一个人看了一百本书或者一千个小时的书，知识一定很丰富吗？思想一定很深刻吗？未必——得深入了解一下才知道。同样地，有十年工作经验的员工，有用的信息仅仅是工作了十年。同样工作了十年的员工，累积的经验可能相差甚远，因此不同员工十年工作经验的价值，也可能有天渊之别。
根据我的了解，在大厂里需要花三周写算法的问题——高难度——不会超过5%。也就是说，至少95%的问题都属于中等难度和低难度。从理论上讲，需要三周的开发时间意味着算法难度非常高、几乎接近研究性质，而这种任务在常规业务中非常少见。如果AI能用十分钟把这个算法写出来，说明这个问题是已有算法问题的变异或重组，不属于那5%的高难度算法。AI能在短时间内给出算法的问题一般具有以下特征：
- 有成熟解
- 非创新算法
- 代码结构常见
- AI 见过大量例子
- 工程调试量较小
换成人写，需要的时间取决于开发者的算法知识储备、模式识别、实现效率和调试优化能力的综合水平。
对于算法岗的工程师，AI十分钟完成的算法，参考开发时间如下：
- 高级算法工程师 → 不超过3天
- 中级算法工程师 → 3~7 天
- 初级算法工程师 → 1~2 周
不同于算法岗的工程师要求快速实现以及高质量代码，非算法岗的软件工程师更侧重业务实现和工程能力。如果是非算法岗的工程师来写，参考开发时间如下：
- 高级软件工程师 → 不超过5天
- 中级软件工程师 → 5~10 天
- 初级软件工程师 → 10 天~2 周
以上只是一个粗略的参考，对于不同的具体问题，需要的时间也会变化。总的来讲，对于非算法岗的开发人员，哪怕时间稍长，完成算法已经算是及格。
工作能力和工作经验是两回事。一个人一年工作经验的价值可能超过另外一个人十年工作经验的价值。而且每个人开始工作的时候，能力就不一样，所以有两年工作经验的人有可能通过 Google的技术面试，而有二十年工作经验的人可能一轮都过不了。在此无意贬低任何人，只是想说，x年的工作经验极具迷惑性。因此，最好的做法是不要赋予“工作经验”太高的权重，而是诚实面对自己的真实水平。
在我看来，x年的工作经验具有多大价值，是一个意义不大的命题。比如说搞算法的，目前你默认的竞争对手是精通《TAOCP》的人甚至高德纳本人，他不但免费，而且可以24小时工作、精通行业知识以及不断进步，你有多少年的工作经验已经不太重要了。在AI时代每个人都应该思考：我在干的事情，AI能干得多好？如果 AI 目前已经能把一个人擅长的事做得又快又好，那么他过去投入在这些技能上的时间，的确大概率已经转化为沉没成本。你的leader让你以后把“这类工作先用AI试试”，如果AI每次都是几分钟就完成而“那类工作”是你的主要工作内容，你可以认为你目前的职位（你）已经在“组织优化”（裁员）的目标清单上。
马斯克最近又用Grok取代了x的一部分员工。据说受影响的团队，在马斯克刚收购Twitter的时候，有超过100人。在这次裁员之前已经剩下不到20人，现在进一步减少到10人以下。从Twitter到今天的x——员工从高峰时期的七千多到今天的两千多，而且还在不断减少中——就是我眼中AI对IT行业冲击的具象化（当然，我明白裁员并不全都是因为AI）。所有能被抽象成模式、能被量化评估的任务，最终都会被 AI 取代。在AI时代，我们对自己的定位是什么？应该学什么？这些是每个人都应该大量思考的问题。
相关回答：