面了3个人后我发现:AI用得最溜的,未必是我最想要的工程师

这两周,我面试了 3 个人,技术岗。

现在聊技术面试,很多人默认一个前提:

大家都想要那种 AI 用得很溜的人。

但我实际聊下来,发现真正需要的,未必只是这种人。

真正稀缺的,是有判断力的人。

原因很简单。

怎么用 AI,其实不难。

真正难的,是你能不能想到:这东西原来还能这么玩。

所以我面试一个人,看的已经不只是会不会写代码了。

我会更关注两件事。

第一,他有没有真正搞懂自己的项目到底是怎么跑起来的。

第二,他借助 AI,已经能做到什么程度。

因为 AI 工具换得太快了。

今天你熟这个,明天可能就冒出来一个更强的。

产品化的 AI 工具,上手门槛其实非常低。很多时候根本不需要培训一两天,可能装上就能开始干活。真正的门槛,反而变成了愿不愿意用,或者怎么把它装起来。

我面试的一个人,就是很典型的例子。

5 年经验,使用 AI 写代码非常快,效率也确实高,已经能干过去两个自己干的活。

乍一看,这种人很亮眼。

但我往下问了一层,问题就出来了。

工具是公司给的。

他对 AI 为什么能做到这件事,几乎不知道。

再继续问项目本身是怎么运转起来的,也没有想象中那么清楚。

更关键的是,在 AI 带来的提效之后,他原本的技术成长,反而停住了。

而且这一停,就是 1 年。

最后呈现出来的状态就是:能力和年限不匹配。

他能提效的核心原因,不是自己突然变得特别厉害,而是公司提供的工具真的很好用。

换句话说,他没有形成真正属于自己的能力。

但现在这个环境,资历浅的开发工程师,如果还想单靠传统技术路径往上升,其实已经越来越难了。

不是说技术不重要了。

而是现实情况是,很多人已经没有那么多机会,去亲手解决那些真正有深度的问题。

就好比每次课后作业,你都可以参考班里那个学习最好的同学,老师也只要求你把结果交上去就行。

在这种环境里,你当然能完成任务。

但如果哪天碰到一道连那个好学生都不会的题,你真的还能指望自己上场就更强吗?

相比之下,我面试的另外一个人,反倒是我更愿意高看一眼的类型。

8 年经验,因为行业限制,他没有很深入地接触 AI。

如果只看这个点,他不算亮眼。

但他的技术底子很扎实,解决问题的思路也很清楚。很多东西你一问,就知道底子在,很多能力是实打实沉淀过的。

更重要的是,他不是排斥 AI。只是之前没有足够多的机会,系统地去用。

我问了他一个问题:如果你有机会提效,但是要付出成本。你每个月愿意最多出多少预算?

每个人心里有自己的一杆秤。他的回答我认同。

所以我不会因为他现在 AI 这块不够亮眼,就刻意把评价压低。

相反,我会按照他真实的技术能力去评价他。

原因也很简单。

AI 这件事,学起来没有很多人想得那么玄。

尤其对于一个技术基本功强的人来说,他理解 AI、接住 AI、用好 AI 的成本,只会比别人更低。

这类人最缺的,很多时候不是能力,而是一个真正拥抱 AI 的决心。

很多高级工程师的问题,也不在能力,而在心理上。

这类人太容易相信自己过去那套路径了,也太容易依赖原有经验了。

结果就是,AI 他们不是不会用,而是总用得别别扭扭,总比别人慢半拍。

说白了,就是不太愿意把自己重新当成新人。

但偏偏,AI 时代最强的一批高级工程师,恰恰是那些愿意重新归零的人。

你越强,越要学会承认一件事:

有些问题,AI 解决得就是比你快,比你广,比你不知疲倦。

这不丢人。

跟计算器较劲的人,最后往往不是数学家,而是算盘手。

那么问题来了。

绝大多数人并没有很强的技术功底,以后又越来越少有机会,去独立解决复杂问题。

那怎么办?

我觉得,未来评判一个工程师,至少会越来越看重两个标准。

第一,一个人借助 AI,自己能代替过去多少人古法手搓的活。

第二,一个人借助 AI,能够帮助多少人提升效率。

一个是给自己提效。

一个是给别人提效。

显然,第一个方向更适合大部分人。

它有点像在美国大平原种田。

当机械化工具来了之后,就不再需要那么多传统农民了。一个农场主,可能就能干过去 100 个农民的工作量。

放到工程师身上,其实也是一样的。

借助 AI,一个人未来能吃下的工作量,一定会越来越大。

但这个方向也更卷,更残酷。

因为这个行业里的"农民"太多了,而未来未必还需要这么多人。

甚至很多后发的人,反而可能更有优势。

因为他们天生包袱更少,也总能更快接住新工具,精力也更充沛。

给自己提效还有一个思路,就是把手往上游和下游伸。

去抢那些其他岗位的饭碗,比如产品经理、项目主管、测试、运维等这些角色。

说得再直接一点:

如果你能做他们做的事情,还能把整条链路的事情一起做完,那企业为什么还要按原来的方式配那么多人?

这其实就是一种降维打击。

写到这里,其实我真正想说的,只有一句话:

AI 时代当然要学 AI。

但别把"会用 AI",误以为是全部。

因为工具会越来越强,教程会越来越多,门槛会越来越低。

真正拉开差距的,依然还是那些更底层的东西。

比如你的判断力。

比如你的问题拆解能力。

比如你的架构思维。

比如你的学习能力。

以及最重要的一点:

你有没有勇气,重新把自己当成一个新人。

真正厉害的人,不是手里拿着多少个 AI 工具的人。

而是即使工具天天在变,也总能把问题解决掉的人。

这种人,放在什么时候,都不会太差。

相关推荐
deli00710 分钟前
TCP 为什么会粘包?4 种拆包方案 49 字节实测对比
前端
deli0071 小时前
32K 上下文塞满后,AI 最先忘掉什么?120 轮对话实测
前端
deli0072 小时前
手机拍灯为什么有一条条黑纹?PWM 240Hz 实测
前端
深蓝AI3 小时前
12000 名工程师的高盛,只用四个月就收回了交易员的 AI 编程权限
人工智能·程序员
wangruofeng7 小时前
AI Models 1.1.0 发布,查大模型价格、对比模型和找 API 地址
前端·aigc·ai编程
怕浪猫7 小时前
这个十几个agent 协作项目值得关注
人工智能·面试·github
wangruofeng7 小时前
给前端开发者的 100 个设计参考网站
前端·设计
starzy19909 小时前
深入理解Scala隐式类:扩展方法机制
开发语言·人工智能·scala
深蓝AI9 小时前
为什么 agent 的 demo 都很惊艳,上了生产就不靠谱
人工智能·程序员
数字新视界10 小时前
信创动环监控在机房环境管理中的智能化应用与实践分析
大数据·人工智能·物联网·信息与通信·动环监控系统