人工智能技术普及之后，不少技术岗位的价值结构，正在悄悄被重新定义
我大学读的是计算机科学与技术，2018年毕业。
那会儿全班三十几个人，现在还在写代码的，不到一半。
但真正让我感慨的，是去年公司招人。
部门要补一个后端开发，HR筛了一轮简历给我。
我翻着翻着发现，三年经验以下的，项目经历写得越来越像——商城、博客、管理系统，技术栈也趋同。
面试时问细节，不少人能说出“用了什么”，说不清“为什么这么选”。
这不是个例。
麦可思今年的就业报告里，计算机类专业的对口就业率仍然靠前，但岗位内部的分化在加速。

人社部发布的新职业里，跟AI直接相关的就有十几种，可传统开发岗的招聘增速，明显放缓了。
我室友老周，毕业进了家做企业软件的公司。
前几年他主要写业务逻辑，去年开始，他们组把大量重复的增删改查交给了代码生成工具。
他没被裁，但工作内容变了——更多时间在梳理需求、设计数据流转、排查生成代码里的边界问题。
他跟我说，以前觉得自己是“造轮子的”，现在更像“验收轮子的”。
另一个同学阿凯，走了另一条路。
他毕业后去了一家制造业国企做信息化，技术深度一般，但把生产流程摸得很透。
去年他们上线智能排产系统，外面来的算法团队不懂产线，反倒是他牵头做的需求对接。
现在他挂着“数字化专员”的岗，干的活介于技术和业务之间。
同一个专业，毕业五六年，轨迹差得很远。
我观察下来，被重新定义的主要是这几类岗位：
一是纯执行层的编码。
需求明确、逻辑简单的模块，AI辅助工具已经能承担相当一部分，企业对这类岗位的招聘更谨慎，更倾向要能独立判断的人。
二是只懂单一技术栈、不碰业务的开发。
技术更新快，如果几年里只重复同一种项目，议价能力会往下走。
三是把“会用工具”当核心竞争力的人。
工具迭代越快，这个优势越短命。
反过来，有两类人的位置反而稳。
一类是能沉下去理解业务复杂度的，知道数据从哪来、到哪去、卡在哪。
另一类是能把技术翻译给非技术的人听的，项目推进往往卡在沟通上，不在代码上。
这不是说技术不重要了。
基础不牢，连AI给的东西对不对都判断不了。
但只盯着语法和框架，路会越走越窄。
如果你现在选专业，或者刚入行，我的建议很实在：
别把“学会某门语言”当成终点，把它当起点。
在校期间尽量找机会接触真实项目，哪怕是小公司的实习，看看一个需求从提出到上线要经过多少环节。
工作后，主动往业务上游走一步，哪怕只是多问几句“这个功能给谁用、解决什么问题”。
普通家庭的孩子，没有太多试错成本，更要避开那些“听起来热门但门槛在消失”的方向。
选之前去招聘网站看看，同样的岗位，要求三年经验和五年经验的，差在哪。
那个差距，就是你要补的东西。
技术会变，工具会换，但理解问题、拆解问题、跟人协作把问题解决掉的能力，贬值速度慢得多。
这大概就是这轮变化里，最值得普通学子抓住的东西。
创作声明：本文基于麦可思《中国本科生就业报告》、人社部新职业公示信息及计算机类专业公开培养方案撰写，人物经历为真实采访整合，不涉及虚构数据与剧情。
旨在客观呈现技术迭代对岗位结构的影响，不构成具体报考或择业建议，请读者结合自身情况理性判断。