吴恩达访谈：AI时代，人人学编程，从工具使用者到流程重构者

HumanX 2026 AI 主题峰会访谈 Andrew Ng

这篇访谈主要讨论 Agentic AI（智能体 AI）的真实价值、企业如何落地 AI、个人如何适应 AI 时代，以及未来职业技能变化 。我帮你总结成几个核心观点：

AI 的下一阶段不是简单提高效率，而是通过 Agent 重构整个工作流程；个人和企业都必须从“使用 AI 工具”升级到“与 AI 协作创造新价值”。

一、Agentic AI：不要只做效率优化，要重构业务

作者提出：

现在很多企业使用 AI，只是在做“局部优化”，但真正有价值的是重新设计整个工作流程。

举贷款审批的例子：

传统思路：

人工审批贷款 → AI辅助审批 → 节省1小时人工

这只是效率提升。

更高级的思路：

营销贷款
↓
AI收集申请
↓
AI审核
↓
快速批准
↓
自动执行

结果：

原本：

用户等待一周

变成：

10分钟获得贷款

这不是优化，而是创造新的产品体验。

核心区别：

二、企业 AI 落地的问题：很多只是“AI 洗牌”

很多公司过去一年采用：

“让员工自由探索 AI”

这种 bottom-up（自下而上）方式。

优点：

• 激发创新
• 人人尝试 AI

但是问题：

容易产生：

100个员工
↓
100个AI小工具
↓
零散优化
↓
没有战略价值

真正有效的方法：

高层设计 AI 战略，然后重新设计业务流程。

也就是：

旧业务流程
↓
AI重新设计
↓
新的产品和商业模式

三、未来人才：技术能力 + 人类能力

未来员工需要两类能力。

1. AI 技术能力

包括：

• 编程
• AI工具使用
• Agent构建
• 自动化能力

Coursera数据显示：

2025年：

平均每4秒就有人报名一个 AI 课程。

AI学习需求快速增长。

2. 人类不可替代能力

AI越强，人类价值越集中在：

• 批判性思考
• 沟通
• 团队合作
• 系统思维

因为：

AI负责：

执行
生成
计算
自动化

人负责：

判断
决策
创造方向
理解复杂问题

四、最重要观点：人人应该学编程

这是访谈中最强烈的观点。

他说：

“每个人都应该学习编程。”

原因：

过去：

不会编程的人
+
程序员

合作。

未来：

懂业务
+
懂编程
+
会使用AI

的人优势巨大。

他说：

营销人员、招聘人员、金融人员，只要会代码，就开始超过不会代码的人。

但是重点：

不是让你成为传统程序员。

而是：

不要手写所有代码，让 AI 写代码，你负责设计和控制。

也就是：

以前：

人 → 写代码 → 软件

未来：

人 → 描述需求 → AI生成代码 → 人管理系统

五、程序员的未来：从写代码变成管理 AI 构建软件

软件工程变化最大。

他说：

AI 编程 Agent 正快速提升开发速度。

以前：

15个工程师
开发3个月

现在：

1~2个工程师
一个月完成

但是不是程序员消失。

变化：

以前程序员：

写代码

未来程序员：

设计系统
+
调用AI Agent
+
组合软件模块
+
验证质量

他说：

未来软件开发像搭积木：

软件组件
+
AI编码助手
+
人的产品判断

= 新产品

六、AI时代最大的瓶颈：不是开发，而是想清楚做什么

以前：

瓶颈：

代码写不出来

现在：

变成：

不知道应该做什么

因为：

AI开发速度太快。

一个工程师几天完成任务后，会问：

“下一步做什么？”

所以：

产品经理、设计能力的重要性增加。

未来优秀人才：

不是最快写代码的人。

而是：

发现问题
↓
设计方案
↓
让AI实现
↓
验证价值

的人。

七、未来职业趋势：AI不会简单消灭工作，而是改变工作

访谈认为：

很多所谓“AI裁员”其实混合了：

• 疫情期间过度招聘
• 企业调整

不完全是 AI 导致。

一些企业选择：

员工
↓
培训AI能力
↓
提高生产力

而不是：

员工
↓
淘汰

八、大学教育的问题

作者认为：

大学课程更新速度太慢。

现在很多大学：

培养：

2022年的工作能力

但应该培养：

2028年的工作能力。

未来学历价值下降，技能证明增加。

例如：

• 项目作品
• AI能力
• 微证书
• 实际成果

比单纯学历更重要。

九、普通人的行动建议（有感）

如果按照这篇访谈的逻辑：

1. 学编程

不是为了当程序员。

而是：

成为可以创造工具的人

2. 学 AI Agent

未来能力：

普通用户：
会聊天

高级用户：
会调用AI

顶级用户：
会设计AI工作流
会构建Agent

3. 培养领域能力

不要只学AI。

应该：

行业知识
+
AI能力
+
编程能力

例如：

金融：

金融知识
+
AI自动化
+
数据分析

营销：

营销知识
+
AI Agent
+
自动化流程

4. 永远学习

最后总结：

未来最大的能力不是掌握某一个工具，而是快速学习新工具的能力。