# 会用 AI 也可能失业：未来 3 到 5 年，会部署 AI 的人更有机会留下

- 原文链接：https://mp.weixin.qq.com/s/iZNzYt3Dl7BcV570bRcFlQ
- 来源：微信公众号「51CTO技术栈」；编辑：姜篇
- 一手线索：Ian Bremmer 访谈视频 https://www.youtube.com/watch?v=Bj02me1CHmE
- 发布时间：2026-08-24 17:30 CST；获取时间：2026-08-25

## 正文

文章围绕 Ian Bremmer 对“deploy AI”的强调展开。它把“会用 AI”与“会部署 AI”区分开来：前者是把任务交给模型，后者是让 Agent 进入真实系统后，仍能在上下文、工具、验收、权限、回滚和成本约束下稳定完成任务。文章的就业标题带有强调色彩，但其可复用部分是 AI 从个人聊天走向工程系统时需要补齐的部署能力。

### 1. 工作过程正在成为训练与自动化材料

文中以工人佩戴摄像头记录操作为例：人的动作、工具使用和工序会成为 AI、机器人训练数据。软件团队同样沉淀了 Issue 拆解、Pull Request 修改、测试失败和事故排查日志。Agent 进入研发流程后，这些材料既可帮助模型学习项目规则，也带来数据范围、员工记录归属、私有仓库留存和供应商训练使用等治理问题。

文章建议在接入 Agent 前明确哪些仓库可读、哪些日志需脱敏、哪些会话可留存，以及供应商是否能将内容用于训练。这类规则应进入配置、权限与合同，而非依赖工具默认项。

### 2. 部署能力不是 Prompt 技巧

文章用“修复支付重复扣款”说明部署的完整含义：Agent 可以定位函数并补幂等判断，但上线前仍要有复现用例、历史订单处理、生产数据库限制、回归测试、灰度和回滚。缺少任何一项，都可能把局部修复变成生产事故。

文中将部署能力拆成五件事：上下文来自哪里、Agent 可调用哪些工具、结果如何验收、权限怎样收紧、失败如何撤回。Prompt 写法会随模型变化而变化；代码库入口、测试命令、权限规则、日志与回滚机制则是可复用的团队资产。

### 3. 智能按量计费，成本成为运行指标

文章将“智能商品化”落到 Agent 运行成本：一次任务的费用不只取决于输出代码量，还与仓库读取范围、重试轮数、搜索和终端调用次数、上下文压缩以及是否走错方向有关。相同的“任务完成”可能有数量级不同的成本。

因此，部署不仅看成功率和耗时，也要记录每次成功的成本；预算上限、超额熔断和任务级追踪应成为工程设计的一部分。

### 4. 同一能力既能修漏洞也能利用漏洞

模型发现漏洞和补丁的能力具有双用性。文章指出，代码仓库、CI、云控制台和生产数据库不应共用同一权限：读取、修改、测试和生产发布需要分层授权；密钥应按任务短期下发；删除数据、改权限和发布生产必须保留人工确认。

完整运行记录也不可缺失。团队需要追踪 Agent 读取了什么文件、执行了什么命令、为何修改模块、失败后如何重试；只看最终 Diff 无法解释事故路径。

### 5. 企业应购买学习时间，而不是只购买账号

文章转述 Ian Bremmer 的建议：面对工作流变更，组织应留出固定 AI 训练时间，而非购买账号后立即要求产出跃升。一个四周练习路径是：先选可回滚维护任务，再把验收条件写成测试，随后接入 CI、权限与日志，最后复盘成功率、人工返工和单次成本。

训练的目标不是制造演示，而是亲自遇到上下文缺失、测试不稳、权限过大和成本失控，并把问题修进工作流。

### 6. 就业预测应与任务迁移分开讨论

文章承认“未来 3 到 5 年只有会部署 AI 的人才能留下”不是经过验证的就业预测。Ian Bremmer 在短期就业判断上也认为变化会受组织惯性、监管和经济周期阻滞。更可观察的变化是，测试补齐、依赖迁移、日志排查和批量重构等任务正在由 Agent 接手，岗位不会一夜消失，但岗位内部的任务结构会改变。

## 来源限制

本文为 51CTO 对 Ian Bremmer 访谈的中文整理，未核验原视频逐字稿、职位预测、经济判断或引用的案例。AI 部署与权限实践应按实际系统、数据敏感性和监管要求设计；不构成就业、法律、安全或供应商合规建议。

标签： #主题/AI部署 #主题/AI原生工作法 #主题/Agent治理 #主题/AI培训 #主题/成本治理 #主题/权限治理 #场景/公众号长文 #节点/部署能力 #节点/任务迁移 #节点/人工签收