AI 不会取代程序员？这场争论背后是普通技术人的真实焦虑

原始线索

Why AI hasn’t replaced software engineers, and won’t Arvind Narayanan and Sayash Kappor take on the question of AI job losses through the lens of a profession that is uniquely suited to AI disruption - software engineering. In this essay, we argue that there is enough evidence to reject the narrative that once AI capabilities reach a certain threshold, it will cause mass layoffs. Given that this is true even in a sector with very few regulatory barriers, most other professions are likely to be even more cushioned. The first good news is that the data still doesn't support the idea that AI is causing mass unemployment. In March 2025, New York became the first U.S. state to add an AI disclosure checkbox to WARN Act filings. In the full first year, more than 160 companies filed WARN notices. Not a single one checked the AI box AI speeds up the typing-code-into-a-computer phase, but it turns

为什么现在看：AI 编程工具（如 Cursor、Copilot）普及，引发行业讨论，普通技术人焦虑加剧。

收集原则判断：ai-frontier

原始链接：https://simonwillison.net/2026/Jun/14/why-ai-hasnt-replaced-software-engineers/

这件事目前能确认什么

核心问题：AI编程工具是否真的不会取代程序员？普通技术人应如何应对？

• 纽约州WARN法案2025年3月新增AI披露复选框，至2026年3月，超过160家公司提交WARN通知，无一勾选AI相关裁员。
• 美国劳工统计局（BLS）预测2024-2034年软件开发者就业增长15%，远高于所有职业平均水平。
• 一项针对NAV IT的纵向混合方法案例研究（2025）显示，Copilot用户与非用户在提交活动上无统计学显著差异，但用户感知生产力提升。
• Arvind Narayanan和Sayash Kapoor在《AI Snake Oil》及近期文章中认为，AI不会导致程序员大规模失业，数据不支持该叙事。
• Hacker News等社区讨论中，开发者对AI取代风险存在分歧，部分认为效率提升但岗位减少，部分认为需求增长。

时间线

• 2024年：BLS发布预测，软件开发者就业2024-2034年增长15%。
• 2025年3月：纽约州WARN法案新增AI披露复选框。
• 2025年9月：Forbes发表文章《Will AI Replace Software Engineers?》。
• 2026年2月：LinkedIn帖子引用BLS数据，强调AI创造需求。
• 2026年3月：纽约州WARN法案实施满一年，无公司勾选AI复选框。
• 2026年6月：Simon Willison博客转载Narayanan和Kapoor文章，引发讨论。

证据与依据

逻辑能不能闭环

证据链基本完整：官方数据（BLS、WARN）不支持大规模失业，学术研究（arXiv）显示效率提升有限，权威作者（Narayanan/Kapoor）持否定态度。但WARN数据有局限性（公司可能不勾选），BLS预测未考虑AI加速影响。逻辑上可得出结论：AI目前未导致程序员大规模失业，但长期影响不确定。

可以继续写的方向

• 数据拆解：纽约州WARN法案一年数据告诉我们什么？：有具体数据支撑，能直接反驳AI取代论，适合工具账本型文章。
  还需要：需补充WARN法案背景、公司不勾选的可能原因。
• 案例复盘：NAV IT的Copilot研究——效率提升是幻觉吗？：学术研究提供量化证据，能引发技术人共鸣。
  还需要：需解释研究方法、局限性，对比其他研究。
• 风险避坑：AI裁员焦虑是如何被营销出来的？：揭露利益相关方（工具厂商、裁员公司）的动机，适合老花人设。
  还需要：需收集营销话术案例、厂商财报等证据。
• 职业判断：普通技术人该不该学AI？：直接服务核心技术人，提供行动建议。
  还需要：需结合BLS数据、技能需求变化。

还缺哪些基础概念

• 纽约州WARN法案的具体条款和覆盖范围
• AI编程工具（Copilot、Cursor）的市场份额和用户数
• BLS就业预测的方法论和假设条件

还缺哪些资料素材

• 纽约州WARN法案AI复选框的原始数据表格（如按行业、公司规模分类）
• GitHub Copilot官方效率研究报告（如2024年报告）
• Stack Overflow 2025开发者调查中关于AI使用的数据
• 反方观点：支持AI取代论的研究或案例（如某公司因AI裁员的具体报道）

不能写成结论的地方

• AI不会取代任何程序员
• 所有公司都未因AI裁员
• AI编程工具效率提升X%
• 程序员就业数据无变化

下一步补证检索词

• 纽约州WARN法案AI复选框的原始数据表格
• GitHub Copilot官方效率研究报告（2024-2025）
• Stack Overflow 2025开发者调查中关于AI使用的数据
• 支持AI取代论的具体企业案例（如科技公司因AI裁员）
• Arvind Narayanan和Sayash Kapoor原文的完整引用

停止信号

• 找到确凿证据表明某公司因AI大规模裁员（如超过10%的工程师被替换）
• BLS修正预测，大幅下调软件开发者就业增长率
• 多个独立研究一致显示AI编程工具使效率提升超过50%且无副作用

原始事实和证据入口

给 GPT 前必须知道的边界

存疑点

• 缺乏具体数据支持 AI 取代论或辅助论

继续深挖方向

收集双方观点、数据（如 AI 辅助编程的效率提升案例、程序员就业市场变化）、老花个人经验。

• 继续追官方文档、价格页、GitHub 仓库、真实用户案例或反方证据。
• 确认成本、门槛、合规、平台规则或岗位影响的具体边界。
• 把所有无证据、弱证据和推断点显式标记，等待补证后再升级结论。

懂行人可能会挑刺

• 不能把单条线索写成已验证机会。
• 不能把技术可实现直接推导为商业可赚钱。
• 涉及价格、收益、比例时必须继续找来源或公式。

不能写成结论

• 不要声称老花已经实操验证。
• 不要声称普通人都能复制。
• 不要在证据不足时给完整行动方案。

交付给 GPT 的使用入口

后续 GPT 应用应优先读取本静态页里的选题结论、判断链路、证据入口、缺口和可写方向；如果读取 JSON，则优先读取 selection_dossier 和 material_pack。

继续检索词：

• AI 不会取代程序员？这场争论背后是普通技术人的真实焦虑 官方来源 原始公告
• AI 不会取代程序员？这场争论背后是普通技术人的真实焦虑 概念解释 证据
• AI 不会取代程序员？这场争论背后是普通技术人的真实焦虑 反方观点 局限