从前端到 AI 应用开发：我想通了什么样的能力更不容易被替代
从前端到 AI 应用开发：我想通了什么样的能力更不容易被替代
今天 GPT-5.6 开放使用，我也第一时间试了试。
说实话，还是被震惊到了。
前端能力又往前走了一大截。以前需要自己反复调整的像素、手写的组件、手动处理的响应式，现在只要把需求描述清楚，模型很快就能给出一个能运行、能交互、甚至还挺像样的结果。
爽是真的爽，但也让人有点后怕。
以前大家讨论 AI 会替代什么，最常见的说法是“替代重复性劳动”或者“替代低端岗位”。最近在工作之余，我一直在想这个问题，慢慢有了一个不太一样的答案：
AI 替代的不是做得不好的人，而是不会做决定的人。
如果代码能力不再稀缺，还剩下什么
试想一下，一个中级前端，代码干净，组件合理，评审几乎没有问题，交付也很稳定。放在以前，这样的人很容易成为团队里的核心骨干。
但现在，模型也能越来越快地做到这些事情，而且成本更低、速度更快。
那这个人还剩下什么？
我觉得答案不是“什么都不剩”，而是评价标准开始变化了。写出一段正确代码只是基础，真正重要的是：
- 这个需求到底应不应该这样做
- 哪个方案更适合当前业务，而不是看起来更炫
- 哪些地方存在安全隐患和长期维护成本
- 什么时候应该坚持，什么时候应该妥协
- 出了问题之后，谁愿意承担结果
这些问题，靠代码熟练度本身解决不了。
能被写成规范的经验，也就能被复制
以前很多老师傅的经验是“手感”，可能没有明确写下来，但知道什么地方容易出问题，知道一个方案看起来能跑，实际上很快会失控。
现在为了让 AI 能够更好地工作，我们不得不把这些经验写成规范、规则、验收标准和流程。
而写下来的那一刻，也会看清一件事：
能被完整写成文字的经验，就有机会被复制；能被复制的经验，就有机会交给 AI 执行。
这并不是说经验不重要。相反，经验依然重要，只是“把经验执行出来”这件事会越来越便宜。真正稀缺的可能变成了：知道哪些经验值得沉淀，知道什么时候不能照规则执行，以及在信息不完整时做出选择。
职业市场可能会分成三种处境
我和一个做技术的朋友聊到很晚，他说这次变化可能不是简单地淘汰某一种岗位，而是把职业市场分成三种处境。
第一种：敢兜底的决策者
投资人在满屋反对票中拍板，合伙人在钱快烧光的时候决定要不要继续，主刀医生在复杂情况下做出手术判断。
他们卖的不是某一项技能，而是愿意为一个不确定的结果负责。
AI 很难替代这种责任。不是因为 AI 不够聪明，而是它没有真正意义上可以被剥夺的东西：没有执照可以吊销，没有家庭需要照顾，没有名誉会破产，也不会因为一次选择承担现实生活的后果。
当执行成本越来越接近于零时，愿意为判断签字的人，反而会越来越稀缺。
第二种：强需要和现实世界交互的手艺人
潜水员需要下到三十米的水下，地质队员需要翻山越岭，文物修复师可能要拿着棉签蹲上几个月，调酒师还要根据客人的状态临场调整。
这些工作不只是知识和流程，还涉及真实环境、身体经验、现场判断和人与人之间的互动。
AI 可以辅助他们做很多准备工作，但很难完全替代现实世界中的复杂条件。
第三种：高技能、高确定性，但不需要承担结果的人
这一类可能是最危险的。
基础财务、电商客服、初阶律师助理、报告整理员，以及一部分只负责把明确需求转成标准结果的岗位，都可能具有相似画像：工作需要一定技能，但结果有明确标准，而且最终责任通常不由执行者承担。
这恰好是 AI 最擅长的区域。
AI 可能抽掉上升阶梯的第一级
过去比较常见的成长路径是：
读书 |
但如果初级执行工作越来越多地由 AI 完成，企业可能不再需要招聘那么多新人。问题在于，很多人的判断力，正是在这些初级工作中慢慢训练出来的。
我们可能正在制造一个没有新手期的行业：所有人都希望新人直接具备判断力，但新人却没有足够的机会通过执行去积累判断力。
这比“AI 会不会抢走工作”更值得担心，因为它影响的是人成长的路径。
“努力就能改命”也需要重新理解
过去，中间层最相信的一件事是：好好读书，练一门硬手艺，长期积累，就能过上相对稳定的生活。
这套逻辑并没有完全失效，但 AI 给出的提醒很残酷：苦练十年的“熟练”，可能是最容易被压低价格的部分。
真正更难替代的能力，可能是：
- 在不确定中做决定
- 对结果负责
- 识别问题本身，而不是只完成别人拆好的任务
- 和现实世界的人、物、环境打交道
- 把模糊目标变成可执行的方案
也就是说，未来的竞争不一定是“谁更会完成任务”，而可能是“谁能定义任务、判断方向，并承担后果”。
我想做的两件事
想明白这些之后，我开始逼自己做两件事。
第一，接到任务时主动往做决定的位置坐，而不是只等别人把所有细节拆好。我要多问几句：为什么这么做？这是最优方案吗？有没有更便宜、更简单或更安全的方式？长期维护会不会出问题？
第二，主动去做 AI 暂时兜不住的事情。这里的“兜不住”不只是技术难，而是需要现场判断、跨角色沟通、承担结果，或者需要对真实业务负责。
这不代表要拒绝使用 AI。恰恰相反，越是把执行交给 AI，越应该把自己的时间放在判断、取舍和负责上。
最后
各家智能体不断发展，执行层的标杆还会继续被拉高。未来很多今天看起来需要专业技能的工作，可能都会变成一句清晰指令加一套自动化流程。
这件事既让人兴奋，也让人不安。
但至少现在，我越来越相信：真正值钱的不是“我能不能亲手把它做出来”，而是当结果不确定、信息不完整、所有人都在等待的时候，我敢不敢为一个选择签上自己的名字。
执行能力会越来越便宜，判断和负责可能会越来越贵。