软件开发岗位帖比疫情前低了四分之一，在招的 IT 岗位帖却创了三年新高；科技行业的裁员涨了五成，Accenture 的人数反而到了 81.4 万。这些数字同时成立。把 IT 的工作形态拆开看——一个工程师的一天、角色与团队、入行的梯子、企业里的 IT 部门、靠人天卖服务的 IT 服务业——能确认的变化，比叙事小，也比叙事怪。
IT 的工作形态确实在变，但变化的形状是三个位移，而不是“人被替代”：工作从写代码移向编排、评审和写规格，而且变密了，不是变少；入行的梯子少了一格，承压的是入行层，总量上看不到明确的 AI 冲击；企业 IT 多出一项新职能，给 agent 建身份、权限和预算。支撑这些判断的证据，多数是自报、厂商口径或相关性。
渗透率不是产出，岗位帖不是就业，公司自述不是归因。字节的 TRAE 团队 90% 的代码由 AI 写，人均需求吞吐只提高约 60%；这个落差，比任何“IT 要消失”或“IT 没事”的结论都更接近真相。
2026 年 8 月中旬，Indeed 的软件开发岗位帖指数是 74.4（2020 年 2 月 = 100），仍比疫情前低约四分之一。几乎同期，CompTIA 数出来的（2026 年 9 月数据）在招 IT 岗位帖是 62.6 万，同比 +22.4%，三年多来的最高。科技行业 2026 年 1–8 月宣布的裁员是 155,126 个，同比 +52%。Accenture 在 2025 年 9 月宣布了最高 8.65 亿美元的重组，一年后的财报新闻稿写的是“约 814,000 人”。
四个数字没有一个是错的，任何两个也合不成一句“IT 行业在缩小”或者“在恢复”。岗位帖量的是需求意向，裁员公告是公司自述的计划，人数是在职的存量，基期还各不相同。
所以“AI Native 时代 IT 的工作形态怎么变”，也没法用一个数字回答。上一篇《AI Native 时代的研发》讲的是，写变便宜之后稀缺的是验证者。这一篇从另一头问：写变便宜之后，IT 的人在做什么，怎么分工，怎么组织，怎么入行？
我把它拆成五块，再单看一件事——管理者怎么让人用 AI。每一块都分开写三类东西：确认了的，有争议的，只是叙事的。
先看一个工程师的一天。Anthropic 拿自己的工程师当样本，给了一组少见的“任务结构”数据：Claude Code 的使用记录里，“实现新功能”的占比从 2025 年 2 月的 14.3% 升到 8 月的 36.9%，“代码设计或规划”从 1.0% 升到 9.9%。工程师自评生产力 +50%，27% 的 Claude 辅助工作是“本来不会做的事”。同一份调查里，超过一半的人说，自己能完全委托给 Claude 的活只占 0%–20%。
这组数字描绘的不是人离场，而是人换了位置：多做新功能，多做设计和规划，剩下的大半仍然要人盯着。
Pragmatic Engineer 在 2026 年初问了 906 位读者：75% 用 AI 完成至少一半的工程工作，55% 经常用 AI agent。系列第一篇的导语把趋势概括成一句话：工程师要更频繁地编排和切换上下文，管理者可以更动手，两种角色在趋同。这是导语里的一句概括，没有量化；样本是这份通讯的读者，欧美、中位经验 11–15 年的资深工程师居多，不能推到全行业。
省下的时间去了哪里，几份独立的数据指向同一个方向：工作变密了，不是变少了。
这四项不是同一群人，也不是同一种测量，不能加在一起。DX 的“省 6 小时”是自评，和 METR 那个“感觉快、实测慢”的问题（上一篇讲过）是同一类。但它们拼出的画面一致：省下来的时间，变成了更多的任务和更多的检查。
这些多出来的活里，最大的一块是评审。Sonar 在 2026 年 1 月问了 1,100 多位开发者：96% 不完全信任 AI 生成代码的功能正确性，但只有 48% 说提交前总会检查；38% 觉得评审 AI 代码比评审同事的代码更费力（Sonar 卖代码质量工具，是厂商口径）。对 agent 提交的 PR 的实证更直接：多数 AI 生成的 PR 根本没有评审，被评审的那部分，评审者主要也是 AI agent。这和上一篇里 CMU 与 Stanford 的发现是同一件事：人工评审的覆盖率从 89% 掉到 68%，评审成了新的工作主体，同时是最缺人手的环节。
那么“一个人同时管一群 agent”，现实里有多普遍？答案取决于你用哪家的口径。
四个数字都是厂商口径，时间点和分母都不同，同一个词“agent 参与”在每家指的是不同的东西。Anthropic 自己测的 Claude Code，单个回合的中位时长只有约 45 秒；没有任何一家公开过“每个开发者平均同时管几个 agent”的分布。能查到的“3 到 5 个并行会话”，是 Claude Code 团队的建议值和创造者的个人习惯。
“管 agent”是一种新技能吗？唯一的对照实验来自 NBER：让领导者分别带人类团队和 AI agent 团队，两者的表现相关系数是 0.81，管 AI 的能力和管人的能力高度相关，能迁移（实验任务是协作信息整合，不是写代码）。BCG 的一项调查（1,488 名美国员工，经 The Decoder 转述）里，约 14% 的人报告了“AI brain fry”，最强的驱动因素是监督 agent；有意思的是，同一项调查里 AI 接管例行任务的人，倦怠分数反而下降了 15%。累的不是用 AI，是盯着 AI。
角色边界在松动，几条互相独立的线索指向同一个方向。
LinkedIn 的 CPO Tomer Cohen 在 2025 年底宣布，结束运行多年的 APM（助理产品经理）项目，2026 年 1 月起新人进入“Associate Product Builder”：教他们写代码、做设计、做产品，用跨职能的小 pod 取代按职能划分的大组。这是一家公司的项目改名，不是行业数据，但它和前面 HBR 田野研究里“产品经理开始写代码”对得上。
SignalFire 2026 年的人才报告，是少有的把组织结构指标放在一份数据里的来源：大厂每个工程经理管约 12 个工程师（原来是 10），创业公司约 15；PM 的招聘在大厂较 2019 年 −39%，在创业公司 +2%；工程内部，AI/ML 工程师的份额自 2022 年起 +39%，前端工程师的份额 −25%。注意这些是“占工程招聘的份额变化”，不是绝对数量，数据来自风投机构的人才数据库，不是官方统计。
新的名字也在出现：字节 2027 届校招新增了“AI 全栈工程师”“AI Agent 开发”；Forward Deployed Engineer 的岗位帖，Indeed 数据里从 643 个涨到 5,330 个（+729%）。可是这是小基数上的百分比；Gartner 在 2026 年 9 月还预测到 2028 年 70% 的企业会放弃由供应商前线部署工程构建的 agentic AI，并警告“FDE washing”（把传统咨询包装成 FDE）。至于 Evaluation Engineer、Agent Ops 这类名字，我没有查到任何一手的岗位量统计，只能当作现象，不能写成“增长了 X%”。FDE 本身的故事，站内有一篇《FDE 说明书》。
所以这一块我的判断是：角色边界在松动是真的，“新岗位”的量级大多没有数据。更像是职责合并和份额迁移，而不是一批新职业凭空出现。
“AI 让团队变小、层级变平”是最常见的叙事。证据要分开看，一半是观察，一半是预测。
观察到的是：Gallup 测到美国经理的平均直接下属数从 2024 年的 10.9 升到 2025 年的 12.1（中位数仍约 6，增长主要来自 25 人以上的超大团队），但 Gallup 全文只在一处提到 AI，说“AI 对团队规模的未来影响不确定”。Google 的人力分析副总裁在 2025 年 8 月的全员会上说，管理下属不足 3 人的经理少了 35%，报道里给的原因是效率，没有归因于 AI。
Amazon 是最清楚的一个例子，因为同一家公司，三次表态不一样：
预测那一半：Gartner 在 2024 年 10 月预测，到 2026 年底20% 的组织会用 AI 拉平结构，淘汰一半以上的现有中层岗位。这个窗口已经走到末端，目前没有人证明过“中层的一半被 AI 取代”。
小团队的证据也是同一个结构。Carta 的数据（经 PitchBook 转述）显示，Series D 公司的平均人数是 131，较 2023 年的峰值下降 29%；但 Carta 自己的分析说，2021 年牛市之后招聘本来就会下降，AI 只是加速器。AI 原生公司的人均收入更醒目——Lovable 用 146 个人做到了 4 亿美元的年化收入（TechCrunch）——但这是公司自报，是活下来的幸存者，而且同一篇报道里它还在招 70 个岗位。
DORA 2025 的“七种团队原型”常被引用来说团队形态分化了，需要小心：这是团队在 AI 之前的健康度画像，它的结论是“AI 是放大器”，强团队更强，弱团队更弱。用它能说分化，说不了形态变了。
层级变平是真的；把它归因于 AI，要先过归因这一关。
指向“入行层承压”的证据有五条，来自五种不同的来源：
反方向的证据同样一手，而且同样硬：
这两类证据并不矛盾，它们量的是不同的切片：Yale 和纽约联储看全国或区域的总量，SignalFire 和 Stanford 看入行层；一个是“总量未见明显冲击”，一个是“入行层承压”。把它们并排，更稳的说法是：入行层承压，总量未见明显冲击，归因未证。写成“AI 消灭了初级岗”，是越过了证据。
梯子少的，不只是招聘名额，还有台阶本身的功能。Anthropic 的一项随机对照里，52 位主要是初级的软件工程师学一个新的 Python 库：用 AI 的那组，理解测验的平均分是 50%，手写的那组是 67%（p = 0.01），速度上 AI 组快约 2 分钟，但不显著。使用方式很关键：纯委托、逐步依赖、让 AI 反复调试的人，平均不到 40%；先生成再追问、带着解释要代码、只问概念的人，平均 65% 以上（每种模式只有 2 到 7 人，因果没有被证明）。Pragmatic Engineer 的系列第二篇里，总监们转述了两个现象：初级工程师往往是 AI token 花得最多的人；高级工程师开始自己用 AI 做原本分给初级和外包的活，初级练手的机会，被接走了。
企业里的 IT 部门——服务台、运维、安全、预算——和互联网公司的研发团队不是一回事，也是厂商叙事最响的地方。
服务台。 ServiceNow 在 2025 年底完成对 Moveworks 的收购后，称自己内部的 AI agent 已能自主解决 90% 的 IT 请求。VentureBeat 2026 年 2 月的报道自己指出了口径缺口：没有定义“自主解决”，没有说 90% 怎么测，只涉及 ServiceNow 自己的员工请求。我没有找到针对真实 IT 工单自主解决率的独立（非厂商）基准。最接近的独立证据来自客服：NBER 的研究里，5,179 名客服用 AI 助手，平均每小时解决的问题数 +14%，新手 +34%——是 AI 辅助人，不是替代人。
Gartner 分析师 Nate Suda 在 2026 年 3 月给了一句定性的话：最先受影响的 IT 岗位是“workflow heavy”的，他点名服务台角色、业务分析师、项目经理；同一篇里，Gartner 追踪到 2025 年有 140 万起裁员，其中因 AI 提效的不到 1%。Gartner 对 CIO 的调查还给出了一个预期：到 2030 年，IT 工作里75% 由人加 AI 完成，25% 由 AI 单独完成，同时认为 AI 对就业的影响到 2026 年“中性”。这是 CIO 的预期，不是已测量的结果。
运维。 AI SRE agent 的产品公告，几乎都用“从几小时到几分钟”这类口径。独立基准给的是另一幅图：
ITBench-AA 的原话是“All frontier models score below 50%”；OpenRCA 2.0 里，说中了根因服务的案例，只有 61.5% 能把它落到可验证的因果路径上；2026 年 9 月的 EviRCA 把 OpenRCA 的成绩推到 40% 以上，靠的是工程化，不是更大的模型，但它是预印本。这些测的都是“定位根因”，不是“修复”，更不是“线上自主执行”：几家厂商自己的说明里，默认动作是调查、建议和出 PR，生产变更仍需人批准。这就接到了站内两篇讲权限边界的文章：《审什么，放不放》和《放行之前谁来审》。
治理。 这是企业 IT 里最实在的新职能：管 agent 的身份、权限和生命周期。数字都来自厂商，要小心口径。CyberArk 的 2025 年调查里，机器身份对人类身份是 82:1，但这是全部机器身份（API key、服务账号、自动化进程，加上 AI agent）的比例，不是 AI agent 的比例，VentureBeat 的标题把它写错了。Gartner 在 2026 年 4 月说，只有 13% 的组织认为自己有合适的 agent 治理，并给出六步：治理策略、集中的 agent 清单、身份权限与生命周期、AI 信息治理、监控纠偏、鼓励负责任使用。微软把这件事做成了产品：agent 在 Entra 里是一种账号类型，把安全功能扩展到 agent 需要 Agent 365 许可，包含在 Microsoft 365 E7 里。治理的对象从员工扩展到软件主体，同时被产品化、被计价。管这件事的人，站内的《CAIO 崛起》讲过一部分。
预算。 Gartner 在 2026 年 7 月把全球 IT 支出的预测上调到 6.37 万亿美元，同比 +14.2%，涨幅主要来自数据中心系统（+62.5%）和 IaaS（+29.3%），是算力和硬件，不是人力型的服务。IT 预算在涨，和 IT 人力占比在降，可以同时成立：钱在流向算力。这条线，站内的《从席位到算力》写得更细。
靠人天卖服务的公司，是“AI 要替代 IT 人”这个叙事里最该先出现信号的地方。信号比叙事复杂。
TCS 在 2025 年 7 月宣布本财年裁减约 2%，也就是约 12,000 人。CEO 的解释是“技能错配”和“无法部署”，不是 AI 带来 20% 的生产率提升。看季度财报里的人数：2025 年 6 月是 613,069，到 2025 年 12 月是 582,163，净减约 30,900，是官宣数字的 2.5 倍以上（含自然流失不补，口径不同）；之后连续三个季度回升，2026 年 9 月到了 598,056。
Accenture 在 2025 年 9 月宣布最高 8.65 亿美元的业务优化计划，CEO Julie Sweet 的说法是，要在很紧的人才时间线上“exiting people”，退出那些无法再培训的人。一年后的财报新闻稿，写的是“approximately 814,000 people”，2026 财年收入 741.8 亿美元，本币增长 5%。电话会上 CFO 说，固定价格的工作（含成果计价）占新订单的 65% 以上；要注意这是“固定价格”这个大类，不等于成果计价的占比。
应届招聘也没有断。Cognizant 的 CEO 在 2026 年 6 月说，2025 年招了 20,000 名入门级应届生，2026 年会更多，并称对岗位崩塌的预测是“a little bit of fearmongering”，同一场合他又说“the middle layers are going to be leaner”（Fortune）；Infosys 的 CFO 说 FY27 至少招 20,000 名应届生。这些都是招聘目标，不是入职人数。
“金字塔变钻石”是怎么来的？它在分析师圈里早就是个比喻，Gartner 的一份研究就以《From Pyramids to Diamonds》为题；Forrester 的分析师在 2026 年 7 月还修正说，钻石的底部“更像一个立着的五边形”（The Week）。它是分析师的预测和比喻，目前没有任何一家服务商披露过各层的实际人数；Cognizant 的 CEO 同时说“更宽的金字塔”和“更瘦的中层”，也说明这个形状取决于你问的是谁、在什么场合。
从人天转向成果或 token 计价，证据同样有限。HFS 对 25 家以上大型服务商的统计是，收入/FTE 同比只增约 1.7%，每 FTE 营业利润增约 6.5%，“脱钩”存在，幅度不大，且集中在少数公司；HFS 自己是这套叙事的主要推手，靠卖相关研究和评奖盈利。
中国的两个样本看起来方向类似，口径要小心。软通动力的 2025 年报写着，为应对大模型对传统“项目制”交付的冲击，推行“AI Factory + 行业 Know-how + FDE”的交付模式，年末员工 91,849 人。它 2026 年上半年的“AI 相关业务”占营收 61.46%，听起来是 AI 改造了服务；可拆开看，拉动者是计算产品与智能电子（+40.32%，毛利率 7.70%，主要是硬件），软件与数字技术服务只增长 0.56%，毛利率下降 2.98 个百分点。中软国际在 2025 年末有 78,030 名员工，比上年多了 2,955 人；据其 2026 年 7 月的港交所自愿性公告（新浪财经转述），它与月之暗面签了 token 分成的合作协议，共建 FDE 创新实验室，商业条款没有披露。
2025 到 2026 年，一批公司把“用 AI”变成了管理要求。几条有原话的例子：
Pragmatic Engineer 的第二篇文章里，有公司设了 50%、80%、100% 的 AI 使用率目标，文章把这类目标视为危险信号。国内媒体的汇总里，也有匿名员工说为了凑 token 指标而“空耗 token”，这是匿名转述，不是任何一家公司的正式制度。
微软 2026 年的 Work Trend Index（20,000 名使用 AI 的知识工作者，10 个市场）给了一个对照：只有 13% 的人说，为用 AI 重塑工作被奖励过，即使结果没达成；组织因素解释的 AI 影响，是个人因素的两倍多（约 67% 对 32%，统计关联，不是因果）。微软卖 Copilot，这是厂商口径。把这些放在一起：要求有了，奖励机制没有跟上。证据显示的是管理层意图的转向，不是效果的证明；意图本身也在反复，Duolingo 一年内就撤回了。
这一轮读下来，我反复碰到同样四种陷阱。把它们写在这里，是因为它们比任何单个数字都更值得带走。
下面六条是我从这些证据里整理的做法，其中有的是证据直接支持的，有的是我的判断，我在句末标了。