[AI 衝擊] 高度自動化Agent帶來的工程師職涯危機
摘要 : 工程師以MCP與Skill打造自動化Agent，也因此直面職涯價值與AI取代焦慮。
內容:
最近一篇帖子，發帖人表示，自己不斷見證AI變強，因而產生了強烈的無力感。
一年前，他還在嘲笑AI不會寫複雜專案的程式碼；如今，AI已經能完成程式開發、測試、問題排查及上線發布。他甚至常常只需要坐在辦公室與同事聊天，實際工作則由AI處理。
過去半年，他主要在為AI搭建MCP與Skill。MCP是由Anthropic率先提出、如今逐漸成為業界通用的標準介面，能讓AI直接呼叫公司的工具與系統；Skill則是將一套操作流程整理成AI可以重複使用的技能包。
完成這些建設後，AI已經能自行取得分配給它的需求。遇到不確定之處時，它會透過機器人帳號主動與工程師討論，接著自行開發、解決程式碼衝突、部署及測試。
AI也可以查看測試與正式環境的日誌，存取資料庫、訊息佇列及大數據平台，進一步排查與驗證問題，甚至直接完成線上發布。
更進一步，AI還會閱讀業務群組中的各種問題。多數情況下，它能自行排查、自行解決並直接回答。
發帖人曾親眼看到AI向業務人員索取具體資訊，再根據取得的資料，跨越五個服務檢查專案程式碼、日誌及資料庫，最後找出問題的根本原因並回覆業務方。整套流程完全由AI獨立完成，前後不到20分鐘。
當然，建成這套系統耗費了他大量時間與精力。目前多數人還達不到這樣的自動化程度，但這已經證明，AI能完成大部分人的工作，甚至可能做得更好。
未來如果有更多公共MCP與Skill開放，達到這種自動化程度的人將愈來愈多，使用AI的門檻也會持續下降。
這讓發帖人開始思考三個問題：
第一，一個每月只需200美元的AI，已能比他和同事做得更好；而他們的年薪接近80萬元，這樣的工作還能維持多久？
第二，他們所做的工作，真的值80萬元年薪嗎？
第三，也是最令人不安的一點：真正可怕的不是現在的AI有多強，而是AI進入Agent時代還不到一年，就已經發展到這種程度。明年、後年乃至更遠的未來，究竟會變成什麼樣子？
這套高度自動化系統，本質上是發帖人花半年時間建立的一條Pipeline，主要包括四件事。
第一是「文件化」。將原本只存在於員工腦中的業務規則、系統關係與問題排查經驗，整理成AI能夠理解的規格，把隱性知識轉化為顯性知識。
第二是「介面化」。將日誌、資料庫、訊息佇列及發布系統，逐一接入AI可以呼叫的MCP與工具，相當於為AI裝上雙手。甚至連聊天工具也能交由AI操作，讓它直接與業務人員溝通。
第三是建立「Skill」。將人類過往解決問題的方法文件化，整理成可以重複使用的操作步驟，相當於為AI裝上經驗。
第四是賦予AI一個可以在組織內活動的身分，例如機器人帳號。它可以加入群組、主動提問、回覆訊息，甚至直接解決問題，因為它已經接通其他工作流程與系統。
許多公司的聊天工具中已經存在AI機器人，只是自動化程度不同。發帖人打造的AI機器人顯然走得更遠：不只是擁抱AI、使用AI，而是進一步讓AI自動運作。
然而，愈是走在前面的人，危機感往往愈強。因為他們比其他人更清楚AI真正具備哪些能力，也更直接地看見自己的工作如何被取代。
以20分鐘內跨五個服務完成問題排查為例，在傳統公司中，五個服務可能分屬五個團隊。這通常需要召集多人開會，各自檢查日誌與系統，經歷跨部門溝通，甚至互相推卸責任，最後再由資深人員判斷。整個過程可能需要數天，甚至數十天。
AI卻能在不到20分鐘內完成。它取代的不只是技術工作，也一併消除了組織協調與跨部門溝通的成本。
不過，這種效率有一項重要前提：建立AI系統的人必須擁有足夠權限，讓AI能夠存取跨部門的程式碼、資料與系統介面。
目前許多大型企業仍受到組織架構與權限限制。一般團隊通常只能查看自己的程式碼，跨組織存取不僅涉及權限問題，也不符合既有工作習慣。但只要為AI提供相應權限及介面，它就可以跨越這些邊界。
這也是AI Agent與一般聊天機器人的本質差異。聊天機器人只能回答問題，Agent則能穿過組織與系統，實際執行任務並解決問題，甚至處理跨組織的問題。
當AI機器人建立起來後，業務人員遇到問題時，可能不再尋找原本的負責人，而是直接聯絡AI Agent。這會導致原有員工在組織中的可見度與重要性下降，而這些因素通常又是績效評估及職涯發展的重要依據。
即使工程師告訴所有人「這個Agent是我做的」，也未必能永久維持自身價值。當所有工作都被自動化後，組織最終仍會回到一個現實問題：這個人現在還能提供什麼價值？
即便如今價值下降，是因為他過去成功建立了自動化系統，管理者通常仍更在意員工當下能提供的價值，而不是過去的功勞。這正是發帖人感到無力的原因之一。
另一個原因，是他與AI發展的距離太近。普通人可能只是從新聞中得知AI正在變強；他卻每天親眼看著自己搭建的系統變得愈來愈能幹，因此感受更為強烈。
當AI接手大部分工作，他坐在辦公室聊天時也會感到心虛。過去，他認為產出必須依靠自己持續工作；如今，工作卻幾乎全部由AI完成。
歷史上也曾出現類似的技術升級。高階程式語言與編譯器出現時，原本手寫組合語言的工程師也曾懷疑，讓編譯器代替自己產生組合語言後，自己是否還算程式設計師。
後來，手寫組合語言的人雖然減少了，軟體開發者的數量卻大幅增加。因此，今天的AI管線會不會成為舊時代的「編譯器」，仍有待觀察。
問題在於，搭建這類管線的門檻可能並不高，因為工程師同樣可以要求AI協助建設。未來隨著公共MCP與Skill逐漸開放，發帖人花半年建立的系統，其他人可能只需要一天就能完成。
換句話說，先行者目前擁有的護城河，可能只是時間差，而不是永久優勢。
至於他是否真的值80萬元年薪，這筆帳並不容易計算。從公司的角度來看，他建立自動化管線後，個人產出可能提升數倍，甚至十倍。過去需要數名乃至十多名員工完成的工作，如今只需要一個人加上一套AI管線，因此公司支付80萬元，或許仍然相當划算。
但問題是，這套系統並非只有他能使用。換成一名初級工程師，也可能透過相同工具驅動整套流程。如果自動化程度與可靠性足夠高，甚至可以讓AI機器人直接與業務方溝通，完全不需要人類參與。
這也讓問題回到最核心之處：當AI不只提升人的效率，而是逐步接手整套工作流程時，人類在組織中的角色、價值與薪資，將如何被重新定義？
