——AI时代，传统IT“职业阶梯”已断！
各位CIO和业务领袖，我们正处在一个巨大的悖论中。
一方面，AI带来了前所未有的效率革命。普华永道的数据显示，IT行业正引领AI应用，以惊人的速度精简运营。另一方面，这场革命的代价是：我们正在“抽掉”数字人才的职业梯子。
斯坦福大学的论文显示，22-25岁入门级软件工程岗位的招聘，已从2022年的峰值下降了近20%。
这意味着，那些传统上供IT新人“打怪升级”的重复性、低阶任务（IT支持、基础运维、重复编码）正在被AI快速吞噬。
这就带来了一个致命问题：如果“新手村”都没了，未来的“满级高手”和“IT领袖”将从何而来？
今天，我将为你深度拆解这一迫在眉睫的危机，并提供一套CIO必须掌握的未来人才发展战略。
👇 读完本文，你将收获：
💡 一个新认知：从“职业阶梯”到“职业网”的思维转变。
🚀 一个新角色：未来IT团队的核心——“AI代理管理者”。
🎯 三条新战略：CIO如何重新设计人才培养路径。
一、告别“阶梯”，拥抱“罗网”：AI重塑职业路径
科技培训公司Skillsoft的CIO Orla Daly一针见血地指出：
“这可能不再是‘职业梯子’，而更像一张由绳索交织的‘职业网’。未来将出现更扁平的层级。”
这场变革的核心，是企业人才需求从“通才”转向了“高度专业化、具备AI素养”的专家。普华永道的研究表明，未来的IT团队规模会更小，但对企业的关键性将远超以往。
我们不能再用线性的“晋升”思维来看待成长，而要用网状的“能力组合”思维来构建团队。
二、不做“码农”，做“AI代理管理者”
AI自动化了重复劳动（例如写大量的SQL查询），但这并不意味着人类专家的终结。
Scotts Miracle-Gro的Fausto Fleites指出，企业级AI仍处于早期，最大的风险就是“幻觉”。如果你没有编码经验，你根本无法识别AI在“胡说八道”，更不知道如何纠正它。
因此，人类专家的角色发生了根本性转变：从“执行者”转向“监督者”。
未来的工作场景是，AI协作者承担重复任务，而人类专家的价值则体现在AI无法企及的领域：批判性思维、情商和商业大局观。
这就催生了一个全新的核心角色：“AI智能体的管理者”（Agent Manager）。
他们的职责不是自己“干苦力”，而是：
定义目标：告诉AI要做什么，预期KPI是什么。
监督过程：在AI执行时，识别其“幻觉”和错误。
验证结果：审查AI交付的代码、报告和分析，确保其合乎用途并能创造商业价值。
正如EDF的Kenny Scott所说，纯工程的部分会减少，但“把各个环节串联起来”的人，其价值将变得无比重要。
三、CIO的破局三策：重新设计“人才供应链”
面对“职业阶梯”的断裂，CIO不能坐以待毙。你当下的首要任务，是确保今天的自动化不会成为明天的管理难题。你必须成为团队职业发展的“赋能者”，从源头开始设计全新的人才策略。
策略一：忘掉“熬资历”，给新人“压担子”
Jotun的数据主管Gro Kamfjord观察到，新一代的年轻人入职时已具备Python和AI的熟练技能。
“我不认同‘先干几年枯燥重复的工作，才有资格挑大梁’那套老观念。应该把人招进来，就要求他们承担责任，并在职业生涯早期就鼓励他们贡献价值。”
【睿信咨询AI与数据转型顾问建议】：别再让你的天才新员工去做AI都能做的枯燥工作。立即让他们进入“AI智能体（代理）管理者”的角色，让他们去尝试、去试错、去承担责任。
策略二：重塑“入门级”，从“执行”转向“审计”
Nash Squared的CIO Ankur Anand指出，企业仍需要入门级IT人才，但其核心职责必须改变。
旧的入门级：亲自处理重复性任务（如IT支持工单）。
新的入门级：监控和审计AI的输出（如审查AI生成的安全告警，并思考如何降低误报率）。
这要求初级成员必须具备极强的批判性思维。
策略三：启动“导师制2.0”，重塑高阶技能
既然“干中学”的传统路径被堵死了，资深员工的“传帮带”就变得空前重要。但传授的内容必须改变。
导师制1.0：老师傅带徒弟，教的是技术、是“术”。
导师制2.0：资深专家指导新人，教的必须是批判性思维、情商、沟通能力与业务理解。这些才是未来在“职业网”中不断跃迁的核心技能。
在AI时代，CIO最核心的工作已经不再是“管系统”，而是“管人”——更准确地说，是“设计一个能与AI协同进化的人才系统”。
面对如何识别和培养“AI代理管理者”的难题，一个“内外结合”的策略或许是最佳路径：
对内（Internal）：保留一支小而精的核心专家团队，他们懂架构、懂业务、懂AI战略，确保“做的事情是对的”。
对外（External）：通过外包和代理机构，引入熟练的AI执行人手，以扩展团队的交付能力。
最后，我想留给各位一个问题： 你的IT团队，是在被动地被AI“精简”，还是在主动地进化为一支“AI代理管理者”军团？
原文《CIO在AI时代取得进展可采取的措施》
重复性任务的自动化正在重塑IT行业。CIO必须制定职业发展策略，帮助员工掌握所需的高阶技能。
图片来源：Rob Schultz / Shutterstock
随便问一位CIO对AI的看法，你很可能会听到：AI擅长接手重复、低阶的任务。从IT支持、运维告警到软件开发，生成式和代理式AI系统正在自动化这些任务，让专业人员得以聚焦更高价值的工作。
“技术一直在演进，自动化也伴随我们很长时间，”科技与人才解决方案提供商Nash Squared的CIO Ankur Anand（安库尔·阿南德）表示，“然而，AI带来的变革速度前所未有。”
业务转型的速度之快，使得全球AI支出预计在今年底接近1.5万亿美元，Gartner预测明年将突破2万亿美元。普华永道《2025全球AI就业晴雨表》指出，各行业都感受到AI冲击，但IT行业引领AI应用，随着新兴技术精简运营，所需员工数量将减少。
证据显示，这场重构已在进行。斯坦福大学一篇关于AI影响的论文指出，22至25岁入门级软件工程岗位较2022年峰值已下降近20%。纽约联邦储备银行同期报告，计算机工程和计算机科学毕业生的失业率分别为7.5%和6.7%。
普华永道研究人员认为，这场重构背后隐藏着IT行业更深层的变革：企业正从“通才”角色转向“高度专业化、具备AI素养”的人才。结果是IT团队规模缩小，但对数字经济的关键性提升。
对掌握合适技能、能帮助企业驾驭AI的紧缺专家而言，这似乎是好消息。然而，IT从业者传统上在入门级岗位磨练技能。若越来越多的任务被自动化，我们是否正在抽掉数字人才的“职业梯子”？
科技培训公司Skillsoft的CIO Orla Daly（奥拉·戴利）深知这一难题。“我的第一反应是，这可能不再是‘职业梯子’，而更像一张由绳索交织的‘职业网’，”她说，“与同行交流后，我认为未来将出现更扁平的层级。”
当务之急是CIO们确保，今天引入的自动化不会成为明天IT管理的难题。他们必须认清AI对岗位角色的潜在冲击，培养未来所需的高阶技能，并为员工制定切实的职业发展策略。
一、理解AI对职场角色的影响
Scotts Miracle-Gro 数据智能副总裁 Fausto Fleites （福斯托·弗莱特斯）表示，如何维持 IT 职业晋升通道已成为热门议题。尽管有人认为“vibe coding”等 AI 工具宣告了传统岗位的终结，Fleites （弗莱特斯）却认为必须把 AI 带来的变化放在更大背景下审视。
“Vibe coding 极其有用，”他说，“不仅适用于传统软件工程，我认为 AI 在数据科学领域也正走向成熟。当我们分析数据集时，团队要写大量 SQL 查询，其中很多是重复劳动。现在你可以直接告诉 AI：‘帮我搞定这个。’在这些场景下，AI 让你效率倍增。”
但并非全是好消息。Fleites （弗莱特斯）承认，企业级 AI 仍处于早期阶段。专家们最常提及的一大风险便是“幻觉”问题。把任务交给新兴技术固然能减轻 IT 人员的压力，但指望 AI 独立作业则十分危险。
“如果你没有编码经验，就无法识别模型在幻觉，也不知道如何纠正，”他说，“我们需要观察 AI 如何演进。AI 未来或许能达到完全可信的阶段，但现在还差得远。在此期间，我们仍然需要经验丰富的程序员。”
因此，尽管 AI 会改变工作性质，企业绝不能就此认定 IT 专业人员将终结。随着更多职场任务被自动化，数字领导者必须让有能力的人才留在闭环中监督系统。Fleites （弗莱特斯）建议，组织应思考如何把一批基层专业人员培养为“代理管理者”。
“放眼未来的工作场景，AI 协作者承担重复任务后，对批判性思维和情商的需求会更加凸显，”他说，“IT 专业人员的学习方式必须转变：不再死记 AI 已代劳的琐碎技能，而是聚焦业务导向的素质。”
二、培养高阶技能
能源专业公司EDF Power Solutions 的数据治理顾问 Kenny Scott （肯尼·斯科特）也认为，随着传统技术能力的地位下降，软技能将愈发重要。他指出，当智能代理接受 KPI 训练后效率更高，数据质量分析师这类岗位可能会减少。Scott （斯科特）的观点很明确：AI 落地后，人类专家依然重要，但作用方式将发生变化。
“IT 中纯工程的部分会减少，但绝不会消失，”他说，“如今成功的关键在于提升自己利用 AI 和代理交付成果的能力，因为企业仍需要有人把各个环节串联起来，只是原来要 10 个人，现在可能只要 1 个。”
Skillsoft 的 Daly （戴利）同样不愿断言开发者会消亡。优秀的 IT 专业人才仍有需求，但其核心职责将转变。例如，她提到 IT 人员将花更多时间验证 AI 生成的代码是否合乎用途。
更广泛地看，她补充道，哪些角色会式微、哪些会崛起，目前很难断言。她给IT 人士的建议是：紧盯市场，特别是本企业内的新兴趋势。
“未来充满不确定，所以要多学不同东西，”她说，“把一切拆解为技能。只要掌握核心技能，就能根据组织当下的需求，以不同方式组合能力。”
还应看到AI 对传统 IT 之外的影响。家居用品制造商 Joseph Joseph 的首席供应链官 Sacha Vaughan （萨莎·沃恩）正致力于打造数据驱动的产品履约模式，其团队正在探索 AI 等新兴技术如何融入其中。与其他业务领袖一样，她也强调自动化时代业务技能的重要性。
“职业晋升通道仍会存在，但技能组合会变，因为我们将来要负责‘指点’AI，”她说，“入门级岗位所教的技能必须调整，要思考‘如何训练语言模型才能有效回答客户问题’，让 AI 真正体现品牌声音。”
三、制定职业发展策略
油漆制造商 Jotun 数据主管 Gro Kamfjord （格罗·卡姆菲尔德）也强调了下一代人才的重要性。她所在公司的新入职年轻人已具备过去难以想象的广泛技能，包括对 Python 和 AI 的熟练掌握，因此企业应制定相应的人才发展策略，充分利用这股新生力量。
“只要愿意投资新人、放手让他们试错，他们就能快速晋升，”她说，“我不认同‘先干几年枯燥重复的工作，才有资格挑大梁’那套老观念。应该把人招进来，就要求他们承担责任，并在职业生涯早期就鼓励他们贡献价值。”
这一观点与 Nash Squared 的 Anand （阿南德）不谋而合。他认为，数字领导者比以往任何时候都更需要成为团队职业发展的“赋能者”。企业仍需要入门级 IT 人才，但其核心职责将不再是亲自“干苦力”，而是监控和审计 AI 的输出。
“成为‘代理管理者’需要思维与技能的双重转变，”他说，“初级成员必须具备批判性思维，审查输出并找出可提升质量之处——例如如何降低 AI 生成安全告警中的误报。”他补充，培训与发展将扮演关键角色，CIO 应确保资深同事指导新人，传授批判性思维、情商与沟通等必备技能。“随着 AI 让各项活动边界模糊，这些技能愈发重要，将帮助人们在 IT 职梯上不断晋升。”
在 Scotts 的 （弗莱特斯）看来，最核心的问题是如何识别在新工作环境中脱颖而出的 人才。由于大多数公司积累“代理式”AI 用例的经验只有数周而非数年，甄选高效的 AI 管理者并不容易。（弗莱特斯）主张“内外结合”的策略。
“我手下有几位极其技术型的关键领导者，他们在机器学习、AI 和代理式 AI 方面都很资深，”他说，“但团队规模不大，所以我们通过外包扩展能力。需要时，可从代理机构引入熟练人手；而架构、业务关系以及人工智能下一步发展方向的专业知识仍留在内部，这对‘知道在做什么、并确保做对’至关重要。”
作者：Mark Samuels（马克·萨缪斯）
马克是一名商业作家与编辑，对大型企业如何采用及运用技术拥有丰富洞见。他的经验源于高级编辑职务、调查性新闻以及研究生阶段的学术研究。马克曾任《Computing》《Computing Business》和《CIO Connect》编辑，2014 年起成为全职自由撰稿人，客户阵容包括《卫报》、经济学人智库、ZDNET、《Computer Weekly》、ITPro、Diginomica、VentureBeat 与 engineering.com。他拥有谢菲尔德大学博士学位，以及伯明翰大学地理学硕士与学士学位。
译者：小知
