一谈到智能化，很多朋友就会出现一个场景，那就是机器人替代人来做事情，确实在很多场景中并非如此。数年前我去参观了一个以前2000工位，需要4000多工人两班倒的电子工厂，智能化改造后是13个各类专家带着2000多个机械臂在干活。这个现象的本质并不是机器人替代了人，而是另外一批更适应AI时代电子厂工作的人（13个人）替代了原本4000多人的工作。这十三个人不是电子厂产线的熟练装配工，是产线管理专家、电脑专家、质检专家、机修工和业务能手。
前两天还有朋友在我的公众号留言说，既然决策还要人，还谈什么智能化？这位朋友可能对智能化的理解与我不同，在绝大多数场景中，智能化是一个擅长智能应用的人，带领一群智能体去工作。因为可以把一些繁重的数据采集、数据分析、初步推理、方案编制等工作交给智能体来完成，领导智能体的人可以腾出手来做一些更深层次的工作，比如通过思考后给智能体一些分析方向上的指导。这种人+智能体的协同模式远比人单独去做某些事情更加高效，也远比传统的人+传统运维监控系统高效得多。这才是AI赋能的有效工作模式。在一些运维事故处理方面，这种模式的优势十分明显，以往需要花很长时间采集数据、分析数据的过程由智能体更加高效地完成。人类专家可以更快速地定位问题，做出更加合理的决策。
AI赋能对我们还有另外一个好处，那就是打破人的能力界限，提高人的生产力。我从一年前开始使用AI工具做氛围编程。感受到好处后，我就想把这个经验推荐给我的那些年过半百的小伙伴们，不过他们对此一直不太热心，因为30多年的工作经验，以及在领域内的专家身份，让他们对AI这种不太了解的事物有种天然的排斥。有一次开会的时候提起要安排研发写个小工具来帮我们预处理一些数据。我当即把电脑投到大屏上，当着他们的面开始写程序。不到十分钟，那个程序已经让大家感到挺满意了。从那天起，他们也开始尝试用AI帮他们写程序了。
以前我有些想法，先要看公司的研发是否有空，然后我把我写的需求交给他们，再花上一两天把需求讨论周全，研发才开始干活。搞出来的第一版、第二版肯定离我的需求差距较大 ，要经过多次修正，这个代码才凑合能用。
当国庆假期我想给BIC-QA编写一个达梦数据库的巡检工具的时候，我也不想打扰这段时间一直加班的同事，于是我想自己试试在AI帮助下写一个shell工具，完成二十多项达梦巡检数据的采集，生成json数据包。没想到花了一天时间，居然被我搞出来了，效果完全达到我的预期。
上面这张图是我写的程序，这个程序可能与大家平时观念中的程序不同，没有看到if then else这些逻辑判断，是更加清晰的业务描述。实际上我花了半天时间来写这个程序，花了半天时间调试并跑通了这个程序，让这个工具采集后生成的数据包满足我的要求。在3号，我又写了另外一个近3000行的PYTHON服务端程序，完成了读取、解析和预处理这个程序采集的数据包的工作。
我写的程序是一个类似MarkDown的需求文档，在这里描述了我对这个工具的详细需求。我不擅长写复杂的shell工具（这个工具里用到了sed/awk/grep/管道等十分复杂的shell编程），但是我了解达梦数据库的数据采集该怎么做。于是我在AI智能体的帮助下达成了我的目标。
在AI赋能下，一个人不需要成为操作某个具体事情的高手，只需要把一些重复性比较强、比较容易规则化的操作做成AI智能体，然后由这个对业务理解比较深刻的专家带领智能体去干活了。今后可能业务人员不需要求着研发人员和DBA来帮他们优化SQL了，他们手下就有不比普通优化专家差的SQL优化智能体，在AI的帮助下编写出比现在大部分开发人员质量还高的SQL语句。
未来的职场必然会发生改变，未来的工作模式也必然会发生巨变。我想这件事，值得我们多去思考思考，在AI时代，每个人都应重新找到自己的定位。
