Ajey Gore 在 5 月 12 日发布的《The Anatomy of an AI-Native Org》里，提出了一个比“AI 会不会替代工程师”更具体的问题：软件团队里，哪些工作还在创造判断，哪些工作只是把一种语言翻译成另一种语言。

这个切口有意思。因为很多公司过去扩张组织，不只是为了写更多代码，也是在 Why、What、How 之间堆了很多转译层：战略变需求，需求变票据，票据变 PR，提交变周报，周报再变管理层能读懂的状态。

AI Agent 正在削薄的，正是这一层。

AI 吃掉的是转译任务，不是某个职称

原文把软件组织拆成三层：Why、What、How。

Why 是战略判断：为什么做，押哪个方向，承担什么后果。What 是产品取舍：做什么，不做什么，做到什么程度。How 是工程实现：系统怎么建，代码怎么写，如何交付和运行。

旧组织的问题，是这三层之间需要大量人工翻译。人一多，翻译本身就变成了工作。

层级在旧组织里的作用AI Agent 之后的变化仍然稀缺的能力
Why判断方向、资源和风险人数未必增加，责任更集中战略取舍、承担后果
What把方向变成产品定义权重上升定义“好”、拒绝可做但不该做的功能
How把需求变成系统和发布人数可能缩小，门槛变高架构、质量边界、评测体系、可信执行环境
转译层票据、站会、状态同步、文档改写被明显压缩只靠流程可见性更难证明价值

自然语言转 SQL、需求转代码、Jira 票据转 PR、日志转事故报告、提交记录转发布说明，这些都有清晰输入和输出。AI Agent 最容易先碰到这里。

GitHub Copilot 进入主流开发流程后，Cursor、Devin、Claude Code 等工具继续把能力推向“读上下文、改代码、提交修改”。它们还不能替公司承担商业责任，也不能替团队背生产事故。

但它们已经让一批转译任务变便宜。

所以，这不是“工程师没用了”。更准确的判断是：只负责把明确需求加工成明确产物的人，会越来越难维持原来的组织位置。

留下来的 How 反而更硬。架构边界、性能瓶颈、回滚策略、测试基准、评测集、权限边界、代码审查、生产环境护栏，这些不会因为 Agent 会写代码就消失。

相反，代码生成越便宜，验证越贵。

管理者受冲击，是因为协调本身不再够用

管理者最尴尬的地方，不是“以后要不要写代码”。而是很多管理动作，本来就是转译动作。

站会、排期、Jira 整洁度、跨团队催办、状态汇总、向上汇报，过去都是承重结构。没有这些动作，信息流会堵，团队会乱。

但当 Agent 能把票据变 PR，把提交变摘要，把日志变报告，把会议纪要变任务清单，管理者就必须回答一个更直接的问题：除了让信息流动，你还贡献什么判断？

这对两类人影响最大。

对科技公司创始人和技术管理者，动作不是立刻裁掉中层，也不是多买几个 Agent 账号。更现实的做法，是先把团队里的“转译任务”盘出来：哪些会议只是同步状态，哪些文档只是格式转换，哪些岗位主要靠催办和汇报维持存在。

然后再决定工具采购和组织调整。顺序反了，很容易把旧流程自动化一遍，成本没降，风险还上升。

对资深工程师和产品负责人，变化也很直接。资深工程师不能只强调“我能更快写完需求”，还要能定义评测、设计护栏、判断系统风险。产品负责人也不能只写更细的需求文档，而要能直接定义可验证的结果，让 Agent 和工程团队都知道什么算对。

这里有一个现实限制：很多团队用了 AI，并不会立刻变快。

原因不神秘。评测体系、代码所有权、上线门禁、事故责任没有跟上，小团队加 Agent 只是更快地把不确定性送进生产环境。金融、医疗、基础设施软件尤其如此。它们的约束不在“能不能生成代码”，而在“谁证明它安全”。

这也是我不太买账的一种说法：把 AI 原生组织简单理解成“人更少”。人少只是表象。真正的变化，是组织必须把判断、验证和责任放到更靠前的位置。

招聘会转向少数高判断力的人

对创始人和技术负责人来说，下一轮招聘不该照搬 2018 年那套工程梯队。

只强调“能把需求快速转成 PR”的候选人，竞争对象已经不只是同级工程师，也包括越来越成熟的代理工具。这个判断不需要夸张成“AI 取代开发者”，但足够影响招聘标准。

更实际的人才画像会分成两类。

一类人能定义 What。拿到模糊目标后，能判断用户、边界、优先级和风险，而不是把意图隔墙交给别人。

另一类人能守住 How 的深水区。会设计测试、评测、权限、审查和生产环境护栏，知道哪些改动可以让 Agent 放手做，哪些地方必须人工盯住。

这会让 What 与 How 的比例发生变化。过去很多软件公司是工程人数最多，产品和设计围绕工程排产。AI 原生团队可能更小，但需要更多能定义问题、验证结果、承担取舍的人。

这里的 What 不是 Product Manager 这个头衔赢了。它是一种能力上升：判断什么该做，做到什么程度，什么风险不能接受。

接下来可以看三个信号。

观察点如果只是旧流程加工具如果真在转向 AI 原生组织
招聘 JD继续强调执行、排期、熟悉流程更强调问题定义、验证能力、系统边界
管理者角色主要主持会议、汇总状态、催进度进入战略取舍、产品定义或工程信任系统
工程机制只看代码生成速度建评测集、审查门禁、权限边界和回滚机制

这三个信号比“公司有没有喊 AI 原生”更有用。

喊口号很容易。难的是把组织里那些靠转译维持的工作重新拆开：哪些该交给 Agent，哪些必须交给有判断的人，哪些必须留下制度化的验证。

回到开头那个问题：AI Agent 改变的不是某个职位的命运，而是软件组织里一条旧管道的成本结构。

当翻译变便宜，真正贵的东西会露出来。判断、边界、信任，以及出事时谁负责。