阿里许晓斌称AI编程工具未质变取代程序员不现实

软件编程是生成式 AI 最早冲击的领域之一，而技术团队管理者对 AI 编程工具的态度，很大程度上决定了整个团队的使用效率。最近我读了阿里巴巴技术风险与效能部技术总监许晓斌的一篇访谈，他在团队管理方面有五年以上经验，直接聊了聊 AI 编程工具的现状、管理挑战和未来判断。以下是他的一些核心观点，整理出来分享给大家。

不觉得 Cursor 已经形成了突破

目前开发者用得比较多的生成式 AI 编程工具，主要分两类：一类是代码补全，集成在 IDE 里；另一类是代码会话，可以在 IDE 里独立交互。此外还有嵌入研发流程的 AI 增强，比如 Code Review、自动升级 JDK、诊断各种错误等。它们都能帮开发者提升日常效率。但缺点也很明显——补全和会话这类产品相对成熟，其他功能还处在比较初步的阶段。

至于最近很火的 Cursor，有些开发者甚至表示愿意月付 100 美元。许晓斌的看法比较冷静：Cursor 之所以让人惊艳，是因为它在底层重新思考 IDE 的设计，比如可以在任意文件夹、文件或代码库中呼出会话上下文，这是其他 IDE 做不到的。但要说它抓住了多大的痛点，他觉得还没形成突破，还需要再观察。

为什么 AI 编程工具发展这么快？两个原因：一是程序员群体薪资高，提高效率的商业价值显著；二是这个群体对新技术的热情很高，积极拥抱变化，反过来加速了迭代。

AI 编程工具仍处于初步阶段

谈到整体发展程度，许晓斌认为目前所有 AI 编程工具都基于之前的研发流程范式改进，各种产品不断涌现，说明还处于初步阶段，而且模型的演进给产品带来了巨大不确定性。对开发者来说，主动拥抱和使用才是正确的——未来 AI 必然会替代一部分工作。

优化方向有两个：一是模型自身的突破，这部分他不专业；二是企业需要重新思考自己的数据，让编程工具能充分利用起来。

不支持才需要问为什么

作为管理者，许晓斌非常支持团队使用 AI 工具。“不支持才需要问为什么”，何况他们团队自己也在建设 AI 工具（比如 Aone Copilot），自己得吃狗粮。团队很多成员会用 GPT 或千问替代搜索引擎查阅资料，他自己做新技术研究时也会让 GPT 推荐论文，学习新语言和框架时依赖代码会话工具——多数建议相当准确。

至于生成式 AI 对软件工程的影响，他目前没有清晰判断，不太信任各种“碘伏”断言，也不持保守态度。积极使用、理解、学习，是比较正确的方法。

代码质量与技术债

有团队成员用 AI 写代码，担心质量问题吗？许晓斌表示，团队有严格的 code review 和单元测试覆盖流程，无论是否 AI 生成的代码，都要走 review 和 CI。实践中没遇到过 AI 代码引入的严重生产问题，很多时候人写的代码质量未必比 AI 高。他们内部还在研发基于 AI 的 code review 工具，虽然起步阶段，但长期肯定能改进代码质量。另外，一些运维阶段才暴露的问题，传统做法靠发布工具和监控改进，未来这部分也能用 AI 赋能，比如 SRE Copilot，但难度更大。

关于技术债，许晓斌的观点很直接：今天主流 Copilot 生成的代码质量不错，没想象中那么差；而很多开发者自己写的代码质量也很差，没想象中那么好。他不认为用 AI 工具会带来更多技术债。更何况技术债的关键不在于编码那一刻，组织架构、系统架构、技术 Leader 对长期健康的重视，远比编码方式重要得多。

对管理者：没产生质变，鼓励积极使用

员工用 AI 编程工具给管理者带来什么挑战？许晓斌觉得没什么大挑战。很多人说 AI 要替代程序员，至少在他团队（负责阿里巴巴研发运维基础设施）还不现实。他会鼓励大家积极使用工具提高效率，团队多数人每天都在用。这个问题的回答也侧面说明：今天 AI 编程工具的引入还没产生质变——质变意味着真的替代掉一些岗位，让岗位消失，那时候管理者需要重新思考组织设计。

对团队开发者的期望就是积极去用，鼓励为主，不设严格门槛。他用 AI 工具不像训练模型，团队里大概八成的人每天都在用相关工具。

技术管理者如何带队和自我提升

这个问题比较大，也和 AI 不是强相关。提高团队效率的核心是提升开发者体验：第一，设置挑战性目标激发团队；第二，在组织结构和系统架构上设计合理的高内聚低耦合边界，减少沟通消耗；第三，建立好的工程师文化和氛围，关注工程质量；第四，提供最好的工具，无论是 AI 还是平台工程。前三点需要管理者有意识地建设，对人的沟通共情、组织设计、系统设计和软件工程理解，都需要长期提升。

AI 替代岗位与开发者竞争力

一些公司提倡用 AI 编程工具优化开发岗位，许晓斌理解这个商业逻辑：提升效率等于降低成本，下一步就是优化岗位。但他认为很多人短期内高估了 AI 的能力，今天 AI 编程工具还比较初步，能替代的只是一些简单岗位，比如不涉及复杂业务逻辑的前端，或者有测试用例文档后编写测试代码的测试岗。实际上 AI 出现之前，这些岗位早已被外包（编程能力较弱）取代，背后的成本逻辑一致。

无法被 AI 取代的部分有三类：需要大量沟通理解的领域模型和业务逻辑；可用性质量要求高的系统（调度、中间件、存储核心）；逻辑极度复杂的场景——短期模型能力还不够。

技术管理者：技术与管理必须兼顾

最后聊到技术管理者应该是技术派还是管理派。许晓斌认为这个问题本身是错误的——技术管理者需要同时兼顾技术和管理，缺一不可。实际工作中他看到的优秀管理者都是两者同时成长的。只做管理，缺乏技术深度，会在风险识别、人员任用、系统架构上出问题；只关注技术，缺乏对人的理解和关心，团队变大后冲突矛盾会放大。管理者很多时候是在基于对每个人的理解和认同基础上，建立团队共识和积极氛围，这是解决工程师团队规模 scalability 的事——随着人增多，如何保障平均每人贡献不下降。

给技术管理者的建议两条：第一，不要轻视技术，要持续关注和学习；第二，你是否从成就他人的过程中获得成就感？如果答案是 yes，那你肯定能做好管理者。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：阿里许晓斌称AI编程工具未质变取代程序员不现实要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题