[AI 影響] 納德拉重寫程式設計師工作定義
摘要 : AI不一定取代工程師，但會重寫其工作內容，重點將轉向管理agent、維持認知覆蓋率與承擔治理型工作。
內容:
最近微軟 CEO 納德拉在《紐約時報》Hard Fork 播客上的一場訪談，提出了幾個非常值得技術工作者重視的觀點。重點不在於他宣布了什麼驚人的新消息，而是他用幾個非常具體的概念，說清楚了許多人隱約感受到、卻一直沒有被講透的變化。
這場訪談裡，有幾句話特別關鍵。像是他提到，未來的軟體開發者可能要管理 100 個、甚至 1000 個 agent；他也提出了「認知覆蓋率」這個概念，用來對照大家熟悉的「測試覆蓋率」；另外，他還說人類在 AI 時代的新價值，是去做「膠水工作」。這些詞單看有點抽象，但串在一起之後，其實指向同一件事：我們過去一直在討論「AI 會不會取代程式設計師」，這個問題本身可能就問偏了。真正正在發生的，不是這個職業消失，而是它的工作內容正在被徹底改寫。
先說訪談背景。這場節目是在 6 月 12 日於舊金山錄製，主持人是《紐約時報》的兩位科技記者 Kevin Roose 和 Casey Newton。納德拉作為微軟 CEO，本來就是全球 AI 產業最核心的人物之一。無論是微軟與 OpenAI 的深度合作、Azure 的雲端算力地位，還是微軟自家剛推出的 MAI 系列模型，都讓微軟在這場 AI 競賽中握有相當厚實的籌碼。
但這場訪談真正有意思的地方，不是他再講一次微軟戰略，而是他回應了很多非常具體、非常落地的問題。其中一個最尖銳的提問是：兩年之後，軟體工程師會變多還是變少？
這個問題之所以敏感，是因為現在外界的爭論非常激烈。一派認為 AI 寫程式越來越強，公司未來不再需要這麼多工程師；另一派則認為 AI 反而會創造更多需求，工程師依然會供不應求。納德拉沒有簡單站隊，而是給出了一個更複雜、也更值得注意的答案：未來軟體開發者需要的技能可能和今天差不多，但工作內容會完全不同。
他用了一個很形象的類比。假如很早以前有人說，未來全世界會有 35 億人變成打字員，你一定會覺得荒謬，因為世界不需要那麼多專職打字員。但今天幾乎每個人都在打字，原因不是打字員變多了，而是打字已經不再是一種職業，而是所有知識工作與資訊工作的基礎能力。納德拉認為，軟體開發也可能走上類似的路。
換句話說，未來的開發者管理的未必是傳統意義上的程式碼庫，而是一整組 agent，可能是 100 個，也可能是 1000 個。這些 agent 可以自己執行任務、自己撰寫程式碼、自己提交修改。而人類開發者的核心工作，將從親手寫出每一行程式碼，轉向理解這些 agent 做了什麼、為什麼這樣做、哪裡可能做錯，以及出問題時誰來負責與收尾。
這個判斷的重要性，在於它不只是回答「工程師會不會失業」，而是在重新定義工程師這個職業的本質。
接下來是整場訪談中最有價值的一個概念，也就是納德拉提出的「認知覆蓋率」。
對軟體開發者來說，「測試覆蓋率」是很熟悉的概念。它代表程式碼中有多少比例被測試案例覆蓋，覆蓋率越高，通常表示關鍵邏輯驗證得越完整，出錯風險相對較低。這是過去幾十年軟體工程中非常基礎的品質指標。
但納德拉認為，當程式碼庫裡越來越多的內容是由 agent 產生時，只有測試覆蓋率已經不夠了，還需要另一個新指標，也就是認知覆蓋率。
所謂認知覆蓋率，看的不是程式碼有沒有被執行過測試，而是人類有沒有真正看懂這次修改。更具體地說，就是 agent 改了哪些地方、為什麼這麼改、這些改動會如何影響整個系統流程、有沒有突破原本的架構約束、整個決策鏈條能不能被解釋。核心問題不是「能不能跑」，而是「人有沒有理解」。
這個概念非常關鍵，因為它點出了 AI 寫程式進入深水區之後最容易被忽略的風險。現在很多團隊使用 AI 輔助開發，關心的通常還是效率提升多少、寫得快不快。但納德拉提醒的是，當 agent 寫的程式碼越來越多，甚至占了大部分時，真正棘手的問題不再只是產出速度，而是可解釋性、可審計性與可控制性。
測試通過，只能說明程式碼在某些案例中可以運作；但認知覆蓋率關心的是，團隊是否理解 agent 的決策邏輯，是否知道它有沒有繞過原本的架構設計，是否能在事故發生時回放、追責、撤銷。這已經不只是技術問題，而是治理問題。而且 AI 越快，這個治理問題只會被放大。
以前一個工程師一週可能寫幾百行程式碼，每一行自己都清楚；現在 agent 一天就可能產出幾千行甚至更多。如果團隊沒有相應的工具與方法去理解這些變更，那麼整個程式碼庫很快就可能變成一個「雖然能跑，但沒人真正懂」的黑箱。
也因此，納德拉提到未來可能出現一種新的開發環境，不再只是 IDE，而是 ADE，也就是 Agent-Driven Development Environment。這種環境的核心功能，不是單純幫你寫程式，而是協助你管理一群 agent、理解他們做了什麼，並維持認知覆蓋率。這是一個很強的訊號，代表微軟內部已經開始認真思考：當 agent 成為主要程式碼生產者之後，開發工具本身應該如何被重新設計。
和認知覆蓋率相對應的，還有另一個很耐人尋味的概念，叫做「膠水工作」。
當主持人追問，如果工作型態變了，人是不是會因此賺得更多時，納德拉沒有直接談薪資，而是說了一段更值得深思的話。他的意思是，過去兩百多年來，很多價值都建立在某種專業知識或深度技能之上。當某些專業能力因技術而變得更容易取得時，人類就會再形成新的專業能力。即使我們擁有越來越多數位系統，人力資本依然重要，而人類仍然會去承擔那些「膠水工作」。而隨著自動化增加，新的膠水工作還會繼續出現。
什麼是膠水工作？可以把它理解成那些把系統、流程、組織和判斷連接起來的工作。AI 可以處理很多標準化的任務，但組織裡真正重要的許多細節，往往沒辦法完整寫進 prompt。
如果放回開發團隊的脈絡，這個概念就很具體了。例如：業務需求怎麼判斷、介面邊界怎麼切、權限怎麼設計、風險如何承擔、跨部門衝突怎麼協調、上線後誰來解釋結果與負責，這些都屬於膠水工作。
你會發現，這些事情有一個共同點：它們不是純技術問題，而是技術與業務、技術與組織、技術與人的交界問題。這些工作很難完全標準化，也很難被單一 agent 直接取代。納德拉的判斷甚至有點反直覺：agent 越多，膠水工作不但不會消失，反而會變得更難、更貴，也更需要人來治理。
很多人覺得 AI 越強，所需的人就會越少；但納德拉的邏輯剛好相反。AI 越強，系統越複雜，越需要有人去「膠水」，因為 agent 處理的是標準化、可定義的任務，但任務與任務之間、系統與系統之間、人與系統之間，反而會出現更多縫隙。而這些縫隙，往往才是最有價值、也最需要綜合判斷的地方。
因此，如果回到最初那個問題：「程式設計師會不會失業？」納德拉的真正答案其實很清楚。這個職業不會因為 agent 的出現而立刻消失，但職業重心一定會被改寫。下一階段最稀缺的開發者，未必是最會手寫程式碼的人，而是最能看懂、管住、排程與治理 agent 的人。
除了工作型態，納德拉在訪談中也談到另一個非常實際的問題，那就是 AI 的成本。他提出了一個詞，叫做「Token Economics」，也就是 Token 經濟學。
這個詞聽起來有點抽象，但本質上很簡單：你花出去的 token，必須換回對應的價值。納德拉的說法很直接，生產力提升的邊際價值，必須配得上 token 的邊際成本，這是一種管理紀律。
他的意思是，不能為了追求所謂的 token maxing，就什麼問題都用最強模型、什麼任務都塞進最大上下文，靠無腦堆砌算力來解決一切。尤其在非核心問題上，更不應持續消耗最昂貴的模型資源。AI 工具確實很容易讓人上癮，他自己也承認會高頻使用，但新鮮感退去之後，真正重要的是回頭問：這些消耗到底有沒有產生足夠價值。
整體來看，納德拉這場訪談最值得記住的，不是哪個產品、哪個模型，而是他對未來軟體開發結構性變化的判斷。他不是在說程式設計師會被簡單取代，而是在說，當 agent 成為主要生產力之後，開發工作的重心將從「寫」轉向「管」，從「產出」轉向「理解」，從「效率」轉向「治理」。
如果這個方向成立，那麼未來真正重要的能力，會變成幾件事：能不能有效管理大量 agent、能不能維持足夠的認知覆蓋率、能不能承擔那些看似瑣碎但其實最關鍵的膠水工作，以及能不能在 AI 成本與產出之間做出有紀律的取捨。
也就是說，AI 時代不是不要工程師了，而是更需要那種能跨技術、跨業務、跨組織理解整體系統的人。這可能才是這場訪談最值得所有技術人認真聽的地方。
