人工智能衝擊軟體開發：90%程式碼將由AI生成，工程師角色面臨重大轉型

前陣子我去了馬德里辦的那個Codemotion，應該是二零二五年吧？畢竟日子過得有點快，反正就是最近。離開會場時腦袋還在轉，有一種說不上來的複雜感覺。AI這東西，好像不只是大家偶爾聊一嘴，而是真的變成了主桌菜色。有些人談話全程繞著大型語言模型打轉，也不少講者突然扯到什麼自動代理、未來軟體工程之類。氣氛裡混著新奇、點焦慮，當然還有一些說不上來的沉默——或許有人其實蠻心煩。

我能理解他們。有種觀察不只一兩次了，現在的工具比以前厲害上好幾倍？像GitHub Copilot啊，OpenAI Codex那些，都不是單純輔助型小助手了，不少場合已經看到它們能自己把功能寫完，把bug修掉，就連架構整個小系統也都做得到，只需要很有限的人手參與就行。大概不到一半工程師真有參與到每道工序，但這是不是常態還不好說。

想起會議裡某幾場講座，其實內容差異也沒多大。不少人討論現況外，也提到將來可能發生什麼事。有的人比較樂觀，認為AI可以讓工程師專注在更高層次設計；可是也聽見有人低聲咕噥，不確定自己的角色到底剩下什麼。有些細節記得不是很清楚，好像當天還有人舉例Cognition Devin那類產品如何快速解決任務。但老實說，那天資訊量挺大的，有些都模糊起來。

總之，要說AI完全取代誰，大概為時尚早吧。但開發流程肯定是變化中，人跟機器間的界線好像漸漸模糊掉了。在這波趨勢下，到底哪部分工作是我們真正無法被換掉？暫時還沒有明確答案。

科技圈裡，大家其實不太避諱談論這些事。Anthropic 的執行長 Amodei 似乎認為，也許再過半年左右，幾乎九成的程式碼都會讓人工智慧寫掉。Zuckerberg 那邊的說法也差不多，好像很快軟體開發就會變成機器人的事情。在網路上，不少貼文和討論都在渲染一種氛圍——工程師是不是差不多要沒事做了？想一想，那種感覺確實挺容易讓人動搖，畢竟這類工具表現出來的速度和能力，有時真的令人摸不著頭緒。

但我回家的飛機上腦袋裡還是反覆冒出那個問題：假如以後寫程式真的是 AI 在做……那剩下的人，到底還有什麼存在的理由？也不是說馬上會被取代啦，只是看起來，好像今天人手打下的大半數內容，很快可能都交給電腦負責。不過嘛，未來怎樣誰也說不準。

有件事，感覺這陣子好像沒太多人提起，也許大家都忙著別的吧——AI現在好像能寫程式沒錯，但它真的懂整個系統嗎？其實這當中還是有差別的。有人說，執行指令這種事，跟設計一套完整的系統，好像隔著某種距離。光是把事情做完跟了解那背後的大環境，有時候落差比想像中大。

現在常聽到那些軟體開發，好多就是照著需求單去做，一條一條完成，沒有什麼多餘討論——有點像在蓋房子只看設計圖，不去想住進來的人會不會方便。但講到軟體工程，味道又不太一樣。會有人開始問：是不是應該這樣做？大概過不了幾年就得重來一次？如果要和其它東西串在一起，要注意什麼？壞掉時怎麼辦？

其實仔細想想，每天面對那些問題，很少有人一次就給出答案，大約得摸索一陣子。差不多有七成的人可能還是習慣照本宣科，但偶爾也會有人跳出來問：「我們真的需要這個功能嗎？」偶爾也會遇到那種看似小地方失控了，原本以為很穩定的東西突然變得複雜起來。

所以說，就算AI能自動把程式生出來，也未必等於它知道怎麼讓整個東西運作順暢。有些情況下，它或許可以協助解決部分問題，但要說完全理解上下文或未來可能遇到的麻煩，那還需要一些時間觀察吧。不過嘛，也不是不能期待哪天會更進步，只是眼下大致上還是分工合作比較常見。

有些問題，到現在還沒什麼清楚答案。說真的，眼下那些疑問，大概都還是人類自己在追著問，AI目前好像都不太會主動去碰這些事情。

有時候想一想，「工程師」和「開發者」這兩個詞，好像大家常拿來混用，但其實差別還是挺明顯的。有聽過朋友形容，開發人員大致上就是拿到一張Jira單子，就照要求把東西做出來。任務導向，怎麼說呢？像廚房裡有人給了菜單，他就負責把餐點依步驟煮好，也許重點放在細節準確、按部就班。

但工程師那邊嘛，有種感覺比較會停下來想一下：「這道菜到底合不合理？跟整份菜單搭嗎？廚房設備能不能配合？」還可能考慮到客人的飲食習慣或特殊需求——大致如此。某些人會說兩者距離不是很遠，可實際上，要是真的深入看待問題層次，那個分界線其實隱約存在，只是不是每回都被講出來罷了。

總之，不管叫哪個職稱，人們對角色的期待差異，好像一直都沒有完全劃定清楚——至少目前看起來，多數情況還是得靠討論慢慢摸索吧。

系統、耐用性、取捨——這些東西，有時候工程師在想，大概和廚師弄一道菜，甚至安排整桌飯有點像吧。角色不同，價值本來也沒什麼高下，只是……某一邊的工作，好像更不容易被機器完全取代。

大約從最近這幾年開始，AI能處理的「寫程式」部分愈來愈多，也有人討論過，不少地方看得出來未來變化可能很大。不過話說回來，到頭來真正留下的那種東西，怎麼講呢，比較雜亂一點、更偏向人性，也許可以稱作「判斷」或者說「工程思維」吧。

大家都提到自動化，但這方面好像還沒真的談透徹。反而那些難以量化、需要經驗堆積與權衡的選擇，在某些情境下會慢慢浮現。要學會跟機器共事，大致就是這種感覺。

一開始接觸人工智慧的時候，我並沒有把它當成什麼對手，倒不如說更像是種工具吧──很強大沒錯，但還是需要人來指引。身邊那些工程師，據我觀察，大多也沒在逃避這波變化。他們好像反而更願意去研究怎麼下 prompt，比以前檢查程式碼的速度快了不少，有些流程甚至自動化得讓人摸不著頭緒。

有時候會聽到有人提起 AI 幫忙寫那種重複度很高的程式碼，其實也不是新鮮事。現在有不少團隊已經開始把 LLM 拿來產生基本架構或測試碼，然後大家就能空出手來想想比較特別的狀況、系統設計，甚至偶爾回頭看看老舊專案要怎麼整理。這樣算一算，本來花在瑣碎事情上的時間似乎慢慢回收回來了，只是到底省下多少，其實也講不準。

有位同事前陣子跟我聊過，他們部門最近都讓 AI 先把底稿生出來，再由人進行審核或補充細節。這種從「每一行都自己打」到「先看電腦產出的骨架再調整」的轉變，好像已經默默發生了。有些人的工作分配因此改變，不過是不是全部團隊都受益，目前還難說。我自己也在嘗試類似的方法，走得比較慢，但總覺得方向應該差不了太多。

剛開始接觸這領域，真的沒有想像中那麼輕鬆。聽一些工程師聊，他們說以前剛入門的時候，大多是從寫測試、處理那些瑣碎小錯誤下手，有點像是在爬樓梯，每一階都很明確。可是現在，好像有點變了。

AI看起來已經能幫忙搞定將近全部這些比較基礎的任務。有朋友提過，以前團隊裡面，初級工程師常會負責一些範圍很清楚的小功能或修補程式，但最近這種機會好像越來越少。有人甚至覺得，現在要踏進這行，第一步在哪裡都有點模糊。

大致上，如果簡單的工作就被自動化處理掉，那新人到底要怎麼練習？也許某些人會說還有其他方式學，可實際上，成長速度可能因此受到影響。不過，也未必每個地方都是這樣啦，只是部分公司或專案目前情況大概如此。有時候想一想，怎麼讓新手也能獲得足夠實戰經驗，其實沒有什麼標準答案。

如果說團隊徹底不再找剛入行的人，這樣下去，未來還會有誰能慢慢累積到那種能把整個系統看懂、連細節都能串起來的能力嗎？其實大家或多或少都明白，人才成長這條路不能就這麼斷掉，不然哪天真的沒人接棒。想想辦法吧，像是帶新人、用AI做雙人程式設計，或者某些帶點互動的模擬練習——總之，只要能讓新手在機器處理簡單事情時，有空間學判斷、培養感覺，好像什麼方式都值得一試。

這陣子變動挺大的，不過也不是全然沒希望。有意思的是，每當環境被推得很緊、資源變有限的時候，人們反而常常會開始思考新點子。限制有時逼得人更清楚自己在幹嘛；翻天覆地之後，也才會有人敢去重組規則。眼下AI浪潮，其實也許算是近幾年裡比較難得的一次契機，大夥可以重新問問，到底要怎麼寫程式、該邀請誰一起進場，還有「工程好」到底該怎麼定義。

話又說回來，就像編譯器剛出現那會兒，好多人喊著程式員工作要完蛋，但結果也沒發生什麼大災難——所以現在嘛，也許可以等等看。

雲端運算出現的時候，大家原本以為基礎建設會因此消失，可是過了這麼多年，其實好像也沒有完全被取代。現在AI風頭正盛，有些人就開始猜測工程師的角色是不是快要消失了。不過，變化還是有的，速度甚至比以前快很多，也比較難回頭，看起來會留下不少影響。

其實讓AI自動寫程式、隨便產生介面、修個小bug或幫忙加速某段迴圈，好像已經不是什麼新鮮事。有時候測試檢查沒通過，也是交給演算法處理。但問到到底在解決什麼問題？或者說這東西到底意義在哪裡？牽涉哪些利害關係？還是得有人去思考吧。這類事情，大概還輪不到電腦自己搞定。

聽說最近有一些討論認為，開發者的日常工作未來可能不少都交給AI做了。不過工程師——就是那種專門釐清需求、判斷價值，以及搞懂整體狀況的人——短時間內看起來還不太容易被機器徹底取代。

工程這件事，好像從來就不是單純打字這麼一回事。那趟從馬德里回家的飛機上，某些念頭開始冒出來，不過直到現在都還在慢慢變，說不定過陣子又會有新看法——工作也差不多是這樣，總是在調整和摸索。

有些細節其實沒什麼好特別強調的，但偶爾自己還是想提一下：這篇文章，是我跟OpenAI的GPT-4o一起寫的。大概可以說，我拉了個主線、整理了幾個想法，也動手修修補補；而語句的流暢或段落節奏，有部分是模型協助潤飾。裡面那些比較偏觀點或者反思性的內容，大致上都算我的看法吧。

事情沒有很明確的分界，也許再隔一段時間，我會換種方式表達。不太能保證每句話都完全對得上最初記憶，有些地方難免模糊。