执行变廉价之后，什么能力还值钱
执行变廉价之后，什么能力还值钱
AI 改变的不是效率，是定价机制
AI 让很多事情变快了，但职业差距在拉大。
junior 被 AI 放大，senior 更值钱，但 senior 更难被组织看见。
所有人都能用 AI 写代码、做分析、出报告的时候，执行效率就不再稀缺了。市场在重新定价：什么能力真正稀缺？什么能力 AI 替不了？
我想讨论的就一件事：在 AI 时代，什么才是真正的长期定价能力。不聊怎么用 AI，不聊 prompt 工程，不聊求职技巧。
职业价值的本质：降低不确定性
从第一性原理讲，不确定环境中职业价值的公式是：
价值 = 正确性 x 执行效率
AI 提升的是执行效率。但方向错了，效率越高亏得越多。
在确定性系统里，执行效率直接产生价值：写代码、代码跑、价值出来，很线性。但在高不确定系统里，执行效率只是必要条件。能稳定降低不确定性的能力才产生复利价值。
不确定性 = 系统未来状态不可预测程度 x 错误决策不可逆程度。
系统复杂度持续增长，依赖关系动态变化，错误决策后果不可逆的时候，不确定性就出来了。方向错了，执行效率再高，价值是负数。
当执行成本趋近于零，市场只会为判断和责任付费。AI 让任何人都能快速执行的时候，执行本身就变廉价了。市场开始给那些能降低不确定性、控制风险、承担后果的人付费。
Senior 更值钱，但更难被看见
这里有个结构性矛盾：senior 更值钱，但更难被组织识别。
因为 senior 的价值体现在"没发生的事情"上。
没出事故，看不见价值。没走错架构，看不见价值。没误判，看不见价值。
组织天然更容易奖励做了 visible output 的人，预防的价值是"没发生的事故"，怎么量化？怎么证明？
所以 senior 面临一个困境：价值最大，最难被识别。
解法是什么？预防必须被指标化，否则不会被定价。
senior 需要主动构建可见性：MTTR 下降、incident 频率下降、oncall 负担下降、变更成功率提升。这些指标不是自然冒出来的，是 senior 主动设计出来的：建监控、设计诊断路径、构建预防机制，然后通过指标证明价值。
即使有指标，senior 的价值证明也需要时间。短期可能看不到价值（因为问题没发生），中期通过指标化证明，长期通过系统稳定性证明。市场看长期价值，组织看短期产出。
Junior 和 Senior 的真实分界线
别用经验年限或技术栈区分 junior 和 senior。直接用决策层级区分。
第一层：工具型执行者
接到任务能完成，熟悉工具，能写代码、部署、调参。AI 对这一层放大效果最强，但也最容易被替代，因为 AI 也能执行。
第二层：问题型决策者（senior 起点）
判断问题本质，知道先做什么后做什么，能控制误判成本，能建立诊断路径。这一层开始跟 AI 拉开距离。AI 能给答案，但不承担误判成本。AI 可以识别风险模式，但不会为结果负责，所以不会做责任约束下的决策。
第三层：系统型预防者（staff+ 思维）
看到问题模式，设计机制减少未来问题，建立可复用诊断系统，降低长期不确定性。价值不在解决问题，在减少问题出现的概率。这一层 AI 最难替代。
这里要说清楚一个概念：中间层不是职位等级，是一种工作模式。持续解决问题，但不定义问题、不建模系统、不降低未来问题概率。
几个信号可以自测：不参与系统级决策、不构建诊断模型、不设计长期机制、只在 ticket 范围内优化。符合这些特征就是中间层模式。不是说"不够好"，是说这种工作模式容易被 AI 压缩。
中间层最危险：执行能力强（AI 可以替代），但缺乏问题建模和系统决策能力（没法跃迁到 senior）。
医生类比：诊断型职业
程序员和医生本质上都是高不确定性诊断职业。一个诊断人体，一个诊断系统。
在高不确定性系统里，工具越先进，经验（诊断顺序、风险判断）反而越值钱。
因为核心价值不在检测和执行，在诊断顺序、风险控制、预防策略。
医疗设备越来越强，检测越来越自动化，数据越来越丰富。但医生仍然不可替代，因为医生真正的价值是：判断先查什么（诊断顺序）、判断是否过度治疗（风险控制）、控制风险（责任承担）、形成预防策略（长期机制）。
对应到软件工程：
| 医疗 | 软件工程 |
|---|---|
| 检测设备 | observability / logs / metrics |
| 化验数据 | monitoring / traces |
| 手术工具 | CI/CD / k8s / cloud |
| 诊断 | root cause analysis |
| 预防复发 | system design / automation |
高不确定性系统中的职业最终都会进化成诊断型职业。医生是最典型的样本。系统复杂度持续增长、错误决策后果不可逆的时候，核心价值就从"执行"转向"诊断"。工具越先进，执行越容易，诊断越值钱。
怎么判断方向对不对
如果方向正确性只能事后判断（靠结果验证），那整个论点就变成了"成功的人方向才是对的"（幸存者偏差）。
但方向正确性可以事前判断。不是判断"会不会成功"，是判断"有没有减少不可逆错误"。
可以事前看的标准：是否增加系统复杂度、是否增加耦合、是否增加恢复难度、是否增加单点风险、是否降低可诊断性。这些都是不可逆的。
比如：选微服务还是单体，评估复杂度、耦合度、可恢复性。选数据库方案，评估单点风险、可诊断性。选监控方案，评估可诊断性、恢复难度。这些判断在结果出来之前就能做。
两个容易混淆的概念：系统复杂度和业务复杂度。senior 需要降低系统复杂度，但得适应业务复杂度。可观测性（能看到状态）不等于可诊断性（能从状态推断原因）。
方向正确不等于结果成功。方向正确 = 是否降低不可逆风险。
差距在分化，不是在缩小
AI 时代的能力差距不会缩小，会分化成哑铃结构：
低端被 AI 放大（执行更快，但可替代）。高端被 AI 强化（工具更好，价值更高）。中间层被 AI 挤压（执行可替代，但跃迁不了）。
现实已经在发生：junior 产出暴涨但薪资不涨，senior 决策权上升但人数更少，中间层执行更多任务但价值在降。
AI 提供答案，但不提供责任。AI 能识别风险模式、生成执行方案、优化执行效率。但 AI 不承担误判成本、不做系统级决策、不设计长期机制。
真正稀缺的是能对结果负责的人。
短期看，AI 放大执行者（提高效率）。中期看，AI 替代部分执行者（自动化）。长期看，AI 只保留需要判断和责任的执行者。
市场定价基于供需关系（senior 更稀缺，价格更高）。组织定价基于可见产出（senior 价值不可见，可能被低估）。
三种不可替代的能力
1. 问题建模能力
把模糊问题转成可诊断结构，把复杂系统拆成因果路径。这是 senior 和 junior 最大的差异。不是"我会 k8s"，是"网络问题怎么诊断"。不是技能清单，是能力图谱。
2. 风险控制与优先级判断
知道什么不能动、什么先验证、什么会扩大 blast radius。AI 能识别风险模式，但不为结果负责，所以不做责任约束下的决策。
误判成本分几种：时间成本（误判导致重做）、机会成本（误判导致错过机会）、系统成本（误判导致故障或数据丢失）、信任成本（误判导致团队信任下降）。senior 的核心能力就是控制这些成本。
3. 系统性预防能力
解决一次问题很容易。减少未来问题才稀缺。能建检查清单、建监控信号、建防复发机制。这就是 staff+ 思维。
可替代价值（执行效率、工具使用、代码实现）和不可替代价值（问题建模、风险控制、系统设计、责任承担）的区别在于：执行效率创造短期价值，但不创造长期定价权。
怎么跃迁：从执行者到系统型工程师
第一步：把每次 debug 写成"临床病例"
记录症状（问题表现）、误判风险（可能的错误方向）、诊断路径（怎么定位的）、root cause（根本原因）、预防方案（怎么避免再发生）。这不是写文档，是建诊断模型。
第二步：建能力图谱
不是"我会 k8s"。是：网络问题怎么诊断、存储问题怎么诊断、调度问题怎么诊断。技能清单（我会什么工具）可以被替代，能力图谱（我怎么诊断问题）替代不了。
第三步：建价值账本
所有成果转化为：降低风险、降低成本、提升稳定性、缩短 MTTR。这是 senior 定价能力的来源。具体指标：MTTR 下降、incident 频率下降、oncall 负担下降、变更成功率提升。
跃迁路径：
第一层到第二层：从执行任务到定义问题。需要问题建模能力，方法是建诊断模型和能力图谱。
第二层到第三层：从解决问题到预防问题。需要系统设计能力，方法是建长期机制和价值账本。
最后
AI 会替代执行者，会放大诊断者和系统型工程师。
职业安全感不来自会不会用 AI，来自在复杂系统中能不能降低不确定性。当执行变廉价，判断和责任就是唯一的稀缺资产。
我自己的体会是：从"我能做什么"切换到"我能避免什么"之后，职业路径反而清晰了很多。在 AI 越来越强的环境下，"会用工具"的价值在缩水，"知道什么时候不该动"的价值在涨。