切换深色模式
S037｜广州数据开发：AI受业务与安全限制，岗位尚稳但工资停涨
行业： IT / 运营商数据开发
地区： 广州
人物与概要
运营商基础数据建设外包公司的数据开发人员
投稿人解释数据安全、大数据平台、复杂业务口径与核查需求为何限制AI替代。项目部仍在招聘，但预算与个人工资缺乏增长，他选择继续学习并享受相对减少的加班。
视频来源： 「观众投稿分享」20260901：IT行业、物流行业、白酒行业、商务KTV行业、县城体制内、城市体制内观众投稿分享
读信时间： 00:00:32—00:03:39
正文为公开视频读信的整理文本，标题与概要由整理者概括。来信中的经历与判断请结合原视频阅读。
投稿正文
您好,我是今年才在油管上关注到您的频道的,虽然不是老观众,但是基本上我每期都会看。之前您说希望看到一些观众投稿,我犹豫了一下,最终还是决定发邮件来分享,算是对您分享言报的感谢。我坐标是在广州,我所在的行业是IT行业,我的公司主要是做国内运营商的基础数据建设,也就是国内所说的外包。但是我不是普通的前后端软件开发,我的岗位是数据开发。虽然现在AI写代码确实写的很不错但是其实对数据开发这一块基本上是帮不上什么大码原因我分析主要有以下几点第一第一点是数据安全,
日常办公我们在数据平台上是禁止使用国内各大AI的,只能使用经过公司安全检查过的。对于很多敏感数据,别说AI了,我们也要加密解密才能看到。第二是数据量级过大,这里涉及到比较复杂的技术问题。我简单的说一下,现在的方式主要还是转换一些AI能够识别的少量数据到别的平台使用。真正的Hive,这种大数据平台上。还没有能实现。第三是业务口径的复杂程度。对于一些比较简单的口径,我日常是用AI实现的。但是相对复杂的业务口径,AI是理解不了的,我试过很多次,
结果都不尽如人意。第四是关于数据核查。这个步骤主要是检验开发出来的数据是否符合业务的口径。这一步也通常是我的工作中最头疼的一部分。因为业务口径向技术口径的转换过程,是通常不能百分百符合预期的。这中间需要消耗大量的人力和时间去复合结果。目前AI在这部分也没办法发挥功能,因为这也是一个不能标。因为这也不是一个能标准化的过程,需要人工的检验技术和时间的反复推敲验证。说完了我工作,再说一下我们行业。据我了解,这几年运营商给我们的预算一直在下降或者持平,
没有听说哪个项目预算突然增加了。我们公司也做大模型建设,这几年运营商在这方面的投入,确实比其他项目多,但是我觉得只是把其他旧项目的预算砍掉,挪到AI建设上去了,总的蛋糕是没有增加的。我所在的广州项目部这几年没有裁员,而且我们今年还在不断的招人,招的主要是数据开发,AI相关和管理人员。我也有不少的同事选择跳槽,感觉我这个行业现在还是可以的。虽然公司发展还行,但是这几年工资是一点都没涨,说多了都是累。以前加班的时候还有各种奖金,现在加班啥的都没有。
不过这几年也没有之前那么卷了,只能这样安慰自己,早点下班多点时间去享受生活。我知道很多人对于AI的发展是会比较焦虑的,害怕AI替代他们的工作,一开始我也有这种焦虑,但是我现在是这样想的,任何新的事物发展我们不能仅接受它的好处,而不能接受它的缺点,如果我享受了AI的红利,那么我也要接受它带给我来的不方便,我觉得普通人能做的是提升自己和不确定性共舞的能力,这是我会一直持续学习的最大的动力。最后也希望博主多多的分享,感谢,会一直支持。
故事评价与启示
以下为整理者分析，与投稿原文分开。
评价
这篇具体说明了安全、业务口径和核查为何限制AI落地，比把岗位安全归于技术复杂更扎实。但公司继续招聘与个人工资停涨同时发生，说明业务增长并不会自动转为员工议价能力，眼前稳定也不等于长期不变。
启示
数据工作的价值在于定义口径、验证结果和连接决策。可以利用较少加班的阶段沉淀这些能力，同时留意技能是否只适用于本公司的旧平台。
值得关注的点
- AI预算增加是新增投入，还是从原有开发预算中转移。
- 需求核查与数据质量责任由谁承担，员工能否分享效率和业务增长的收益。