最近在研究 AI Native Product Engineering（NPE，AI 原生产品工程）相关的方法论，思考 AI 如何影响产品研发流程。
刚好看到 Anthropic 工程师、Claude Code 创造者之一 Boris Cherny 在 X 上分享了一些关于未来工作角色的思考。
Claude Code 代表了一种新的软件开发方式。开发者不再只是通过传统方式编写代码，而是开始与 AI Agent 协作，从需求理解、方案设计，到代码实现和验证，共同完成产品创造过程。
Boris Cherny 观察 Claude Code 团队后提出，随着 Engineering、Product、Design、Data Science 等传统角色之间的边界逐渐模糊，未来的软件团队可能不会再按照今天的岗位划分工作。
他总结了五类不同的工作角色：
Prototyper（探索者） 负责发现问题、提出方向，并快速验证想法是否成立。
Builder（构建者） 负责将经过验证的想法转化为真正可用的产品。
Sweeper（优化者） 负责降低系统复杂度，让产品和技术架构更加简单、高效。
Grower（增长者） 负责推动产品发展，让价值不断扩大。
Maintainer（维护者） 负责保证系统长期稳定运行。
这些角色并不对应传统职位。
在 Anthropic 内部，一名设计师可能不仅负责界面设计，也参与产品探索和原型构建；工程师不仅负责代码实现，也参与产品方向判断和系统优化；产品经理也可能直接参与原型制作和用户验证。
这其实反映了一个更深层的变化：
AI 改变的并不是某一个岗位，而是过去按照专业分工形成的软件生产流程。
软件开发正在从流水线变成协作过程
软件行业可能是最早受到这种变化影响的领域。
过去，一个软件产品从想法到上线，通常需要经过多个环节：
产品经理理解用户需求，整理需求文档；设计师完成交互和视觉设计；工程师负责技术实现；测试人员验证质量；运营团队推动产品增长。
这种模式本质上是一种流水线。每个角色负责其中一部分工作，通过文档和流程进行交接。这种方式解决了规模化协作的问题，但也带来了一个问题：
一个想法从产生到验证，需要经过较长的周期。
AI Agent 出现以后，变化并不是简单地让工程师写代码更快，而是缩短了不同环节之间的距离。
以前，一个产品经理提出一个想法，可能需要等待设计和研发团队完成原型。
现在，他可以借助 AI 快速生成一个可交互的原型，直接验证用户反馈。
以前，一个工程师实现一个功能，需要从需求文档开始理解业务，再逐步完成设计和开发。
现在，可以让 AI Agent 协助完成部分实现工作，把更多精力投入到架构设计、技术判断和系统优化。
因此，软件开发人员的价值也正在发生变化。
过去，一个优秀工程师的重要能力是“如何实现功能”。
未来，更重要的问题可能是：
这个功能是否值得实现？应该如何设计系统？如何让产品长期演进？
同样，产品经理的价值也不会只是整理需求，而需要更加深入地参与问题定义、方案验证和产品构建。
这也是 Boris Cherny 提出的 Builder 和 Prototyper 角色的重要意义。
未来优秀的软件人才，可能不再局限于某一个岗位，而是在不同阶段承担不同角色。
从 AI 工具到 AI Agent：软件研发方式正在变化
这里最大的变化，并不是出现了一个更强大的工具。
过去的软件开发工具，本质上是在帮助人提高效率。例如代码编辑器、自动补全、测试工具，都只是优化某一个环节。而 AI Agent 更像是一种新的协作方式。它能够理解目标，参与多个步骤，并在过程中不断调整。
这意味着软件研发正在从：
需求 → 设计 → 开发 → 测试
逐渐转向：
问题定义 → 快速验证 → 构建 → 持续优化
整个过程更加接近一个创业团队的工作方式。一个小团队，甚至一个人，也可以完成过去需要多个岗位协作的一部分工作。
这也是 AI Native Product Engineering 想探索的问题：
如果未来产品研发天然存在 AI Agent 协作，那么产品、设计、研发之间的流程应该如何重新设计？
广告营销可能是另一个类似变化的领域
如果寻找软件之外最接近这种变化的行业，广告营销是一个典型案例。
广告行业本质上也是一个内容生产流程。
过去，一个品牌推广项目通常需要多个团队参与：
策略团队负责市场分析和定位；创意团队负责传播方向；设计和制作团队完成素材；投放团队根据数据调整效果。
每个角色负责流程中的一个环节。
但是随着 AI 工具的发展，内容生产成本正在快速降低。
例如，一个新能源汽车品牌准备推出新车型。
过去，需要较长时间完成用户研究、创意方案、视觉设计和投放测试。
现在，一个小团队可以快速生成多个传播方向，制作不同版本素材，并根据市场反馈持续调整。
变化最大的地方不是制作能力，而是判断能力。当方案生成变得越来越容易，真正稀缺的能力会变成：
什么方向值得投入？什么创意符合用户？什么内容能够形成长期品牌价值？
未来优秀的广告人可能更像导演。导演不需要亲自完成每一个镜头，而是负责确定方向，并协调整个创作过程。
更多知识型行业会出现类似趋势
类似变化也会发生在咨询、投资研究、工业设计等领域。
咨询行业过去大量时间用于资料收集、行业分析和报告整理，未来这些工作会越来越高效，咨询人员的价值会更多集中在问题定义和决策支持。
投资研究中的信息整理和基础分析会变得容易，但真正困难的仍然是判断机会和承担决策。
工业设计中，AI 可以帮助设计师探索更多方案，而设计师需要更加关注方向选择，以及方案是否符合用户和商业目标。
这些行业虽然不同，但变化逻辑类似：
当执行成本下降之后，人的价值会更多集中在判断、设计和决策。
但不是所有行业都会按照软件行业的速度变化
AI 改变行业的速度，并不取决于行业规模，而取决于工作的性质。
软件、广告、咨询等行业变化较快，是因为它们主要处理信息。
信息可以快速复制、修改和传播。
但制造业面对的是现实世界。
AI 可以帮助工厂优化生产计划，也可以提升质量检测效率。
但是生产线调整涉及设备、材料、供应链和真实环境验证，不可能像修改代码一样快速完成。
因此，制造业未来更可能是人与智能系统协作，而不是完全复制软件行业的发展路径。
类似的情况也存在于大量依赖人与人关系的行业。
AI 时代，重要的不只是职业，而是角色
过去，我们习惯通过职业定义一个人：
程序员、设计师、产品经理、咨询顾问。
但随着 AI 进入工作流程，这些边界正在逐渐变化。
一个工程师可能参与产品设计。
一个产品经理可能参与原型构建。
一个设计师可能完成从想法到验证的完整过程。
Boris Cherny 提出的 AI Roles，并不是新的职位名称。
它更像是在描述一种新的工作方式：
人在创造过程中承担什么责任，以及如何利用工具完成价值创造。
软件开发只是最早发生变化的领域。
未来，更多知识型行业可能都会经历类似的过程。
真正重要的能力，不一定是掌握某一个固定技能，而是能够理解问题、利用工具，并参与完整的创造过程。
这可能就是 AI 带来的一个更深层变化：
从岗位驱动的工作方式，转向角色驱动的价值创造。
参考：
Boris Cherny, “As engineering, product, design, DS, etc. melt into a new kind of role...”
https://x.com/bcherny/status/2071379474277613732