我目前所在的公司，是行业头部企业，IT 部门年前也宣布裁员了。虽然这是经济下行的直接驱动，但也是未来较长一段时间内传统企业的缩影

我目前所在的公司，是行业头部企业，IT 部门年前也宣布裁员了。虽然这是经济下行的直接驱动，但也是未来较长一段时间内传统企业的缩影。元宝、豆包和千问在各个春晚上大规模的营销，预示着 AI 开始向生活的方方面面渗透。企业端的深入应用往往会比消费端要晚一定的时间，但是 AI 终究是不可阻挡地来了，不会等待任何犹豫不决的人。尤其当前的经济形势下，即使 IT 部门已经多多少少在推出集成 AI 的系统功能，但对企业管理者而言，不能替代人的 AI 是达不到预期的。而替代人，应该从 IT 部门开始。

新年假期，我花了一些时间学习和使用 TARE SOLO。虽然TARE目前在完成非常复杂的代码任务的出错率仍然较高，但是在构建成熟、基础代码工作的时候，效果简直惊艳。一次测试里，通过我一步步输入详细的要求，TRAE SOLO 花费了大概共计 10 分钟，搭建了一个基于 FastAPI 的后端框架，连接上 MariaDB 数据库，为数据库中的 10 多张表都生成了 CURD 的 API 文件和路由，并且使用 user 表的 username + password_hash 字段生成了完整的验证账号密码，返回 API 访问 Token 的鉴权机制，最后自己调用浏览器运行验证成功。而我自己搭建这一套功能，大概要半天时间，而外包供应商报工时一般会报到 1-2 个人天。从甲方 IT 的角度评估，这样的工具，足以在企业 IT 部门中开始应用了。

我不禁开始思考，传统企业的 IT 部门，现在应该做什么来应对 AI 趋势？我认为核心还是人，2026 年关于人的学习、淘汰、整合这三件事是肯定可以开始做起来的。为了避免很多同学不停地抬杠，这里的探讨是基于大中企业中具有一定规模的 IT 部门。

起步：学习

在 AI 重构企业 IT 生态的浪潮下，传统企业 IT 人员学习 AI 已从 “可选项” 变为关乎职业生存的 “必答题”，其必要性集中在思维革新与技能迭代两大维度。传统 IT 部门，必须开始要求全员改变思维，深入学习应用 AI 工具来自我技能升级。

思维层面，AI 彻底颠覆了传统 IT 的工作逻辑。过去，IT 工作聚焦需求文档编写、代码编写、系统配置等具体执行，以 “实现需求” 为核心；而 AI 时代， “定义目标 + 指挥 AI”，精准需求驱动 AI 生成方案，IT 工程师聚焦审核优化，这种人机协同开始成为可能。

技能层面，AI 对传统 IT 技能的替代与重构，使得 AI 相关技能成为职场立足的前提。大量基础工作如代码编写、运维监控、测试用例生成等已被 AI 高效替代，但只有会使用 AI 工具的人才能够高效产出。会使用 AI 可不仅仅是会使用 Agent，IT 工程师要理解 AI 的基本原理，熟练使用 Skills 等复杂工具，对于 AI 的异常结果知道如何优化等。未来 1-3 年，可以想象的是 IT 核心工具将全面内置 AI 助手，不会运用这些功能的人员将效率落后，如同 “新时代不会打字”。

我年纪在而立和不惑之间，就自身感受而言，学习 AI 一定程度上还是非常痛苦的，不仅要面对新知识，还要面对各种新问题，更要具备更高的能力去审核优化 AI 生成的结果，比如代码。在 TRAE SOLO 的测试里，代码运行报错后，如果 AI 自我迭代了两三次以后，还是不能解决问题，AI 往往会陷入带有“幻觉”的分析里，这时候人就要介入了。所以AI 的使用，绝不是对人的能力要求降低了，反而是对人的能力要求更高了。为什么这么说？因为 AI 是一个能完成基础工作的工程师，而使用 AI 的人，更像是一个经理，去审核评估并反馈 AI 生成的结果，甚至在 AI 无法解决问题或者持续无法给出满意结果的时候，输入新的思路给 AI。

最难：淘汰

2026 年一开始，Salesforce、AutoDesk、WorkDay(HR SaaS) 都宣布了裁员，Salesforce CEO 直言 “AI 让公司需要更少人头”。我想对于传统企业 IT部门也是同理，如果 IT 部门都不能实现 “AI 让 IT 团队需要更少的人头”，那又能如何说服公司去投资 AI 呢。那些在思想上无法转变、技能上不能迭代的群体，以及仅依赖基础工作立足的初级工程师，必然会被 AI 时代的职场所淘汰。

思想固化者首当其冲被淘汰。这类 IT 人员固守 “技术执行者” 的传统认知，拒绝接受 “人机协同” 的全新工作逻辑，执着于手工编码、被动响应需求的旧有模式，对 “定义目标 + 指挥 AI” 的高效工作方式抱有抵触心理，而思想的僵化比技术的落后更致命。

技能滞后群体同样难逃被淘汰的命运。AI 技术正在快速替代基础 IT 技能，而部分 IT 人员满足于既有的代码编写、运维监控、测试执行等传统技能，拒绝学习提示词工程、AIOps、Skills、低代码 + AI 等 “新基本功”。

仅从事基础工作的初级工程师，将面临最直接的岗位替代危机。AI 在代码生成、脚本编写、测试用例设计、日志排查等基础工作上的效率，已远超人工且成本更低。企业不再需要大量人力完成重复性工作，而是更青睐能与 AI 协同、聚焦审核优化、具备业务理解能力的复合型人才。

对于任何 IT 部门的管理者而言，淘汰是艰难的、痛苦的。但是这是转型的必经之路，在 IT 部门被业务抛弃之前，这是不可避免要去做的。

落地：整合

AI 技术在企业 IT 部门的深度落地，不仅仅是改变个体的工作方式，更是推动组织架构从 “职能割裂、层级繁琐” 向 “扁平高效、协同一体” 重构。核心逻辑是，AI 替代了大量重复工作和多种技能工作，让跨岗位整合成为可能。

信息系统岗位的 “全流程整合”可以开始尝试落地。

企业管理信息系统，基本上是逻辑复杂的 CURD 系统，流程、逻辑、表单、接口和数据。技术复杂度相对较低，逻辑复杂度相对较高，基础开发工作较多，比如开发新的表单、新的流程、新的校验逻辑，这恰恰是 AI 擅长的。

以前，IT 部门到达一定规模以后，产品、开发、测试、运营往往是泾渭分明的独立岗位，依赖层层沟通衔接，效率较低。AI 的深度介入，让单一角色具备全流程落地能力：一个信息系统工程师在深入理解业务需求的基础上，可通过 AI 快速生成需求文档、原型设计，直接输出基础代码，借助 AI 自动生成测试用例、完成回归测试，最后经过人工审核上线。

这种“一人 + AI” 即可覆盖全流程的工作模式，聚焦业务价值闭环，减少在跨岗位沟通中耗费精力，直接通过 AI 协同完成从需求到落地、从运营到优化的全链条工作，极大提升决策与执行效率。

当然，这一切必须要辅助一定的治理体系，来维持必要的风险控制。不仅仅是 AI 应用的技术治理，也是“一人”覆盖全流程的过程治理。这一过程很大程度上将依赖工程师“一人”在产品、设计、开发、测试、运营这一系列过程的能力和责任心。一开始，不妨步子迈的小一点，比如先把产品和开发合并，测试和运营合并，先试试看。

AI 驱动的 IT 部门架构重构，是用技术替代冗余的人力环节，让团队聚焦核心价值创造，最终才能实现借助 AI，以更少、更精的人员，实现更好地交付。

最后的最后，变化总是来的太快，预则立，不预则废。也许这里的探讨不一定正确，也许今天还是一路荆棘，但我们不要忘却心向远方，面朝大海。