当码农工资降到 5000，信息部门的开发人员该怎么办？
老杨的那篇"当码农工资降到 5000，用人还是用 AI Coding"，后台和群里讨论最多的一句话是：信息部门这帮开发怎么办？老板会不会拿外面 5000 块的行情，来砍我们的编制？
当 AI Coding 的边际成本接近零，低端人力成本也在被市场压低，开发团队的价值定位正在被重新定义。很多人还没意识到，真正的问题不是"AI 会不会替代我"，而是"如果我只能做 AI 能做的事，那我还有什么价值"。
三条路，选一条
在老杨看来，当外部环境发生结构性变化时，个人的应对策略无非三种：向上走、横向走，或者停在原地被推着走。
第一条路：向上走，去做 AI 做不了的事。
AI 擅长写代码，不擅长做判断。如果你还在把"写代码"当核心能力，生存空间确实会被不断压缩。而那些 AI 做不了的事，恰恰是你要往上游走的方向。
理解业务。AI 能读懂需求文档，读不懂业务背后的潜规则。为什么非要这个功能？流程为什么是这么设计的？答案只存在于业务上下文里，写不进提示词。
技术决策。AI 能生成方案 A 和方案 B，但选哪个，它没有判断力。什么技术栈适配团队当下的维护能力？什么架构能兼顾未来三到五年的业务演进？这些需要经验、需要权衡、需要对团队现状的了解。
兜底质量。AI 生成的代码看着能跑，但有坑。谁来审核？谁来发现那些"在大数据量下会崩溃"的问题？谁来处理"生成逻辑正确但不符合生产环境配置"的隐患？
解决复杂问题。系统出了故障，AI 能看日志，看不懂业务影响。谁快速定位根因、协调多方、做出应急决策？
所以这就不难看出方向已经很明确：把你从"写代码的人"变成"解决业务问题的人"。代码是手段，不是目的。目的是让业务运转得更快、更稳、更省成本。
第二条路：横向走，成为 AI 的原住民。
别只把 AI 当成写代码加速器，要把它当成新的工作方式。这意味着三件事：
①.用 AI 去做你以前不会做的事，比如生成测试用例、自动出文档、做代码审查辅助；
②.把 AI 当作团队中的一员来管理，清楚它能做什么、不能做什么、什么情况下必须人工介入；
③.建立一套人机协作的工作节奏，让 AI 承担它擅长的部分，你把精力压在它不擅长的部分。
这里的区别在于：你不是"在用 AI"，你是"在和 AI 协作"。这一字之差，决定了你是被替代的人，还是驾驭工具的人。
第三条路：停在原地，接受现实。
这条路的代价是，你的能力边界和 AI 的能力边界越来越重合。重合到一定程度，议价权就没了。工资多少不再取决于你的能力，而取决于还有多少人能替代你。这条路不是不能选，但选之前要清楚结果。
三条路没有对错，只有代价。选之前想清楚，选之后别后悔。
砍人头，还是提能力？
这是管理层面最现实的拷问。市场上人力成本再下降，AI 工具又越来越普及，负责人的第一反应往往是算账：人便宜了，是不是可以多招几个？或者反过来，既然 AI 能做，是不是可以少用人？
这两种算法都是线性思维，以为问题只有一条变量。实际上，信息部门的效能从来不是"人头数"和"工具数"的加减法，而是"人用工具解决问题的效率"这个乘数。
你要回答的是：我要建一支什么样的团队，来应对未来三到五年的技术变化？
老杨认为，砍人头是短期账，提能力是长期账。砍人头省下来的钱是一次性的，提能力带来的效率提升是持续复利的。可惜的是当前大部分传统企业的管理者缺乏这一认知。要知道，如果一个人的工作能被 AI 替代，那说明他本来就在做低价值的事。问题不在 AI，在于他之前为什么被安排去做低价值的事。那么这是谁的问题？
企业是否具备"提升开发人员能力"的条件？
这是企业管理者必须面对的问题。不是你想提就能提，前提条件具不具备，决定了策略能不能走通。老杨认为要从如下三个维度进行评估。
前提一：有没有足够的"高水平工作"来支撑能力提升？
如果团队的工作全是重复性、模板化、低复杂度的任务，开发人员能力再高也用不上。能力是在实践中长出来的，不是培训出来的。没有复杂问题可解决，就没有能力提升的土壤。
前提二：管理者和开发人员之间，有没有信任？
提升能力意味着要放权、容错、允许尝试新方法、允许阶段性失败。如果管理者对开发人员缺乏信任，事事审批、层层管控，能力提升的空间就极其有限。能力的本质是判断力，而判断力必须从独立决策的实践中生长出来。
前提三：企业本身的数字化成熟度够不够？
如果企业还处在"系统勉强能用"的阶段，核心诉求是稳定、不出事，那么任何能力提升的尝试都会被"稳定优先"这条铁律压住。这不是对错问题，是阶段不同。基础不稳的时候，能力提升的优先级自然排在后面。
从以上我们不难看出：提升能力不是一句话的事，它需要团队有合适的任务、管理者有正确的管理方式、企业有足够的承载空间。不具备的时候强行推动，只是换一种方式的内耗而已。
开发团队应该变成什么样？
AI Coding 的普及不会消灭开发团队，但会改变开发团队的人才结构。未来三年，老杨认为会有三种角色并存。
第一，架构与设计角色，负责需求分析、系统设计、技术选型、核心模块决策。这部分 AI 做不了，因为需要理解业务上下文和长期系统演进。
第二，人机协同开发角色，负责用 AI 工具快速生成初稿、做代码审查、处理复杂集成和边缘场景。这是团队的主要执行力量。
第三，质量与运维角色，负责系统稳定性、性能监控、安全加固、自动化 CI/CD。这部分同样需要人的判断来兜底。
低水平、重复性的编码岗位会大幅减少，但高水平、需要判断力的开发岗位不会减少，甚至会更稀缺。
最后结语
价格是市场决定的，价值是自己决定的。码农工资降到 5000，不代表"写代码"不值钱，而是"只会写代码"这件事不值钱。
如果你能在 AI 之上提供额外的价值，理解业务、做出判断、兜底质量，你的价值不会降，反而会因为稀缺而升。
信息部门负责人的任务，不是压缩成本砍人头自保，而是重新定义团队的价值。当 AI 能做更多的时候，团队能做的也应该更多。不是做更多的功能，而是做更高维度的事。这才是应对变化的正解。
你们数字化团队里，有多少人正在做"AI 就能做"的事？又有多少人在做理解业务、技术决策、兜底质量这些 AI 做不了的事？评论区聊聊。
本文来自微信公众号“湘江数评”（ID：benpaoshuzi），作者：老杨，36氪经授权发布。
