Anthropic最近发了一份报告，数据让很多人坐不住了。

他们没用「理论上AI能干啥」来吓人，而是直接拿Claude平台的真实使用数据，去追踪AI正在实际替代哪些工作。

结果出来，风险最高的职业第一名——不是翻译，不是设计，是程序员。

数据说了什么

数据来自Anthropic《AI对劳动力市场的影响》报告，基于Claude平台真实使用数据。

规律很清楚：任务越是用语言、越有固定结构、越不需要动手操作的职业，被AI覆盖得越彻底。

从雷达图来看，管理、商业金融、计算机数学、法律、办公行政这几个方向，理论覆盖率都超过80%，但实际覆盖率还远没到那个水平。

但这里有个被很多人漏掉的关键数据：

计算机职业的理论覆盖率是94%，实际只有33%。

也就是说，AI理论上能干的活，现在只干了三分之一。

剩下的三分之二，是接下来几年会发生的事。

消失的是旧工种，涌现的是新工种

每次技术革命都这样：旧岗位消失，新岗位冒出来。

电力来了，蜡烛工人没了，电工大量出现。

互联网来了，传统零售萎缩，电商运营、seo专员、数据分析师大量出现。

AI这次也一样。

但这次有个不一样的地方：

以前的技术革命，受冲击最大的是体力劳动者。纺织工人、流水线工人、煤矿工人——机器替代的是双手。

这次AI替代的是脑力劳动，而且替代的是脑力劳动里最重复、最机械的那部分。

这反而给了个机会：把自己从重复劳动里解放出来，去做那些AI做不了的事——判断、创造、决策、建立信任。

Anthropic报告里有个被很多人忽略的数据：约27%的AI辅助工作，是「没有AI就根本不会去做」的任务。

这意味着AI不只是让现有工作更快，它还在创造全新的工作类别。

对程序员来说，这个窗口期尤其珍贵——因为你已经站在离AI最近的地方。

正在爆发的五类新工种

① AI Agent工程师

传统程序员写代码，AI Agent工程师设计「让AI自己干活的系统」。

Anthropic数据显示，软件工程独占了49.7%的Agent调用量，但医疗、法律、金融、教育每个行业加起来不到6%。

YC的CEO盯着这张图说：「那片空白区域，藏着下一代300个独角兽。」

Agent工程师就是去填这片空白的人。

怎么入门：从Claude Code、LangChain、AutoGen这类工具开始，做一个能自动完成某个真实任务的小Agent，哪怕只是自动整理文件、自动回复邮件。先跑通一个完整的流程，再慢慢扩展。

② AI应用工程师

不造大模型，专门用大模型造产品。

就像以前有人造操作系统，有人在操作系统上造应用——现在大模型是新的操作系统，AI应用工程师在上面盖楼。

这个岗位对编程能力要求不是最高，但对「理解用户需求+知道AI能做什么」的能力要求极高。

程序员天然具备其中一半。

怎么入门：找一个你自己每天都在用的工具，想想「如果加上AI这个功能会省多少事」，然后用Anthropic api或OpenAI API把它做出来。从一个烦人的需求出发，做一个真正自己用得上的东西。

③ AI全栈工程师

以前前端不敢碰后端，后端不敢碰数据库，因为每跨一个领域都要花大量时间学习。

现在不一样了。AI填补了知识鸿沟，前端工程师可以修改后端逻辑，后端工程师可以搞定复杂的css动画。

「只要你具备系统思维和验收能力，具体的实现细节不再是障碍。」

AI全栈工程师不是什么都懂，而是什么都敢碰、能用AI快速补充短板的人。

怎么入门：用Cursor或Claude Code做一个完整的小项目，强迫自己同时处理前端、后端、数据库。不求完美，求跑通。每次遇到不熟悉的部分就让AI帮你，但要理解它给的是什么，不要只是复制粘贴。

④ AI内容导演

AI可以生成图片、视频、音频、文案，但它不知道「什么样的内容能打动人」。

AI漫画导演、AI短剧编导、AI内容策划，这些岗位需要的不是技术能力，而是对内容的审美判断力加上驾驭AI工具的能力。

这个方向对程序员来说是弯道超车的机会——因为程序员懂工具，补上内容感知力，就能把AI用得比纯内容人更深。

怎么入门：选一个你感兴趣的内容方向，用即梦、Sora、Claude等工具做出第一个完整的作品发布出去，不管是图文还是短视频。做的过程中你会发现，内容能不能打动人，和技术好不好关系不大，和你对人的理解关系更大。

⑤ AI工作流架构师

企业里最缺的不是会用ChatGPT的人，而是能把AI嵌入真实业务流程的人。

Zapier全公司89%的员工在用AI，内部部署了超过800个Agent。这些Agent不是凭空长出来的，是有人设计的。

懂业务、懂技术、懂AI局限性——这三点同时具备的人极度稀缺，薪资溢价空间巨大。

怎么入门：从你现在的工作出发，找一个每周至少重复三次的操作，用AI把它自动化掉。不用一步到位，先省掉一个小时，再省掉两个小时。把这个过程记录下来，就是你最好的作品集。

程序员的真实优势在哪里

有句话说得很准：

开发者虽然在工作中有60%会使用AI，但能完全委托给AI的任务只有0-20%。

换句话说，AI参与了大量工作，但真正能「完全撒手不管」交给AI的，只有很小一部分。

架构判断、用户理解、质量验收、方向决策——这些始终需要人来做。

这正是有经验程序员最值钱的地方——不是写代码，是判断代码对不对、系统合不合理、方向走不走得通。

AI把执行成本压低了，但判断力的价值反而上升了。

你的经验不是负担，是门槛。

写在最后

74.5%的任务被AI覆盖，听起来很可怕。

但换一个角度：这意味着74.5%的重复劳动可以交出去，你只需要做那25.5%真正需要判断力的事。

而那五类新工种，每一个都需要「懂技术的人来做」。

AI没有消灭程序员的价值，它在重新定义程序员的价值边界。

问题只有一个：你在这个窗口期，选择观望还是行动？

本文内容仅供个人学习、研究或参考使用，不构成任何形式的决策建议、专业指导或法律依据。未经授权，禁止任何单位或个人以商业售卖、虚假宣传、侵权传播等非学习研究目的使用本文内容。如需分享或转载，请保留原文来源信息，不得篡改、删减内容或侵犯相关权益。感谢您的理解与支持！

链接: https://fly63.com/article/detial/13443