
能源專業(yè)公司EDF Power Solutions 的數(shù)據(jù)治理顧問 Kenny Scott （肯尼·斯科特）也認為，隨著傳統(tǒng)技術能力的地位下降，軟技能將愈發(fā)重要。他指出，當智能代理接受 KPI 訓練后效率更高，數(shù)據(jù)質量分析師這類崗位可能會減少。Scott （斯科特）的觀點很明確：AI 落地后，人類專家依然重要，但作用方式將發(fā)生變化。
“IT 中純工程的部分會減少，但絕不會消失，”他說，“如今成功的關鍵在于提升自己利用 AI 和代理交付成果的能力，因為企業(yè)仍需要有人把各個環(huán)節(jié)串聯(lián)起來，只是原來要 10 個人，現(xiàn)在可能只要 1 個?！?/span>
Skillsoft 的 Daly （戴利）同樣不愿斷言開發(fā)者會消亡。優(yōu)秀的 IT 專業(yè)人才仍有需求，但其核心職責將轉變。例如，她提到 IT 人員將花更多時間驗證 AI 生成的代碼是否合乎用途。
更廣泛地看，她補充道，哪些角色會式微、哪些會崛起，目前很難斷言。她給IT 人士的建議是：緊盯市場，特別是本企業(yè)內的新興趨勢。
“未來充滿不確定，所以要多學不同東西，”她說，“把一切拆解為技能。只要掌握核心技能，就能根據(jù)組織當下的需求，以不同方式組合能力?！?/span>
還應看到AI 對傳統(tǒng) IT 之外的影響。家居用品制造商 Joseph Joseph 的首席供應鏈官 Sacha Vaughan （薩莎·沃恩）正致力于打造數(shù)據(jù)驅動的產品履約模式，其團隊正在探索 AI 等新興技術如何融入其中。與其他業(yè)務領袖一樣，她也強調自動化時代業(yè)務技能的重要性。
“職業(yè)晉升通道仍會存在，但技能組合會變，因為我們將來要負責‘指點’AI，”她說，“入門級崗位所教的技能必須調整，要思考‘如何訓練語言模型才能有效回答客戶問題’，讓 AI 真正體現(xiàn)品牌聲音?！?/span>
三、制定職業(yè)發(fā)展策略
油漆制造商?Jotun 數(shù)據(jù)主管 Gro Kamfjord?（格羅·卡姆菲爾德）也強調了下一代人才的重要性。她所在公司的新入職年輕人已具備過去難以想象的廣泛技能，包括對?Python 和 AI 的熟練掌握，因此企業(yè)應制定相應的人才發(fā)展策略，充分利用這股新生力量。
“只要愿意投資新人、放手讓他們試錯，他們就能快速晉升，”她說，“我不認同‘先干幾年枯燥重復的工作，才有資格挑大梁’那套老觀念。應該把人招進來，就要求他們承擔責任，并在職業(yè)生涯早期就鼓勵他們貢獻價值?！?/span>
這一觀點與?Nash Squared 的 Anand?（阿南德）不謀而合。他認為，數(shù)字領導者比以往任何時候都更需要成為團隊職業(yè)發(fā)展的“賦能者”。企業(yè)仍需要入門級 IT 人才，但其核心職責將不再是親自“干苦力”，而是監(jiān)控和審計 AI 的輸出。
“成為‘代理管理者’需要思維與技能的雙重轉變，”他說，“初級成員必須具備批判性思維，審查輸出并找出可提升質量之處——例如如何降低 AI 生成安全告警中的誤報?！彼a充，培訓與發(fā)展將扮演關鍵角色，CIO 應確保資深同事指導新人，傳授批判性思維、情商與溝通等必備技能。“隨著 AI 讓各項活動邊界模糊，這些技能愈發(fā)重要，將幫助人們在 IT 職梯上不斷晉升?！?/span>
在?Scotts 的?（弗萊特斯）看來，最核心的問題是如何識別在新工作環(huán)境中脫穎而出的?人才。由于大多數(shù)公司積累“代理式”AI 用例的經驗只有數(shù)周而非數(shù)年，甄選高效的 AI 管理者并不容易。（弗萊特斯）主張“內外結合”的策略。
“我手下有幾位極其技術型的關鍵領導者，他們在機器學習、AI 和代理式 AI 方面都很資深，”他說，“但團隊規(guī)模不大，所以我們通過外包擴展能力。需要時，可從代理機構引入熟練人手；而架構、業(yè)務關系以及人工智能下一步發(fā)展方向的專業(yè)知識仍留在內部，這對‘知道在做什么、并確保做對’至關重要。”
作者：Mark Samuels（馬克·薩繆斯）
馬克是一名商業(yè)作家與編輯，對大型企業(yè)如何采用及運用技術擁有豐富洞見。他的經驗源于高級編輯職務、調查性新聞以及研究生階段的學術研究。馬克曾任《Computing》《Computing Business》和《CIO Connect》編輯，2014 年起成為全職自由撰稿人，客戶陣容包括《衛(wèi)報》、經濟學人智庫、ZDNET、《Computer Weekly》、ITPro、Diginomica、VentureBeat 與 engineering.com。他擁有謝菲爾德大學博士學位，以及伯明翰大學地理學碩士與學士學位。
譯者：小知
