AI时代下，程序员与产品经理的边界正在消融，工作量增加但薪资涨幅有限。效率提升的红利被公司收割，个人却陷入内卷陷阱。本文剖析了这一结构性问题的根源，揭示了从'给AI打工'到'让AI打工'的思维转变路径，为职场人提供破局方法论。
上周跟一个做了六年的程序员朋友吃饭，他说了一句话，我回来想了很久。
他说：”我现在每天除了写代码，还要自己看需求、自己拆任务、自己跟业务方对齐。产品经理的活我在干，我自己的活也没少。工资涨了800块。”
我问他，那产品经理那边呢？
他说，产品经理现在也要看技术方案，要自己评估实现成本，要懂Agent能做什么不能做什么。以前这些是研发的事。
两个岗位，互相渗透，互相兼容，工作量都在涨，但岗位没有合并，薪资只有小涨幅。效率提升了，但那个效率，不是你的。
我在互联网行业做了这么多年，这种感觉越来越强烈：我们都在变得”更有用”，但”更有用”的受益者，从来不是我们自己。
这就是我想聊的事。
先说一个让我真正想清楚这件事的时刻。
有一次，我用AI两个小时搞定了一份竞品分析，发给领导。领导看完，回了我一句：”不错，那你把另一个项目的用研报告也顺手做了吧，下周一要。”
就这一句话。我愣了几秒钟，然后打开了新文档。
那两个小时，我没有用来思考自己的方向，没有用来深化某个判断，也没有用来做任何属于我自己的事。它直接回流给了公司，变成了另一份交付物。
我相信你也有过类似的时刻。你用AI把三小时的工作压缩到三十分钟，但那三十分钟没有变成你的自由时间——它变成了下一个需求的起点。效率提升了，工作量填满了，循环继续。
这不是个人的问题，是结构性的问题。
程序员和产品经理的边界正在消融就是最直接的证据。以前各司其职，程序员写代码，产品经理写需求，两边有清晰的分工。现在呢？程序员要懂业务逻辑，要自己拆需求；产品经理要懂技术边界，要自己评估实现成本。AI让两个岗位都”能力扩展”了，但扩展的结果不是涨薪，是岗位合并的预期压低了两边的议价空间。你能干更多，所以公司不需要雇更多人。
这笔账，算下来是公司赢了。
2026年初，北京某互联网公司产品经理杨千，亲眼目睹公司裁掉三分之二研发人员。被裁的不只是初级程序员，连一位八年经验的技术老炮也在名单上。取代他的，是一位会用Cursor的应届生。老板在公司群里算了一笔账：老员工月薪3万，三位应届生加AI工具月薪2.4万，完成前者80%的工作，需求交付周期从两周压缩到三天。
我看到这个故事的时候，第一反应不是”这太残酷了”，而是”这逻辑我太熟悉了”。
它和我朋友的故事是同一个逻辑，只是烈度不同。一个是涨了800块，一个是直接被替换。但背后的结构是一样的：AI提升了效率，公司收割了效率，你只拿到了一点点安慰性的补偿。
这不是老板坏，是系统的运行逻辑就是这样。职场裁员追踪网站Layoffs.fyi数据显示，2026年迄今，科技行业裁员人数已突破9.2万人。Meta裁员约1.6万人，占员工总数的20%，同时宣布斥资6000亿美元用于AI基础设施建设——大公司的扩张方向，正从人力转向算力。人力在缩减，算力在扩张，这两件事同时发生，不是巧合，是战略。
经济学家早就指出过这个规律：在某项任务中，当AI的部署成本下降到每小时5美元，那么原本只从事该单一任务的工人，工资可能永远无法超过5美元。你的时间价值，正在被AI的边际成本锚定。
我知道有人看到这里会说：那我多学几个工具，多掌握几项技能，不就行了？
这个问题，我们下一章来谈。因为我花了不少时间，才想清楚为什么这个答案是错的。
有一种焦虑，叫”不学就落后”。
这种焦虑本身没有问题。问题在于它驱动的行为——大多数人的应对方式是：报课、刷视频、学工具、考证书，然后把这些能力用于让自己在职场上”更有用”。
我也这么干过。
我花了两个月系统学提示词工程，学完之后确实写出来的提示词比以前好多了。然后我发现，我周围的人也在学。三个月后，这件事变得毫无差异化可言。
这个过程，和当年考PMP、学Python、学数据分析，一模一样。当年考PMP的人，有几个靠PMP证书真正拿到了更高薪资？当年学Python的产品经理，有几个用Python构建了属于自己的商业护城河？大多数人学了，只是在简历上多了一行，在职场竞争中维持了现状，没有实现跃迁。
AI工具的普及速度，比任何一个时代的技能都快。截至2025年12月，中国生成式AI用户规模已达6.02亿人，较2024年底增长141.7%。人民网 这意味着，你今天学会的那个工具，明天你的竞争对手也会。你会用Claude写需求文档，他也会；你会用Cursor生成原型，他也会。
工具层的能力，正在以肉眼可见的速度平民化。OpenAI的顶级研究员甚至直接宣告：”提示词工程已死。”36氪 你刚学完，它就过时了。
更深的问题在这里：AI正在消灭的，不只是岗位，而是年轻人”从干中学”成长为专家的路径。
传统律所依赖大量初级律师做文件审查、法律检索，现在AI几秒钟完成这些工作，律所大幅减少初级律师招聘。问题来了——如果企业不再招聘初级员工，未来的高级专家从何而来？这个问题同样适用于产品经理、运营、设计、数据分析。潮新闻
曾经，你空有一身才华，可以靠一点天赋拿到实习门票，公司愿意给你时间试错。现在，这扇门正在被锁上。AI先消灭的，是年轻人进场的机会，然后才是岗位本身。
所以，”学AI”这件事本身没有错。错的是你学AI的目的——是让自己成为更高效的执行者，还是一个能用AI完成商业闭环的创造者？
前者是在给AI打工，后者才是让AI给你打工。
我有一段时间特别迷恋”提示词技巧”。
学了很多：few-shot、chain-of-thought、角色扮演、分步拆解……用起来确实比以前顺，AI给的答案也更像样。但有一天我意识到一个问题：我花了大量时间优化”怎么跟AI说话”，但我从来没有认真想过”我到底想解决什么问题”。
工具用得越来越熟练，但我解决的，还是那些原本就能解决的问题，只是速度快了一点。
这是大多数人用AI的真实状态。
同样用Claude，同样的任务，为什么有人得到的是废话连篇的通用答案，有人得到的是直接可以落地的方案？差距不在工具，在提问的层次。
绝大多数人停留在任务委托层——”帮我写一份竞品分析”、”帮我生成一个需求文档”。AI给你一个通用模板，一个平均水平的输出，你自己也能写，只是慢一点。它帮你省了时间，但没有帮你产生新的洞见。
真正会用AI的人，用的是假设驱动的提问。他们不是把执行任务扔给AI，而是把自己的判断和AI碰撞。
同一个问题——”我们的用户留存率在下降”——三种提问方式，三种结果：
这三层之间的差距，不是技巧差距，是思维深度的差距。
OpenAI的研究员格罗夫说过一句话，我觉得说得很准：”你以为你告诉了模型你想要什么，但后来你才发现，你从来没真正说清楚过——甚至你自己都不完全明白真正想要的是什么。”36氪 他把这个问题比喻成盖房子：你跟建筑师说”我要一个漂亮的房子”，却没说清细节，最后抱怨”这不是我想要的”——问题的根源，在于你自己没画好蓝图。
这个洞察，不只是对AI提问有效，对你的整个工作方式都有效。你跟老板汇报，是在描述执行动作，还是在呈现你的判断和推导过程？你跟客户沟通，是在问”你需要什么功能”，还是在问”你现在最头疼的那个时刻是什么”？
提问方式，决定了你能看到什么样的世界。
我们把这个问题想得更清楚一点。
AI带来的效率提升，在整个价值链上是怎么分配的？
这不是说学AI没用。学AI当然有用，但”有用”的方式，决定了你是红利的受益者，还是红利的生产者。
真正占到AI红利的人，在做什么？
他们不是在把AI效率用于”更好地完成雇主交代的任务”，而是在用AI完成自己的商业闭环。
上海交通大学学生陆远舟，用AI工具一个人运营14个小红书推广账号，半年将阅读量从400万提升至900多万。他不是在给公司打工，他是在用AI武装自己的独立业务，直接向客户收钱。某AI创业公司全职员工只有六人，一个月的产出可以赶上以前50人的劳动成果——老板用AI把团队规模需求打下来，同时把商业规模打上去。潮新闻
区别只有一个：你用AI提升的效率，最终交付给谁？
如果交付给雇主，你是效率的生产者。如果交付给自己的客户，你是价值的创造者。前者让你更难被裁，后者让你真正自由。
这里有一个思维模型的切换，是很多人迈不过去的坎。
AI的出现，对这两种思维的影响截然不同。
对打工者思维而言，AI是威胁——AI能做的任务越多，你能卖的技能就越少，议价空间就越窄。程序员高达近75%的任务已被AI覆盖，这个数字还在增长。潮新闻
对生意人思维而言，AI是杠杆——AI让”提供解决方案”的门槛大幅降低了，一个人加上AI工具链，可以完成过去需要一个团队才能完成的交付。你不需要再雇设计师、开发、运营，可以一个人用AI把整个价值链跑通，然后直接向客户收钱。
这不是说你明天就要辞职创业。而是说，你需要在当前的工作中，有意识地积累生意人思维所需要的东西：对某个垂直领域的深度认知、与真实客户建立信任的能力、以及用AI武装你的解决方案的能力。
这三件事，AI再强也替代不了。它们的核心，是人对人的理解，是信任，是在某个具体行业里泡出来的判断力。
好，说了这么多问题，现在说怎么做。我要先说一句实话：这四步我自己都还在走，有些走通了，有些还在摸索。所以这不是一份”标准答案”，是一份”我目前觉得方向对的地图”。
这一步听起来简单，实际上是最难的。我最开始选的方向完全错了——我以为我懂用户增长，学了很多增长黑客的方法论，结果发现那些东西网上到处都是，根本不是什么护城河。真正的深水区，是我花了将近半年、在一个具体的行业里反复碰壁之后，才慢慢找到的。
问自己三个问题：我在哪个领域比大多数人更懂？这个领域里，谁最有痛点？这个痛点，用AI能不能帮他解决？
越垂直越好。不需要是什么宏大的领域，可以是某类中小企业的财务管理流程，可以是某个细分行业的销售转化问题，可以是某类内容创作者的效率瓶颈。越具体，你的判断力越难被复制，AI也越难直接替代你。
从今天开始，每次用AI之前，先做一件事：用一句话写清楚“我真正想解决的问题是什么”，而不是“我想让AI帮我做什么任务”。
这两件事听起来很像，差距极大。”帮我写竞品分析”是任务；”我在判断我们的产品是否应该砍掉X功能，我需要了解竞品在这个功能上的用户反馈和商业逻辑”是问题。前者得到模板，后者得到洞见。
进阶练习：每周找一个你认为已经想清楚的判断，用反向提问重新检验它。问自己：”这个结论的前提假设是什么？如果这个假设是错的，结论还成立吗？”这个习惯，会让你的判断力以可见的速度提升。
这一步很多人卡在这里，包括我。
难点不在于”不知道怎么做”，而在于”迈出第一步需要克服的心理阻力”。你会觉得自己还没准备好，还需要再学一点，还差一个机会。这个感觉会持续很久，如果你等它消失，它永远不会消失。
不管你现在在哪里工作，都要开始思考这个问题：我能不能用AI，帮某个具体的人解决某个具体的问题，并且收到钱？
不一定是辞职创业，可以是兼职、咨询、独立项目，甚至只是在公司内部帮某个业务线解决一个真实的问题。关键是完整地走一遍”发现问题→定义方案→用AI交付→收到反馈”的闭环。
走完一遍，你对AI能做什么、不能做什么，会有完全不同的理解。更重要的是，你会开始建立”我能交付价值”的自信，而不只是”我能使用工具”的自信。这两种自信，在市场上的定价，差了不止一个数量级。
这是最后一步，也是最容易被忽视的一步。
每次用AI节省下来的时间，你要有意识地把它分配到两类事情上：深化你的垂直认知，以及推进你的价值交付闭环。
不是刷手机，不是开更多会，不是接更多需求。
深化垂直认知，意味着你要花时间真正理解某个行业、某类客户、某个问题的底层逻辑——不是泛读，是精读，是和真实的人对话，是在实际项目里摔跟头。
AI节省的时间，如果全部回流给雇主，你是效率的生产者。如果有一部分流向你自己的未来，你才开始真正积累属于自己的资产。
最后，我想说一个更深层的问题。
这一代互联网从业者，从进入职场的第一天起，就被训练成了一种思维模式：找到一个好平台，证明自己有用，然后等待平台给你回报。大厂工牌、晋升通道、期权激励——整个职场体系，都在强化”你的价值等于平台给你的标签”这个逻辑。
AI时代，这个逻辑正在失效。不是因为大厂不好，而是因为当AI能替代越来越多的岗位，平台对人的依赖在减少，平台给你的保障也在减少。
真正的问题不是”AI会不会取代我”，而是”当平台不再需要我的时候，我还剩下什么”。
如果你的答案是”我会用很多AI工具”，那处境其实很危险——因为AI工具的使用能力是最容易被复制的，也是最快贬值的。
如果你的答案是”我在某个垂直领域有真实的客户，我理解他们的痛点，他们信任我，我能用AI帮他们解决问题”，那你站在一个相当稳固的位置上——因为这三件事的组合，AI替代不了，大厂竞争对手进不来，纯技术人做不到。
你以为在学AI，其实在给AI打工——这句话不是在否定学习本身，而是在提醒你检查学习的方向。
工具是中性的。Cursor、Claude、Midjourney，它们本身不决定你是受益者还是被收割者。决定这件事的，是你用这些工具在做什么：是在帮雇主降本增效，还是在为自己建立不可替代的价值闭环？
AI时代最大的红利，不在工具里，在工具和真实问题之间的那段距离里。那段距离，需要你的垂直认知，你的判断力，你与真实客户之间的信任。这些东西，AI给不了你，平台给不了你，只有你自己能积累。
从今天开始，每次打开AI工具之前，先问自己一句：我用这三十分钟节省下来的时间，是存进了公司的账户，还是存进了我自己的账户？
答案不同，五年后的你，会是完全不同的两个人。
本文由 @kael 原创发布于人人都是产品经理。未经作者许可，禁止转载
题图来自Unsplash，基于CC0协议
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。