程序员远没到“完了”的时候51CTO技术栈
“A year ago people said software engineers are cooked. That didn’t happen.”
山姆·奥特曼：一年前，人们都说软件工程师完了。事实并没有这样发展。
这句话听上去像在给程序员吃定心丸。
但是奥特曼后面说的，却没有那么轻松。
开发者可能不再按照传统方式亲手写代码，岗位要求和一个人能够完成的工作量已经变了。
软件工程仍然存在，只是开始向更高一层移动。
近日，OpenAI联合创始人兼CEO山姆·奥特曼做客《Invest Like The Best》访谈。
奥特曼表示，如果把今天的模型带回2019年，OpenAI团队很可能会把它叫作AGI，并预测整个经济会被迅速改写。
模型已经来了，经济并没有按照当初的速度改变。
在真实工作环境中。AI某些时候像天才，某些时候又会犯孩子才会犯的错误；模型可以生成代码，公司仍然需要人决定做什么、怎样验收以及出了问题由谁负责。
奥特曼还明确谈到OpenAI的边界：他们希望提供模型、算力和平台，没有兴趣包办每一种垂直应用。
模型公司没有做完的部分，恰好是开发者接下来要做的工作。
以下为访谈内容，我们进行了翻译与整理。
奥特曼回应“软件工程师完了”的说法
程序员没有消失，工作已经抬高了一层
主持人提到一个很现实的矛盾。
AI研究人员、内核工程师和程序员都在帮助模型变得更强，其中一些人也担心，自己的工作会最先被模型取代。
奥特曼拿软件工程师举例：一年前，行业里到处都是“程序员已经完了”的判断。后来发生的事情更加具体：
开发者写代码的方式变了，团队对开发者的要求提高了，一个人能推进的任务也更多了。
过去，一个功能往往从空白文件开始。
开发者自己写实现、补测试、修编译错误。现在可以让Agent先读仓库、提出方案、生成代码并运行测试，人负责判断目标有没有跑偏。
奥特曼把这种变化形容为“在更高一层操作”。
打孔卡片消失后，编程没有消失；手写每一行代码减少以后，让计算机按照人的意图完成任务仍然是一份工作。
代码生成变快，团队不会因此接受更多事故。以前花在实现上的时间，会有一部分转移到任务设计、结果检查和系统维护上。
AI一边像天才，一边像小孩
奥特曼解释就业变化时，先承认了模型自身的问题。
“AI is just very jagged.”
山姆·奥特曼：AI的能力非常不均匀。
奥特曼说AI有时像天才，有时又像个孩子
同一个模型可以解决复杂的代码问题，也可能忘记一条明确规则。
它能写出漂亮的函数，却会选错数据库字段；能分析几万行代码，又可能在返回JSON时多写一段解释。
这种落差进入生产环境以后，开发者就得补上模型缺少的稳定性。
接口要有输入和输出校验，调用失败要能重试，模型版本更换后要跑回归测试，涉及付款、删除和生产配置的动作要等待人工确认。
奥特曼：人们依然更愿意与人合作。公司作出错误决定时，客户希望找到可以解释和负责的人，不会接受一句“这是AI决定的”。
所以，模型能力提高以后，开发者的责任并没有跟着交给模型。工程团队仍要回答几个问题：系统为什么这么做，错误怎样复现，数据能否追溯，谁有权限按下确认键。
OpenAI更想卖“电”，垂直应用留给开发者
访谈开头，奥特曼谈到了OpenAI重新收缩业务重点的原因。
OpenAI过去同时尝试过消费应用、媒体等方向。算力需求和模型收入迅速增长以后，公司重新把重点放回模型、芯片、数据中心和AI平台。
奥特曼说，OpenAI希望把AI做成类似电力的基础设施，让其他人用它开发产品和服务。至于把每个行业应用都亲自做一遍，他的回答很短：
“No interest in doing that.”
山姆·奥特曼：我们对此没有兴趣。
奥特曼表示OpenAI更想提供平台，无意包办所有垂直应用
这给开发者留下了很大一块空间。
通用模型知道怎样写SQL，却不了解一家制造企业怎样判定设备异常；它能生成客服回复，却不知道退款、补发和风控之间的内部规则；它会写代码，也不清楚一家公司的发布流程和权限边界。
垂直应用要补齐这些细节：
1.接入企业自己的数据、账号和业务系统；
2.把行业经验写成模型可调用的工具和流程；
3.给高风险操作加权限、审批和审计；
4.用真实业务结果判断模型有没有创造价值。
模型公司提供能力，开发者把能力装进具体工作。后者需要理解业务，也需要处理那些演示视频里看不到的异常情况。
对小团队来说，机会也在变化。过去成本太高、用户数量太少的软件，现在可能值得重新做一遍。模型承担一部分实现工作后，两三个人也能服务一个过去养不起完整研发团队的细分行业。
下一代个人AI会看完整台电脑
主持人问奥特曼，自己使用AI的最前沿场景是什么。
奥特曼说，他正在尝试让AI看到自己在电脑上看到的一切，包括邮件、文档和会议内容。六周前读过的邮件、七周前会议里说过的话，AI可以在需要时重新找出来。
他的设想还要再往前一步。
未来的个人AI会持续工作。用户睡觉前可以设置一个Token预算，让AI继续整理信息、思考方案，第二天早上给出结果。
奥特曼谈能够读取屏幕、会议和文档的个人AI
这个产品形态对开发者很有吸引力，工程难度也很高。
AI要长期读取屏幕和会议，首先要解决权限。它能看哪些窗口，哪些文档禁止上传，离职或更换设备后怎样收回访问权，都要有明确规则。
长期记忆也不能只靠把所有历史记录塞进上下文。系统需要判断什么值得保存、什么时候取回、信息过期后怎样删除。
还有账单。一个在后台持续思考的Agent，会不断消耗Token。产品需要按任务设置预算，在达到上限时暂停，并告诉用户这笔费用换来了什么结果。
最后是可追溯性。AI根据哪封邮件作出判断，调用过哪些工具，为什么修改文件，都要留下记录。否则它越主动，用户越不敢把重要工作交给它。
奥特曼认为工作会更多，但他也承认行业猜错过
奥特曼对就业的态度很乐观。他预计未来仍会有大量工作，人们甚至会比现在更加忙碌，因为AI会让更多想法变得可以执行。
访谈里，奥特曼自己也提到，AI行业曾经高估模型对经济的短期冲击。
如果2019年的OpenAI团队看到今天的模型，他们可能会认为AGI已经实现，随后预测公司组织和就业市场会被迅速改写。
几年过去，模型能力跨过了很多旧标准，真实经济变化得慢得多。
奥特曼承认行业曾高估AI对经济的短期影响
