Salesforce 豪擲 3 億美元買 AI Token，讓我看到企業用人邏輯正在改變

最近看到一則消息，Salesforce 預計投入接近 3 億美元購買 Anthropic 的 AI Token，同時延續軟體工程師的招募凍結政策。

乍看之下，這似乎只是一則大型科技公司增加 AI 預算的新聞，但仔細思考後，我認為它反映的其實是一個更重要的變化：企業正在重新定義「產能」是什麼。

過去公司想加快產品開發，最直接的做法通常是增加工程師、擴大團隊，讓更多人投入開發工作。但現在，企業開始思考的可能不再是「還要再聘多少人」，而是「現有團隊搭配 AI 之後，還能增加多少產出」。

這兩種思考方式看起來相似，背後的資源配置邏輯卻完全不同。

AI 預算正在逐漸取代部分人力預算

Salesforce 表示，工程團隊導入 AI 工具後，生產力提升超過 30%。因此，公司選擇維持現有約 1.5 萬名工程師的規模，透過 Claude、Codex、Cursor 等工具提升產能，而不是繼續增加工程師人數。

這讓我感受到，企業在做預算規畫時，AI Token、模型費用與 Agent 執行能力，已經逐漸成為一種新的生產資源。

以前企業的產能主要來自人，現在則變成「人加上 AI」。

公司不一定會直接解僱現有員工，但當 AI 能讓原本的團隊完成更多工作時，企業自然就沒有那麼強烈的理由繼續擴大招募。

因此，AI 對就業市場的影響，可能不一定會以大規模裁員的方式發生。另一種更安靜、也更容易被忽略的形式，就是職缺減少、招募凍結，以及新人進入產業的機會逐漸變少。

工程師沒有立刻消失，但工作內容一定會改變

我並不認為 AI 短期內會完全取代軟體工程師。

軟體開發不只是產生程式碼，還包含需求釐清、架構設計、系統整合、資安、測試、維運，以及對最終結果負責。這些事情目前仍然需要有經驗的人來判斷。

但可以確定的是，工程師的工作內容正在發生改變。

未來工程師可能不再花大部分時間逐行撰寫程式，而是將需求拆解成任務，交由不同 AI Agent 執行，再負責檢查程式碼、驗證結果、處理例外，以及確認整體系統是否符合需求。

過去企業重視的是「誰寫程式寫得快」，未來可能更重視「誰能正確定義問題、指揮 AI、審查結果，並對系統品質負責」。

換句話說，工程師不只是開發者，也會逐漸成為 AI 開發流程的管理者與品質把關者。

真正令人擔心的，可能是初階職位的減少

這則消息讓我最在意的，其實不是資深工程師會不會被 AI 取代，而是初階工程師未來還有多少機會可以進入產業。

一位資深工程師搭配 AI，可能可以完成過去需要數位初階工程師共同完成的工作。站在企業角度來看，這確實能降低成本並提高效率；但站在人才培養的角度來看，卻可能產生新的問題。

因為每一位資深工程師，都是從初階工程師一路累積經驗而來。

如果企業為了效率而大量減少初階職缺，未來可能會出現人才斷層。公司短期內可以依靠現有的資深人員與 AI 提高產能，但幾年之後，市場上是否還有足夠的人才可以接替資深工程師，將成為另一個問題。

因此，企業不能只把 AI 當成減少人力的工具，也必須重新思考在 AI 時代中，該如何培養新人、傳承經驗，以及設計新的職涯成長路徑。

AI 不只改變技術，也正在改變組織結構

另一個值得注意的地方是，Salesforce 並不是全面停止招募。

公司一方面凍結工程師招募，另一方面卻計畫增加業務人員，協助客戶導入 AI 產品。這代表企業不是單純縮減人力，而是在重新調整不同職位的重要性。

未來有些工作會因為 AI 而減少，有些工作則會因為 AI 而增加。

例如，單純執行、整理、撰寫與重複操作的職位，可能面臨較大的壓力；但負責客戶溝通、流程設計、AI 導入、結果驗證、治理與風險管理的人才，反而可能變得更加重要。

所以，AI 帶來的並不只是「人會不會被取代」的問題，而是整個企業組織會如何重新分工。

中小企業也應該開始思考同樣的問題

雖然 Salesforce 是大型科技公司，但我認為這種改變並不只會發生在大型企業。

中小企業的資源有限，反而更有動機利用 AI 提升效率。當企業需要增加客服、行銷、文件整理、研究、行政或程式開發能力時，未來不一定會先想到增加人力，而可能先評估能否使用 AI 工具完成。

這不代表企業應該立刻用 AI 取代員工，而是應該重新設計工作流程。

哪些工作適合交給 AI？

哪些工作仍然必須由人判斷？

哪些結果需要經過人工審查？

如果 AI 發生錯誤，最後應該由誰負責？

我認為，這些問題會比單純購買哪一個模型或工具更重要。

最大的風險，不是沒有使用 AI，而是不知道如何管理 AI

看到 Salesforce 投入 3 億美元購買 AI Token，很容易讓人產生一種感覺：只要投入更多 AI 預算，企業就能自然獲得更高的效率。

但我認為事情沒有這麼簡單。

AI 可以快速產生程式碼、文件與分析結果，但如果企業缺乏清楚的需求、流程、資料治理與品質審查，AI 也可能快速製造更多錯誤與技術債。

尤其在軟體開發領域，程式碼寫得更快，不代表專案就能更快完成。大量由 AI 產生的程式碼，仍然需要被審查、測試、整合與維護。

如果企業只追求產出速度，卻沒有同步強化審查與治理能力，最後可能只是把開發瓶頸從「寫程式」移到「驗證與維護」。

因此，企業真正需要建立的，不只是 AI 使用能力，而是 AI 管理能力。

我的感想

Salesforce 的案例讓我更加確定，AI 已經不再只是員工手中的輔助工具，而是企業正式計算產能與配置預算的一部分。

未來企業在規畫資源時，可能會同時衡量人力成本、模型費用、Token 用量、Agent 數量與自動化程度。

對個人而言，也不能只停留在「會不會使用 AI 工具」的階段，而是要進一步學習如何將工作拆解、如何驗證 AI 的結果、如何建立完整流程，以及如何對最後的成果負責。

我認為，AI 時代真正有競爭力的人，不一定是最會操作某一套工具的人，而是能夠理解業務、定義問題、設計流程，並讓人與 AI 有效合作的人。

同樣地，真正有競爭力的企業，也不一定是購買最多 AI Token 的公司，而是最早建立正確人機分工、治理制度與人才培養模式的公司。

Salesforce 的 3 億美元 AI 投資，表面上是一筆技術採購，實際上更像是一個訊號：企業成長與擴大產能，未來不一定會同步帶來更多職缺。

AI 不只是讓工作做得更快，也正在重新決定哪些工作需要人、需要多少人，以及人的價值應該放在哪裡。