一封内部信,定义了”AI原生人才”与管理者的硬标准

2026年10月27日,亚马逊官网发布了一份由副总裁、杰出工程师 Terk Terkowitz 署名的工程领导力备忘录——《An update from Amazon engineering leadership on the role of the developer in the age of AI》。 这份面向全球软件工程师(SDE)与工程经理(SDM)的内部信,正式更新了亚马逊的工程师岗位准则。 表面看,它只关乎工程师;但对所有正在推进AI转型的知识型组织而言,这封信用最克制的方式,说清了一件最要紧的事:当AI成为标配,人与组织的差距,将由"不变的东西"决定。

2026年10月27日,亚马逊官网发布了一份由副总裁、杰出工程师 Terk Terkowitz 署名的工程领导力备忘录——《An update from Amazon engineering leadership on the role of the developer in the age of AI》。

这份面向全球软件工程师(SDE)与工程经理(SDM)的内部信,正式更新了亚马逊的工程师岗位准则。

表面看,它只关乎工程师;但对所有正在推进AI转型的知识型组织而言,这封信用最克制的方式,说清了一件最要紧的事:当AI成为标配,人与组织的差距,将由”不变的东西”决定。

一封内部信,定义了"AI原生人才"与管理者的硬标准

速读

· 准则重心转移:从”你用了什么AI工具”转向”你为客户、业务和团队创造了什么结果”。岗位准则不再固化具体技术,只锚定长期不变的结果。

· 警惕”AI 绩效伪指标”:Token 消耗量、AI工具采用率、代码行数等输入型指标存在结构性缺陷——追 Token 推高成本,追代码行数增加复杂度,与”节俭””创新与简化”原则冲突。· 管理者必须亲手用AI:亚马逊对技术领导者提出硬标准——必须亲自在生产工作上使用过AI,能讲清”哪里帮了忙、哪里没帮”,否则无法判断团队AI实践。

·让工程师重新靠近业务:越贴近客户与产品的工程师,越能用好AI与智能体式开发;亚马逊明确”要扭转”工程师与业务脱节的趋势。

· 领导力原则未重写:AI时代的新要求,被连接到长期坚持的”客户至尚、主人翁精神、学习与好奇、达成结果”——底层逻辑未变。

亚马逊重写工程师岗位准则

亚马逊的SDE岗位准则,历史上一直避免写入具体技术。过去二十年,云计算、微服务、Serverless等技术浪潮改写了工程师的工作方式,但准则始终克制。

这一次,亚马逊在杰出工程师与资深首席工程师社群中反复辩论后认定:AI带来的变化,比以往任何技术趋势都更快、更根本。 它正在改变”什么是软件工程师”,以及”软件工程本身是什么”。

基于此,亚马逊更新了岗位准则,并援引AWS CTO Werner Vogels 2026年预测中的概念,提出 “Renaissance Developer(复兴型开发者)”——将AI工具与人类判断、领域专长融合,去构建全新的东西。

从”用什么工具”到”创造什么结果”

亚马逊面临一个难题:今天写下的AI实践标准,明年很可能就过时。任何过早固化的定义,都会把工程实践”封进琥珀”,而世界会继续前进。

解决方案是:聚焦不会变的东西。

“大家常问我,未来五到十年什么会变化?但很少有人问,什么不会变化?第二个问题,其实更重要。”——杰夫·贝佐斯,2012年

亚马逊因此把岗位准则锚定在”对客户、业务和团队的影响”上。输入、工具、技术在以史上最快速度变化,但真正重要的结果不会变。

对企业管理者而言,这指向一个清晰的判断:AI工具使用能力会越来越普遍,能否借AI创造业务价值,才将进一步拉开人才之间的差距。

警惕”AI绩效伪指标”:Token与代码行数 ≠ 价值

这封内部信最具现实锋芒的部分,是对AI使用指标的反思。

亚马逊承认,自己也曾用Token消耗量、AI工具采用率、代码修改与审查量等输入型/吞吐型指标来衡量AI使用情况。但他们直言不讳:”我们都清楚这些指标有多大的缺陷,主要是因为它们与真正要紧的东西脱节。”

若把这些指标当”目标”而非”度量”,会带来反效果:为追Token而堆AI调用,抬高成本(”tokenmaxxing”与”节俭”原则相悖);为追代码量而生成更多代码,反而增加系统复杂度(与”创新与简化”相悖)。

但亚马逊并未全盘否定输入型指标。内部观察显示,AI 使用程度与业务产出之间仍有较好相关性——最积极拥抱AI的 “前沿团队(frontier teams)” 在生产效率与交付上表现更优;反之,不采用AI或产出未提升的团队正在掉队。

因此亚马逊建议管理者特别关注两个极端:

第10百分位团队:为何没有有效使用AI?是能力不足、工具不匹配,还是场景受限?

第90百分位团队:大量使用 AI 后,交付是否真的同步改善?

并引用贝佐斯 2016 年致股东信:优秀的创新者深入理解客户,研究大量具体案例,而非只依赖调查中的平均数据。 指标能暴露问题,但理解成因,仍需管理者深入业务与团队。

对管理者的硬要求:必须亲手用AI

相比工程师岗位要求,这部分更值得高管关注。

亚马逊明确要求:技术领导者的职责,是确保团队以最佳方式使用AI、改善客户与业务交付。而要做到这点,管理者自己必须先理解并实践AI。

“这需要你本人深刻理解这些技术,亲手使用它们,而不是只听别人说。”

亚马逊甚至给出了可核验的判断标准:管理者应当在生产工作上真正使用过AI工具,能描述一个AI帮了忙的任务、一个没帮上忙的任务,并能向团队解释背后的判断。

这对管理者的要求,远高于”了解AI趋势”或”参加过AI培训”。例如,一位从未体验过 AI辅助开发的研发经理,很难准确判断AI如何改变流程,也难以识别AI生成代码的质量与维护风险。

同时,亚马逊强调”不能为用AI而用AI”:”如果你当前的工作并没有从AI工具中受益,这是一项发现,而非失败。”

关键在于能解释原因、分享经验、寻找改进。这背后是一种关键管理能力:既积极探索AI,也具备判断其能力边界与应用价值的能力。

亚马逊还特别强调”学习与好奇(Learn and Be Curious)”原则:内部观察显示,在AI应用上影响最大的管理者,往往不仅自己投入时间学习,还主动为团队腾出学习时间——组织回报 disproportionately large(远超线性)

让工程师重新靠近客户与业务

内部信还点出一个值得组织管理者警惕的现象:越贴近产品与业务的SDE和SDM,越能发挥AI与智能体式软件开发的效能。但随着组织规模扩大,部分工程师与管理者逐渐疏远了客户与业务。

“我们要扭转这一趋势。”亚马逊鼓励各级工程师深入理解客户需求与产品方向,并要求管理者帮助团队建立更紧密的业务连接。这与”复兴型开发者”理念相呼应:当AI 越来越擅长代码生成、测试等执行性工作,工程师得以把更多精力投入理解业务问题、设计解决方案与判断最终结果。

从组织视角看,这也为更端到端的工作方式创造了条件——工程师不再只是接收需求、完成开发,而能更深地参与问题定义、产品设计与业务价值创造。

数智化转型网洞察:这封内部信,写给所有知识型组织

亚马逊没有因AI而另起炉灶重写领导力原则,而是把AI时代的新要求,连接到长期坚持的”客户至尚、主人翁精神、学习与好奇、达成结果”。

这对企业管理者的启示是:AI转型的杠杆在管理者,而管理者的杠杆在”亲自实践 + 判断边界”。 未来,管理者既要领导人,也要学会组织”人与AI协同”;既要关注团队是否积极用AI,也要能判断这种使用是否真正创造价值。

当 AI成为日常生产力,”员工使用频次”这类指标会迅速贬值。更重要的问题将变成:员工借AI究竟改善了多少业务交付与客户体验?这正是企业在重构人才标准、绩效体系与管理者能力模型时,需要提前回答的问题。

给企业管理者的一份行动清单

1、重构AI人才标准

从”会不会用AI工具”升级为”能否用AI创造客户与业务结果”,把”领域判断力”列入核心能力。

2、慎用AI绩效指标

暂停或慎用Token量、调用频次、代码行数等输入型指标作考核目标;优先设计”结果导向”的长期度量。

3、管理者先上阵

将”在生产工作中亲手使用过AI、能讲清成败案例”纳入技术管理者的任职与评价体系。

4、推动业务贴近

为工程师与管理者设计贴近客户/业务的机制(轮岗、客户洞察、业务 ownership),放大AI杠杆。

5、建设”AI原生管理者”能力

把”学习与好奇”变成组织机制——为团队留出AI探索时间,而非仅靠统一培训与工具部署。

参考来源:Amazon,2026年10月27日《An update from Amazon engineering leadership on the role of the developer in the age of AI》

💬 评论
🔗 本文链接

以专业为基,引领科技向善向新

Rooted in professionalism, we lead technology toward social good and innovation.

数智化转型网 · 了解更多产业资讯与选型数据 →

📰 你可能也喜欢

a04_01.jpg 人工智能专题

当地图”取代”讲故事”:智能体市场的一个新信号

智能体赛道从不缺新故事,缺的是全景图。最近,CXOU®AI研究院对外预告了一张"智能体建设地图":18个行业、223个子行业、1263个智能体条目、15个职能域…
📅 11-20 · 👁 2026年11月20日
a03_01.jpg 人工智能专题

AI这30个月的变化到底有多快?看完7张图你就明白了

8次翻倍、180个模型越过GPT-4、一道研究生级题目的成本降到1/725。当AI的刻度从”会不会
📅 11-20 · 👁 2026年11月20日
a02_01.png 人工智能专题

AI没有消灭岗位,它重写了岗位职责——一份写给所有人的AI时代就业简报

11月10日,Lenny Rachitsky发布了2026年的第二份《科技就业市场报告》。这份基于TrueUp(追踪全球9,000余家科技企业公开招聘职位)与L…
📅 11-19 · 👁 2026年11月19日
a01_01.png 人工智能专题

哈佛商业评论HBR:人机协作的七大隐形成本

11月11日,哈佛商业评论HBR发了一篇文章,题目叫《The Hidden Costs of Delegating to AI》——把任务交给AI的隐性成本。作…
📅 11-19 · 👁 2026年11月19日
wx_01.png 专题栏目

AI给自由职业者带来了哪些影响?

2026年11月,OpenAI Economic Research与Upwork(自由职业者平台)联合发布了一份研究,题为《The Rebundling of …
📅 11-19 · 👁 2026年11月19日
数智化转型网GEO专题 GEO专题栏目

对话式 AI 引用的内容特征:四要素构建法

对话式 AI(如 ChatGPT、Claude、文心一言)的引用特点与传统搜索结果不同:它们倾向于连续对话中引用一致的信源,引用可能涉及多个段落,引用偏好结构清…
📅 09-27 · 👁 2026年9月27日