一句话看懂：沃顿商学院教授 Ethan Mollick 在 2026 年 11 月 11 日的推文中提出，编程是“AI 扩散缓慢论”的反例——真正可用的编程智能体出现不到一年，这个职业的完整改造已经展开，速度超过他所预期的历史职业技术采用节奏。这提供了一个观察 AI 落地快慢的关键样本。
事件核心：发生了什么
Mollick 的推文核心是一组对比：此前业内普遍用历史技术采用曲线推断，AI 对专业工作的渗透会比较慢；他以编程为例，称在足以承担实际工作的 coding agent 出现后不到一年，这一职业的“完整转型”已在进行中。推文发布于 2026-11-11，截至其页面显示约 2.35 万次浏览，互动量有限。需要说明的是，这是发帖者基于自身观察的判断，并非某项公开研究或官方统计，推文也未给出具体渗透率、工具名单或案例数据，目前公开信息显示其结论更多是方向性论断。
为什么重要
如果这个观察成立，它挑战的是 AI 商业化中最常见的预期管理方式：把编程与客服、法律、医疗等职业并列，按历史节奏推算落地周期。编程的特殊性在于任务可验证、反馈周期短、代码与工具链天然适合由大模型调用 API 完成，这里先跑通并不意外。真正值得关注的是溢出效应——当推理成本下降、开源与闭源模型在代码任务上持续竞争，智能体从“辅助补全”走向“端到端交付”的经验，可能被复制到其他知识工作，从而改变企业采购 AI 工具时对时间表的判断。
对用户/开发者/创作者的影响
对开发者而言，信号不是“编程岗位消失”，而是工作重心继续从逐行编写转向需求拆解、代码审查、测试与系统设计，能否用好编程智能体正在成为基本技能。对企业采购方，这意味着评估 AI 应用时更应看实际任务完成率，而非等待成熟周期。对创作者和其他知识工作者，编程是观察 AI 如何重排工作流的先行样本，但不宜直接类比自身行业，因为各职业的可验证程度和错误成本差异很大。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
可观察三点：一是是否有公开数据或调研印证编程任务的自动化比例与时间线；二是主流编程智能体在产品成熟度、定价和 API 生态上的变化；三是这种“快速改造”是否在客服、数据分析等相邻职业中出现类似迹象。此外，代码质量、安全审查与责任归属仍是智能体大规模落地需要回答的问题。
来源：@emollick
