先说结论：AI这波冲击，对印度IT是实打实的，但受伤最重的不是写代码的，是那些干重复劳力的

这几天我把手头几个项目拆开，专门试了试生成式大模型在印度IT外包场景里能顶到什么程度。我自己不是外包出身，但客户那边有几个组是做数据处理和初级QA的，正好拿他们的活儿当试验田。

上手第一天，我让AI跑了一个典型的BPO任务，就是从一堆扫描件里提取客户信息，填进表单。这活儿搁以前，一个刚毕业的印度大学生一天干八个钟头，能处理几百份。我这边用了一个千问的接口，加上一点简单的提示词工程，跑了一批大概两百份，结果让我后背发凉。识别率相当高，错的主要是手写体潦草的那种，但格式规整的印刷体几乎全对。我算了下，AI处理完这批，加上人工抽检，总耗时大概是一个熟练工的四分之一。

第二天，我换了个更贴近“高薪IT岗”的活儿，让AI去改一段老代码的注释和结构，顺便把单元测试补上。这个结果就有点意思了。生成式大模型推理在这里表现不错，但离“直接交付”还差得远。它写的测试用例覆盖了主路径，边界条件漏了不少，我花在审查和修补上的时间，省下来的那点功夫差不多又搭回去了。这跟我这几天试CodeX写复杂项目的感受一致，AI编程工具还没成熟到能独立扛事，人工判断这关绕不开。

今天，我把两个试验的结果放在一起看，又翻了翻市场数据。

印度那边，全球能力中心和IT部门加起来雇了大约1500万人，这些人撑起了印度中产的底盘。伯恩斯坦的分析师说，这些岗位都在生成式AI的射程之内。还有LinkedIn上的数据，2025年IT招聘同比掉了约7%，初级岗位缩水更狠，一些大厂的入门级职位砍了一半还多。

我这边测下来，AI干掉的是“流程里最标准化、最可复制的那一段”。数据录入、基础客服、初级代码维护，这些本质上都是模式匹配，大模型天生就是干这个的。印度IT几十年的外包模式，核心竞争力就是“便宜、量大、按流程走”，这恰好是AI最擅长复制的部分。

但有意思的是，业内不是没有不同声音。TeamLease的联合创始人说“AI是阵雨”，意思是扛过去就行。我不太认同这个比喻。阵雨是下完就停，AI这波是水位在涨。PwC估算到2030年代中期，多达30%的岗位可能被自动化，这个数字放在印度的人口结构里，冲击的不是某一个行业，是消费链条本身。没有新就业，消费就起不来，投资需求也跟着受限，这是个连锁反应。

所以我的结论是看情况，但偏向于“危机大于机会”。对印度IT整体，这是结构性威胁，不是短期波动。对个人开发者，比如我这种干具体项目的，AI目前还是工具，能省点边角料的时间，但替代不了判断和沟通。可对外包链条底层的那些岗位，AI不是要帮你，是要换掉你。

配图里那只手离机械臂越来越近，我觉得挺应景。人跟机器的距离，不是看谁先碰到谁，是看谁先学会不靠那只手吃饭。这波冲击里，能活下来的不是手快的，是脑子快的。

---

本文编译自 Hacker News，原文：https://www.ft.com/content/dee4bd2c-fbad-4713-9b14-22d441967ce4
版权归原作者所有，本文为基于公开报道的编译与独立分析。