[AI 衝擊] AI 程式設計浪潮下，工程師如何面對「最後一枚銅板」

[AI 衝擊] AI 程式設計浪潮下，工程師如何面對「最後一枚銅板」

摘要 : AI 正加速改變軟體業，但能力提升不等於職位立即消失。

內容:

近期有開發者發文表示，隨著 Claude Code 等程式設計工具快速發展，加上新一代 GPT 模型出現，工程師失業似乎會在一兩年內成為定局。現在上班，就像是在賺職業生涯的「最後一枚銅板」。

我也認為，AI 的能力最終足以取代許多人的工作，只是失業真正大規模發生的時間仍不確定。新模型正逐步具備操作電腦的能力，瞄準白領工作者每天使用的滑鼠與鍵盤；同時，AI 工具的普及率也在快速上升。

根據 JetBrains 的開發者調查，全球專業開發者使用 Claude Code 的比例，從今年初約18%，上升至年中的39%，美國更接近47%。除了 Claude Code，市場上還有 Codex、GitHub Copilot 等工具，意味著 AI 程式設計已迅速進入日常開發流程。

Google 的 DORA 報告指出，軟體開發人員的 AI 使用率已達九成，每天與 AI 協作的中位時間約為兩小時。另一項開發者社群調查顯示，73%的工程團隊每天使用 AI 程式設計工具，一年前則是41%。

有半導體分析機構估計，今年2月由 Claude Code 生成的程式碼，約占全球公開程式碼提交量的4%，年底可能超過20%。無論實際比例為何，AI 可以協助工程師解決問題、撰寫程式碼，已是無法忽視的趨勢。

## 工具普及與裁員同時發生

AI 工具加速普及的另一面，是科技業裁員持續發生。部分企業削減管理職與工程職，甚至連副總裁、新進員工都可能在裁員名單之中。在這種環境下，從業者自然會感覺工作愈來愈不安全，也不敢大幅消費或升級住房。

不過，「正在賺最後一枚銅板」的心態並不是第一次出現。2000年網路泡沫破裂時，工程師圈內就流行過類似說法；2023年初生成式 AI 剛爆發時，也有許多人認為程式設計師即將消失。

幾年過去，程式設計師並未全面消失，但裁員確實發生，入門職位也明顯萎縮。相對而言，資深工程師的職缺沒有同步減少，AI 相關職位還在增加，薪酬甚至出現兩至三成的溢價。

當初認為工程師即將被淘汰的人，如有積極學習 AI 與新工具，如今可能成為企業競相招攬的對象；沒有轉型的人，則可能繼續擔憂被取代，甚至已在裁員中受到影響。

## AI 能力提升，不代表企業能立即裁掉所有人

AI 的能力確實正在跳躍式發展，但從「技術可以完成工作」到「企業真正刪除職位」，中間仍隔著可靠性、組織流程、經濟慣性、法規、預算與責任歸屬等環節。

以 Meta 的內部實驗為例，導入 AI 後，程式碼產出量雖然大幅增加，但真正交付給使用者的功能成長有限，事故數量與救火時間反而增加。這說明更多程式碼不一定等於更多價值，AI 也可能製造新的維護成本。

OpenAI 執行長 Sam Altman 也曾表示，許多人對技術落地的時間表過度樂觀，因為經濟與組織運作的慣性比想像中更大。把模型發布與能力進步的速度，直接當成職位消失的速度，可能會高估一兩年內的衝擊。

## 就業市場正在分裂

目前的招聘市場並非全面惡化，而是出現明顯分化。

史丹佛大學相關研究指出，在最容易受 AI 影響的產業中，入門職位的就業人數下降接近20%，年輕人的求職壓力確實很大。但追蹤大型科技公司的機構也發現，今年在招募的軟體職位數量，可能處於近三年的相對高點。

Indeed 的資料則顯示，資深軟體職位約占整體軟體招聘的70%，AI 相關技能可帶來約30%的薪酬溢價。也就是說，在同一個產業與同一段時間裡，有人的工作正在被取代，也有人因為掌握新工具而變得更加搶手。

## 效率提高之後，工作會更多還是更少？

一項大規模工程效率調查發現，每天使用 AI 的開發者，每週可以合併兩至三個 PR；沒有使用 AI 的開發者，每週平均約為1.3個，效率差距可達六成。

JetBrains 的調查也指出，89%的開發者每週至少能利用 AI 節省一小時，約20%的人每週可以省下八小時以上。

然而，生產工具提高效率後，通常會同時帶來兩種可能：一是企業用更少的人完成原有工作；二是成本下降後，市場產生更多軟體需求，反而需要更多人。最後的就業結果，取決於需求成長與人力縮減哪一方更快。

## 可靠性是阻止全面替代的一道牆

使用 AI 與信任 AI 是兩回事。Stack Overflow 近年的調查顯示，使用 AI 程式設計工具的人愈來愈多，但信任其產出的人反而減少。許多開發者用得愈多，愈不敢完全放手。

只要 AI 生成的結果仍需人工檢查，企業就需要工程師負責審查、修復事故、處理例外情況，並在出問題時承擔責任。這也是許多職缺仍要求傳統工程能力的原因：企業可以大量使用 AI，但最終仍需要有人看著它。

有創業者分享，新產品約八成程式碼由 Claude Code 生成，相關 Token 費用僅三百多美元。生成成本雖然很低，但程式碼是否正確、產品能否上線、事故如何處理，仍不能只看生成程式碼的價格。

## 悲觀不能成為停止行動的理由

如果把努力視為一種品質不高的燃料，那麼「反正只是在賺最後一枚銅板」的心態，等於連燃料都不再添加，直接讓自己熄火。

即使未來可能悲觀，職場仍是一場人與人之間的競賽。重要的不是證明自己永遠不會被淘汰，而是比別人更早適應、更晚被淘汰，替自己爭取更多轉型時間。

公司此刻仍願意支付薪資，並不是因為仁慈，而是因為員工仍擁有企業暫時買不到的能力，包括檢驗 AI 產出的眼睛、修復 AI 事故的腦與手，以及在出現問題時承擔責任的能力。每一筆到帳的薪資，都是尚未被 AI 完全取代的證明。

如果目前真是某種產業形態的末期，那麼薪資也不只是「最後的銅板」，更可以視為一種轉型補貼。穩定收入、公司提供的 AI 工具，以及真實的專案環境，組合起來就是練習下一種技能成本最低的窗口。

## 技術換代時，消失的通常是拒絕轉型的人

從膠片相機轉向數位相機、從傳統報業走向自媒體，每次技術換代都出現過末班車心態。舊產業的從業者並未全部消失，許多人只是轉往新工具與新產業，並把原有的經驗、審美和判斷力帶過去。

AI 的不同之處，在於它可能同時影響程式設計、文案、客服、分析、會計、設計、法律與醫療等大量白領工作。它不只是替代單一工具，而可能逐漸接近對人類智力工作的全面替代。

但在現階段，人仍需學習如何指揮 AI、驗證 AI，並將它的能力轉化為真正可用的成果。

## 如何使用「最後一枚銅板」

第一，把薪資當成訓練預算。每週固定安排數小時學習與實作，利用 AI 開發產品，找出它無法處理的部分，並學習如何改善整個流程。除了提升正職能力，也可建立自己的副業或作品。

第二，準備足夠的現金緩衝。失業恐慌很大一部分來自每月帳單，因此應評估自己在沒有收入時可以生活多久。資金愈充足，面對技術變化與裁員時就愈有選擇權。

第三，把職務往 AI 難以獨立完成的方向移動，例如判斷結果、審查品質、處理事故、跨部門協調，以及承擔最終責任。既然每個人都在爭取更多時間，就應往較難被自動化的位置靠近。

第四，不要為了躲避 AI 而衝動裸辭。AI 最終可能滲透每一個產業，逃離的成本通常高於適應的成本。轉到新產業後，一切都要重新開始，而等到適應完成，AI 也可能已經進入該領域。

第五，看清楚自己所在公司的狀態，包括公司是否獲利、是否正在裁員、商業模式是否健康，以及自己的團隊是否屬於核心業務。不同公司的風險差距，可能比不同職稱之間更大。

第六，建立多種收入來源。副業收入即使不高，也能降低對單一工作的依賴，並提供測試新技能與商業模式的機會。

## 能力爆發與職位消失是兩張時間表

部分研究員與企業領袖認為，AI 可能在未來一至五年內大幅超越人類能力。這些預測未必毫無根據，因為模型能力確實可能在一兩年內再次爆發。

但能力提升與職位替換之間，仍隔著可靠性、組織慣性、經濟週期、合規要求、企業預算與責任制度。公司即使知道 AI 能提高效率，也未必會立刻重建所有流程並裁掉全部員工。

未來一兩年內，IT 產業未必立即出現全面失業潮，但職位結構很可能持續變形：部分職缺減少，入門門檻提高，資深人才與一般人才的收入差距擴大，能熟練使用並監督 AI 的人則獲得更高價值。

AI 最終也許真的會取代大量工作，但至少在目前，最危險的不是 AI 已經無所不能，而是人在它尚未完全成熟之前，就先因悲觀而放棄學習與行動。