问题从哪来：五千块行情与 AI coding 的双重挤压

开场引用老杨的文章《当码农工资降到五千，用人还是用 AI coding》，点出后台与群里最集中的焦虑：信息部门这帮开发怎么办，老板会不会拿外面的行情来砍编制。核心判断被立起——真正的问题不是 AI 会不会替代我，而是如果我只能做 AI 能做的事，我还有什么价值。

第一条路：向上走，做 AI 做不了的判断

AI 擅长写代码，不擅长做判断。向上走包括理解业务潜规则、做技术决策与选型权衡、审核 AI 生成代码的坑、在故障时定位根因并协调应急。结论是把人从写代码的人变成解决业务问题的人，代码是手段不是目的。

第二条路与第三条路：成为 AI 原住民，或停在原地

横向走意味着把 AI 当新的工作方式：用它做以前不会做的事、把它当团队成员管理、建立人机协作节奏。区别在于「用 AI 协作」还是「与 AI 协作」。停在原地则意味着能力边界与 AI 重合，工资取决于还有多少人能替代你。三条路没有对错，只有代价。

管理层的拷问：砍人头还是提能力

人力成本下降、AI 工具普及，负责人的第一反应是算账，但这是线性思维。信息部门的效能是人用工具解决问题的效率这个乘数。砍人头是短期账、一次性省钱，提能力是长期账、持续复利。如果一个人的工作能被 AI 替代，说明他本来就在做低价值的事。

提能力的三个前提：有活、有信任、有成熟度

提能力不是想提就能提。前提一是有足够的高水平工作，能力在实践中长出来而非培训出来；前提二是管理者与开发人员之间有信任，放权容错才有判断力的生长空间；前提三是企业数字化成熟度足够，否则「稳定优先」会压住一切尝试。不具备时强行推动只是换一种方式的内耗。

未来三年的三种角色与收束：价值是自己决定的

AI coding 不会消灭开发团队，但会改变人才结构：架构与设计、人机协同开发、质量与运维三种角色并存，低水平重复岗位大幅减少，高判断力岗位更稀缺。结尾点题：价格是市场决定的，价值是自己决定的；只会写代码不值钱，能在 AI 之上提供额外价值的人反而因稀缺而升值。