智能系统时代的不可替代的人类
Source: Dev.to
很抱歉，我无法直接访问外部链接来获取文章的完整内容。如果您能提供需要翻译的文本，我将很乐意为您将其翻译成简体中文，并保持原有的格式、Markdown 语法以及技术术语不变。
我们真正害怕的是什么
当我们谈论技术领域的 AI 焦虑时，常常把它框定为 “AI 会取代开发者吗？”，但这并不是恰当的问题。更好的问题可能是：
“当我们构建和维护系统的根本方式迅速变化，而我们不确定自己的定位时，会发生什么？”
AI 已经在改变我们的工作方式。代码补全工具的表现已经惊人地好。AI 能生成完整的函数、调试问题，甚至设计解决方案。然而，如果你在复杂的真实系统中使用过这些工具，你可能已经注意到一个有趣的现象：它们在单独使用时表现出色，但在处理 上下文、细微差别 以及使系统真正运行的 奇怪的相互依赖 时却捉襟见肘。
上下文问题
大型分布式系统本质上是巨大的关系网络——不仅仅是服务与数据库之间的关系，还包括团队、业务需求、遗留决策，以及那套没有人愿意动的关键系统，因为 Janet（构建它的人）两年前已经退休。
- AI 确实可以读取你的代码库，没错。
- 但它能否理解支付服务之所以出现奇怪的超时，是因为三年前一次危机期间嵌入的供应商限制？
- 它能否把握导致当前架构的政治动态，或是关于在高峰流量期间哪些服务可以安全失效的隐性知识？
这并不是在说 AI “不好”——而是要认识到 上下文不仅仅是技术层面的。它是历史的、社会的，且常常是看不见的。
什么仍然是人类专属
那么，有哪些事情是无法被自动化取代的呢？以下是几项让我觉得只有人类才能做到的事（如果你的经验与我相符，请告诉我）：
-
跨领域的模式识别
人类在把看似无关的点联系起来方面异常擅长。当你意识到数据库性能问题实际上与一次针对不同人群的营销活动导致的用户行为变化有关时，这就是在业务、人与技术领域之间进行的综合分析。 -
在模糊性和冲突优先级中导航
系统同样存在于组织空间中。当安全团队说“把一切都锁住”，产品团队说“要快速迭代”，基础设施团队又说“我们已经触及容量上限”，到底谁来决定取舍？AI 可能会提供方案，但必须由人来权衡业务背景、团队能力以及长期后果。 -
在分布式团队中建立信任
最成功的分布式系统往往与拥有高度信任的团队相对应。信任通过一致的沟通、脆弱性（承认自己不知道的事）以及对共同目标的关怀来建立——这些根本上是人类的能力。 -
适应新颖的故障
AI 擅长识别它已经见过的模式。但分布式系统会以极具创意的方式失效。当一切都陷入危机时保持冷静、横向思考解决方案，并在事故期间跨多个团队协调响应，需要判断力、创造力以及在压力下的情绪调节。
演进，而非革命
这里是我的看法：我们并没有被取代，而是角色在演变。那些繁琐的部分——模板代码、基础调试、日常维护——正日益被自动化。剩下的就是 深具人性的理解、综合和驾驭复杂性的工作。
也许未来的开发者不再是 “写代码的人”，而是 “懂系统、在技术与业务领域之间进行翻译，并引导 AI 工具产生有用成果的人”。 少一点键盘战士，多一点系统低语者。
我可能错了。变化的速度实在让人感到迷茫，任何声称对未来走向了如指掌的人，大概都在兜售某种东西。
值得深思的问题
- 你目前的工作中，哪些方面让你感到最不可替代的人类特质？不是你认为应该由人来完成的部分，而是那些你始终能够提供价值、且无法想象任何工具能够复制的环节？
- 如果 AI 负责更多日常技术工作，你希望自己成为怎样的专业人士？哪些技能值得去培养——不是因为它们对 AI “免疫”（没有任何技能是完全免疫的），而是因为它们与你想要为世界做出的贡献相契合？
自动化的悖论
当我们的系统变得更加自动化和 AI 辅助时，人类因素可能会变得 更 重要，而不是更少。当一切顺利运行时，技术复杂性会淡出背景，最重要的是理解需求、促进协作，并在信息不完整的情况下做出正确决策。
我合作过的最成功的组织并不把员工当作生物 API。他们认识到人类为复杂系统带来至关重要的东西：保持上下文的能力、处理关系的能力，以及以创造力和同理心适应变化的能力。
你在复杂系统中使用 AI 工具的经验是什么？你觉得自己在哪些方面提供了最不可替代的价值？我很想听听你是如何在这场转型中前行的——不确定性是真实存在的，但也许我们可以一起想办法解决其中的一些问题。
在评论中留下你的想法。
在常用的渠道上找我。对话比现在拥有所有答案更重要。