AI 时代的人才保留与技能提升
当今工程领导者最敏感的话题之一是生成式 AI 将如何影响工程人才和职业。一方面，AI 可以自动化开发者的部分工作，导致对工作替代或相关性降低的恐惧。另一方面，AI 开辟了新的机会和角色，并且可以通过卸载繁重工作使工程工作更具吸引力。在本节中，我们将探讨领导者如何保留人才并在团队中培养成长心态。我们将涵盖解决工作替代焦虑、技能提升和再培训策略，以及如何将 AI 转变为员工成长的工具而不是威胁。
解决工作替代恐惧
不可能忽视头条新闻——许多消息来源推测 AI 是否会取代开发者。作为领导者，你可能被团队或自己的管理层问过：AI 会减少对工程师的需求吗？ 至关重要的是用透明度和事实正面解决这些恐惧。根据迄今为止的大多数研究，现实是 AI 不是在取代开发者，而是在改变所需的技能配置。例如，Gartner 预测到 2027 年 80% 的软件工程角色将需要技能提升以满足生成式 AI 的需求（80% 将被迫在 2027 年之前提升技能，因为该职业正在转型 | ITPro）。这意味着绝大多数工程师需要学习新技能（如如何有效地与 AI 合作，或专注于更高级别的任务）——但它并没有说 80% 的工程师会失业。事实上，Gartner 和其他人预见到新角色的出现（如 AI 提示工程师、AI 工具专家，或将软件开发与数据科学相结合的角色）。
与你的团队分享这样的统计数据和专家观点，以描绘一个现实的画面：是的，他们的工作会演变，但对于那些适应的人来说，机会可能会增长。一个令人放心的数据点是，许多开发者自己对 AI 的影响持积极态度。KPMG 的一项调查发现**，50% 的程序员认为 AI 和自动化对他们的职业产生了**积极影响，主要是通过提高生产力和开辟从事更有趣任务的机会（AI 不仅使编码更容易。它使编码更有趣 | IBM）。同样，OpenAI 的一项调查报告称，50% 的开发者看到 AI 提高了生产力，约 23% 甚至报告了显著的收益。这些见解可以帮助缓解"AI 会让我过时"的恐惧——相反，它正在使许多开发者更有生产力，并可能更满意（因为他们可以专注于创造性工作）。
然而，承认恐惧很重要。在团队会议或一对一中鼓励关于 AI 的公开讨论。一些工程师，特别是那些花了几十年发展深厚技艺的人，可能会对机器现在正在做他们擅长的一些事情感到不安。强调他们的经验仍然是无价的——AI 的输出只有在熟练的人类提供的指导和验证下才是好的。你可以分享轶事，比如：AI 可以生成一堆代码，但通常需要经验丰富的工程师来识别其中一个微妙的错误，或者知道该方法是否会扩展。简而言之，将 AI 框架为增强人类开发者，而不是取代他们。这种框架有助于将心态从竞争转变为协作："我如何使用这个新工具在我的工作中变得更好？"而不是"这个工具会取代我的工作吗？"
团队的技能提升策略
一旦团队接受了 AI 是一个要利用的工具而不是要躲避的威胁的想法，下一步就是提升他们的技能以有效使用它。AI 时代的技能提升不仅仅是学习新的编程语言或框架——它涉及发展与 AI 系统合作的流畅性。
1. 促进 AI 素养： 确保每个团队成员，无论资历如何，都对生成式 AI 的工作原理及其能力/局限性有基本的了解。这并不意味着他们需要成为 AI 研究人员，但他们应该知道，例如，大型语言模型基于模式预测文本，这就是为什么它可能编造看起来合理但错误的东西。鼓励他们在沙盒环境中尝试 AI 工具。你可以举办内部研讨会或"午餐学习"会议，让使用过 Copilot 或 Cursor 等工具的开发者分享他们的技巧。一些公司创建 AI"公会"或兴趣小组，定期会面讨论 AI 在开发中的新功能和用例。作为领导者，你应该在这里以身作则——表明你也在学习这些工具。如果你来到团队会议并演示你如何使用 AI 重构一些代码或生成测试，它会发出一个强有力的信号，表明这是一个有价值的技能集。
2. 正式培训计划： 根据你的组织，你可能会与学习与发展（L&D）合作建立培训。在 2024 年，我们看到"软件工程中的 AI"课程的兴起——无论是通过在线平台还是定制研讨会。考虑引入专家或使用在线课程来培训团队进行有效的提示编写、数据隐私实践或自定义 AI 模型。一个实践培训，每个人配对完成一个使用 AI 助手的编码任务，可能会大开眼界。此外，查看供应商资源：例如，Microsoft 为 GitHub Copilot 提供文档和示例，Google 等公司为其 AI 工具提供教程。使用这些来创建结构化的学习路径。对培训的投资将得到回报，因为研究表明，开发者在初始学习曲线后使用 AI 会变得更加有效。例如，对 4,800 名开发者的大型研究指出，采用是渐进的，那些坚持使用 AI 助手的人随着时间的推移获得了越来越多的好处（新研究揭示 AI 编码助手将开发者生产力提高 26%：IT 领导者需要知道什么 - IT Revolution）。所以你想让你的团队尽快越过最初的障碍。
3. 指导和同伴学习： 利用你的高级工程师来指导其他人使用 AI。正如高级开发者可能教授良好的设计实践一样，他们也可以教授如何负责任地将 AI 纳入工作流程。也许分配"AI 伙伴"——有经验的人与新手配对一个冲刺。高级开发者可以帮助初级开发者避免盲目接受输出等陷阱。有趣的是，虽然我们之前警告初级开发者可能过度依赖 AI，但研究也表明，在正确指导下，初级开发者可以从中获得巨大提升。Microsoft/Princeton 的研究发现，经验较少的开发者从 AI 辅助中看到了最大的生产力提升（21-40% 的改进），而高级开发者看到的提升更为温和（新研究揭示 AI 编码助手将开发者生产力提高 26%：IT 领导者需要知道什么 - IT Revolution）。解释这一点：如果我们很好地培训我们的初级开发者，AI 可以显著加速他们的提升。指导是确保这些收益是真实的而不仅仅是表面的关键。
4. 创建 AI 倡导者和新角色： 识别对 AI 工具特别热情和精通的团队成员——他们可以成为你的"AI 倡导者"。这些人可以关注最新功能，尝试新工具，并分享知识。一些组织通过在工程中创建"AI 倡导者"等角色来正式化这一点——评估新 AI 开发工具并教育团队的人。随着 AI 变得更加核心，你甚至可能在团队中嵌入"ML Ops 工程师"或"提示工程师"等角色来专门从事这些任务。在这个方向上提供成长路径可以帮助保留对 AI 感兴趣的人；他们看到拥抱这项技术可以推进他们的职业生涯（而不是威胁它）。
5. 强调互补技能发展： 虽然技术 AI 技能很重要，但不要忽视当常规工作自动化时变得更加关键的软技能和更高阶的技术技能。问题框架、系统设计、验证需求和沟通是团队中要持续发展的领域。你希望你的工程师在 AI 无法做到的事情上表现出色：与利益相关者交谈以真正理解问题，提出创造性的解决方案，并做出判断。鼓励建立这些技能的活动：让工程师参与早期设计讨论，让他们跟随产品经理或用户研究人员，或让他们向非工程师展示他们的工作。这不仅使他们更全面（因此即使在 AI 融入的世界中也更有价值），而且还传达了他们不是只是代码猴子——他们是问题解决者和创新者的信息。这种目标感和成长感对于保留至关重要。感到自己正在成长并做有意义工作的工程师远不太可能受到 AI 自动化某些编码任务的威胁。
培养成长心态和 AI 作为善的工具
心态就是一切。如果你的团队对 AI 采取成长心态，他们会将其视为机会而不是危险。培养这种心态是一项文化努力：
庆祝涉及 AI 的胜利： 当有人使用 AI 实现令人印象深刻的事情时——比如开发者在 AI 代码助手的帮助下以两倍的速度原型化了一个复杂的功能——在团队会议上强调这一点。表明创造性地使用 AI 是有价值的。这鼓励其他人尝试并分享。它将叙事转变为"看看我们用 AI 能做什么"，而不是"看看 AI 可能对我们做什么"。
正常化挣扎和学习曲线： 同时，诚实地说学习与 AI 合作有学习曲线。如果有人尝试了 AI 建议但失败或导致错误，公开讨论它（不要责备）。将其视为学习（"现在我们知道那种方法不起作用，以及为什么"）。这种开放性防止了围绕 AI 错误的责备文化，并使人们更愿意尝试。
将 AI 采用与职业成长联系起来： 帮助每个团队成员从掌握 AI 工具到他们的个人职业目标之间建立联系。例如，后端工程师可能有兴趣更快地向员工工程师角色迈进——你可以指出掌握 AI 如何使他们摆脱一些繁重工作，并允许他们花更多时间在高影响力的架构工作上，加速他们的道路。或者喜欢前端的工程师可以使用 AI 更快地实现设计，并花更多时间完善用户体验细节，建立更强大的作品集。当人们看到 AI 作为帮助他们发光和前进时，他们会有动力去拥抱它。还值得注意的是，在行业中，拥有 AI 开发工具的经验本身正在成为一项受欢迎的技能——所以获得这种经验是简历增强的。
提供领导层的保证： 公司高管和你作为一线领导者应该保证，没有计划因 AI 而减少工程人员，而不重新调整这些角色。如果高层管理层已经做出了这样的声明，放大它们。如果没有，也许你可以倡导这样的立场，或者至少传达你自己的观点，即 AI 带来的任何效率提升都将允许团队承担更多项目，而不是导致裁员。工程师通常是务实的；如果你始终如一地表明 AI 被用来做更多（而不是用更少的人做同样的事情），他们的信任就会增长。
如果你的团队对编码的 AI 持怀疑态度，这是完全自然的。许多人从这个角度开始，在直接体验后得出了更细致的意见。即使你不完全相信，了解当前工具/模型的可能性也是有用的。
现在让我们谈谈直接使用 AI 进行员工成长。技能退化担忧有一个有趣的反面：AI 实际上可以在某些方面帮助开发者提高他们的技能。GitHub 的研究表明**，57% 的开发者认为使用 AI 编码工具帮助他们提高了编码技能**（他们将技能发展列为首要好处，甚至高于生产力）（AI 不仅使编码更容易。它使编码更有趣 | IBM）。怎么会这样？开发者可以从 AI 建议中学习——例如，他们可能会看到他们不知道的新技术或函数用法。AI 还可以在被问到时解释代码或算法。这就像有一个 24/7 可用的导师。领导者可以通过鼓励工程师有时在"学习模式"下使用 AI 来利用这一点。如果有人在新领域或语言中工作，使用 AI 助手提问（"我如何在 Rust 中做 X？"）或获取示例可以加速他们的学习。一些团队甚至将 AI 纳入入职：新员工可以使用在公司文档上训练的 AI 聊天机器人提问，减少他们需要的时间来加快速度。
另一个想法是让人们轮换到他们定义如何应用 AI 的角色。例如，分配一名工程师研究生成式 AI 如何改进你的测试流程或开发运维管道。这个项目不仅在他们找到有用的东西时使团队受益，而且该工程师学到了很多关于 AI 和他们正在探索的领域的知识。这实际上是兼作专业发展的研发。
最后，不要忘记认可和保留基础。如果 AI 使你的团队显著提高生产力，并且你的组织受益（更快的发布、更少的错误等），倡导这种价值得到认可。也许这些效率提升可以转化为更好的工作与生活平衡（例如，如果产出保持高水平，可以试行 4 天工作周，或更灵活的时间）或奖金等。向你的团队展示，使用 AI 提高结果将以积极的方式回馈给他们——更好的质量交付物、更快乐的用户、也许是有形的奖励——而不仅仅是更高的期望而没有奖励。这确保他们不会觉得自己正在自动化自己进入倦怠（"现在我们有了 AI，我们期望你做两倍的工作！"——一个要避免的陷阱）。相反，它应该感觉像："我们在更短的时间内完成同样的工作——太好了，这为创新、学习或工作之外的生活留下了更多时间。"
总之，在 AI 时代保留人才归结为让你的工程师感到被赋权，而不是受到威胁。 通过坦诚地解决恐惧、投资于技能提升以及创造一种将 AI 视为合作伙伴的文化，你可以加强团队的忠诚度和热情。2025 年最具前瞻性的工程组织正在将 AI 作为招聘的卖点（"你将在这里使用尖端的 AI 工具"），并作为他们人员的成长催化剂。如果你倡导团队的发展并使他们能够与 AI 一起茁壮成长，他们不仅会留下来——他们还会推动你的组织达到创新和生产力的新高度。