AI 能寫程式、生成測試、搭建服務，速度超過任何人類，市場也開始用股價表態；AI 模型的重大突破不斷引發軟體股拋售潮，彷彿整個產業正被工程師自己催生的技術慢慢替代。
但這個邏輯有一個根本的破綻，它把「寫程式」當成工程師的工作，但工程師的工作從來不是這樣定義的。
軟體工程師的工作不只有寫程式？
首先，外界把「寫程式」當成工程師的工作，這是最根本的誤解。工程師的工作從來不是打打程式碼而已，重點在於解決問題，且是用降低複雜度、減少維護負擔、交付可用成果的方式解決。可以說，程式碼是媒介，不是目的。
這個區別如今更為重要。AI Agent 能寫程式、生成測試、搭建服務、串接 API，速度超過任何人類。但 Agent 目前做不到三件事：決定該建什麼、理解為什麼要建、權衡那些系統如何在真實環境生存。這三件事仍由工程師負責。
因此可以說，原先精通單一語言的專才，正讓位給可以督導多個 Agent 的協調者。工程師的日常工作會轉向釐清限制、讓 Agent 的產出對齊產品目標、確保系統的韌性與安全。
此外，要在龐大的程式庫與複雜系統中管理 Agent，工程師必須更深入理解底層技術，知道好的架構長什麼樣、系統會怎麼崩潰、問題會藏在哪裡。
最終工程師的工作的核心，會從寫程式轉變成理解系統如何運作，並把判斷力用在評估 Agent 的產出上。
黃仁勳對這波恐慌的回應也是相同邏輯。他表示，「AI 將取代軟體工具是世上最不合邏輯的事，」他指出 AI 最新的突破正建立在「工具使用」上，因為工具本來就是為了被明確調用而設計。而工程師，正是設計與調度這些工具的人。
注意力的消耗更大，管理 Agent 比想像中累
如今，業界還至少要面對三個正在發生的風險。第一個是人才培育的斷層。初階工程師過去承擔的工作，寫簡單功能、修 bug、熟悉程式庫，如果全被 Agent 接手，該產業就失去了初階層。
初階職位一直是進入產業的入口。入口消失後，人才供給終將枯竭。業界需要新的訓練制度來填補這個缺口，例如讓資深工程師固定帶新人、刻意保留一些適合練手的任務給初階工程師，即使 Agent 能更快完成。
第二個是技能的退化。許多重度使用 Agent 的工程師發現，自己愈來愈不會自己寫了。過去天天動手寫，遇到問題會自然想到幾種解法；現在實作都交給 Agent，久了反而想不起某個函式怎麼寫、某種 bug 該怎麼移除。但問題在於，工程師還是得判斷 Agent 寫出來的東西對不對，一旦自己的底子退化，這個判斷就做不準，等於在審查自己其實看不懂的程式碼。
第三個是注意力的消耗。一個意外的發現是，管理 Agent 比想像中累。工程師一天做完的事變多了，但下班時反而更疲憊。原因在於同時開著好幾個 Agent，這個在跑測試、那個在改另一個模組，工程師得不斷在它們之間切換、讀懂每一段產出、確認彼此沒有互相衝突。
這種一心多用、整天盯著好幾條線的狀態，跟過去一次專心解一個問題很不一樣，雖然產出更高，但腦力被切得很碎，特別容易累。
軟體開發成本變低，需求可能因此爆發？
從歷史來看，蒸汽機變得更省煤之後，人們沒有少燒煤，反而燒得更多。因為效率提升讓用煤成本下降，價格便宜了，原本用不起蒸汽機的工廠、火車、輪船全都用了起來，煤的總用量不減反增。經濟學家把這個現象叫做傑文斯悖論（Jevons Paradox）：當一樣東西用起來更便宜，大家不會省著用，反而用得更兇。同樣的事正要發生在 AI 與軟體上。
AI 讓工程師一個人能做以前好幾個人的工作，可以說，因為打造軟體的成本大幅下降，需求也因此爆發。一家小公司過去請不起工程師做客製系統，只能將就用通用軟體，現在做一套自己的工具變得划算，就會開始自己動手做；很多以前評估下來「投入不划算」而直接放棄的功能，成本一降，突然就值得做了。
短期的過渡會很顛簸，對部分工程師甚至很痛苦，但長期方向很清楚：公司需要的工程師會變多，不會變少。
另外，把 AI 當成裁員藉口的公司則存在更大風險，因為如果一家公司的算盤是「用 AI 取代一半工程師、省下薪水」，它會被另一種公司打敗——那種公司不裁人，而是把省下來的人力拿去做更多產品、開更多戰線，同時讓整個團隊都練熟跟 AI 一起工作。
過渡期的人才培育需認真處理、初階養成的斷層需解決
軟體工程的未來或許比過去更寬廣，但這有一個前提是，過渡期的人才培育必須被認真處理。如果初階養成的斷層不解決，今日的繁榮會在五到十年後導致嚴重的人才短缺。
傑文斯悖論是反駁「AI 讓工程師失業」最有力的論點，直接指出成本下降會釋放被壓抑的龐大需求。真正的問題從來不是還需不需要工程師，而是我們是否擁有足夠的工程師。
【推薦閱讀】
◆ 企業買了 AI 卻跑不起來，FDE 前線部署工程師成為科技業最搶手的職位
◆ 【初級工程師工作轉變】不再需要改 bug、寫測試，聽起來很好卻很危險
◆ 不寫程式也能吃到 AI 紅利：資料中心電工年薪可達 30 萬，不輸軟體工程師
＊本文開放合作夥伴轉載，參考資料：《Fastcompany》、《Reuters》，圖片來源：Unsplash
（責任編輯：鄒家彥）
