[AI 機會] 從AI資本市場找出你商業價值與下一步

 [AI 機會] 從AI資本市場找出你商業價值與下一步

先說結論在這一波AI變化中。 一切的最終結果結果。 將會再與你是否可以洞悉出AI給你帶來了什麼機會？ 並且為你創造出更多的價值。 否則你這樣會？ 被不斷。 新資訊。以新工具，新技術具給淹沒？

先從基本面來觀察從去年開始，各大廠紛紛投入在AI領域的基本費用支出，已經超乎一般人的想像或是以往的經驗。直到今天為止。 已經看到，這些佔據全世界排名的前100大公司，在AI費用的投資上又加碼了更多。 累積起來的 更是不可想像。相信所有的企業主都不是傻子。 投入了這麼多錢，只是為了創造出更多的AI工具。 結果到頭來，並沒有任何的投資回報。 這將造成AI就要泡沫化。資本市場基本將會盡可能的避免這樣泡沫的現象發生。因為這將會造成他們的投資。沒有任何的回報，甚至於損失。但是不論AI圈是否會泡沫化？ 對於就業市場而言。 都會造成非常大的衝擊。 若這波AI浪潮會成功。企業主將本著降本爭笑的心態。逐步壓縮現有的就業人力。因為AI已經可以做到這麼多以往人要做的事情。而AI都可以做了，為什麼還要有這麼多人？若遇到全世界不景氣的狀況再度發生，又或者各種不可變或不可控的因素產生。 造成AI泡沫了。 那麼這些大廠將會依據現有的狀況進行瘦身，並且影響到。 現有業務的推動，這波波浪將會觸及到其他的企業。隨著而來的，也將是人力工作的調整，因為虧了這麼多錢。短期之內也賺不到這麼多錢。為了要讓報表好看，大幅裁撤力將是第一優先選擇。

觀察一個方向。 若大家並沒有積極去使用，AI。 消費更多的Token。 那麼投資有去無回，AI將會快速泡沫。資本市場是無情的。 投資沒有回報。 他們就會退場。 AI需要這樣大量的資金來維持他們的運作。接下來就會造成這些AI，因為沒有這樣大量的足夠資金。就無法繼續在營運下去了。

以我的工作，說實在的。 真的有些不樂觀。 我病。 在販賣焦慮。而是試圖在這一波AI推動過程中。大家也都要去尋找出一個未來對自己有幫助的方向。

這波趨勢應該是不可逆，而且也不可擋的。所以觀察現有的市場狀態。 看看能否找出有了AI工具的加持。 可以做到以往AI所做不到的事情。 重點是做了這些事情，可以未企業或整個商業行為。帶來伊網所賺不到的營收。所以我們應該審慎樂觀的來面對這波AI造成的影響。分析於你有關的商業行為中。 是否存在著什麼機會是你以前所賺不到的？ 剖析。 整個AI的加持以及整合。據傳。原本部屬與你之前該賺到的錢。最後才是來思考。 你該選用什麼樣的AI工具或者環境？ 建立起相關計畫。 執行後獲得你的預期成果。

當你在尋求你的機會的時候。 千萬不要以AI技術有哪些能力，又有哪些新工具的眼光來看？ 就算你會操作以及善用這些AI技術。 原則上在這一波AI趨勢中終究是隨波逐流一場空。不管要販售。 AI產品。 或者是AI解決方案的人都必須深刻的去分析，你的客戶究竟有什麼樣的痛點。 客戶是否會因為這樣的痛點而花錢來買你的單？這是最直覺的，而且不可避免的。你的AI無法幫助客戶解決他們的以前所不能解決的問題。 相信沒有人會花錢來買你的。 任何的想法，技術，產品或者解決方案。Ai以每個月都會有各種不同的資訊，更優秀的功能。更好用的模型。，不斷的在散布中。讓人追著眼花繚亂。並且做到都懷疑自我人生。

我很期待可以看到不同的人，在這波AI浪潮中找到了自我，並且看到他們在這裡透過AI。創造。他們另外一個財富的收入。也許也許有人是在默默的做。 也不想讓大家知道他做的有多優秀。 不過很可惜的是，現在可以看到的成功案例幾乎是少之又少。 也許你可以斷定。 誰去做AI？ 都將會沒有結果，但是也許再給一點時間。 我是想觀察到9月。 看看能否是否有一些企業個人或者是廠商。 能夠逐步的在AI市場上獲利。

在以往，若有一個新的技術，新的觀念要讓整個社會來買單。 第一個要做的事情就是要去教育這個。 讓他們知道。 這樣的新技術，新觀念，新方法。 對他們是好的。 他們應該怎麼去善用這些東西？ 這樣的推廣成本代價即提高。 時間也極其久。 可是短短的這兩三年時間，AI這樣的觀念與及應用。 透過新聞與網路的不斷的傳播。已經讓大家體會到AI可以為他們帶來什麼的好處，他們也實際使用到AI所創造的各種不同優秀能力。既然已經做了第一個層面的突破。 接下來就是要看各種不同的群體，他們怎麼去發揮？ 他們原有應該就要表現的能力。很多以往的價值在AI底下可能就已經不再存在了。 例如我會寫一個很複雜的程式。 但是我需要一年的時間，並且需要10個人的團隊共同來協助。 這樣的壁壘已經被打破了。 因此有些舊有的思維可能無法在未來的機會中來實行。 所以每個人也要嘗試去做改變。找出自己未來的機會。

[AI 開發] 本是同根生，相煎何太急

 [AI 開發] 本是同根生，相煎何太急

今天又是星期三，從去年開始。陸陸續續聽到。AI即將取代人類的一些工作，到今年初，這樣的訊息鋪天蓋地的在各個地方散布。尤其對於從事於程式開發人員的工作，更是首當其衝，說實在的，從事這類工作的人，就算你不相信這件事情，但他所造成的影響。對你我還是蠻嚴重的，因此許多人的焦慮感不斷的在擴散中，而且這樣的氛圍或多或少也會造成。人的身心上的不舒服。

像是妳我是從事這類工作的人。對於透過長時間不斷的學習與努力。 累積出來的這樣經驗和技能。 在順時間幾乎就變得不存在的感覺。 著實讓人很難接受，說實在的，一般人對於AI這樣的技術到來。我相信一開始也都抱著姑且一試。甚至於說有了這樣工具可以幫助日常工作，解決很多問題。但是在2026年來，發現到你所期待的工具。就是要取代你的這個人。瞬時間，好像從朋友變成了敵人。可是，AI這樣的工具不就是要透過各類的科學和程式的寫作？ 才可以做到如今的境界嗎？ 這應該是彼此互相兼容。 或者帶來更多效益的結果，如今卻變成要把個人予以為生的工作。進行取代。何其難堪。

畢竟現在AI還是無法完全取代人的所有特色，因此，是否有機會與AI和平共處呢？ 甚至於利用它讓它們成為我們的另外一個助力。 想到這裡，那就開始直接擁抱它。並且加大力度的來使用它，找出其中磨合的關鍵點。就我置身而言，發生了一些變化。 其中一點對我而言是相當關鍵的，那就是。當我AI用得越多。就會變得我越來越不想去寫程式了。這是何其諷刺的現象，如果我都不去寫軟體了。那我的價值又在哪裡？和我不去寫程式的工作。 並不因為我沒有去做。 就造成這樣的工作延宕在那裡。 說實在的，隨著AI技術不斷的演進與進化。基本上我是可以接受他寫出來的軟體，和他執行成果的表現都是在我的預期之內。

另外一個現象就是。 當我大量的使用AI後，說實在的。 真的是有提高更多的工作效率。 隨之而來的問題那就是，在沒有AI之前，原來安排需要10天時間才可以完成的工作量，完全透過古老的人工與智慧，應該是可以順利完成，又或者因為有不確定的因素導致會增加工期。這樣的問題在現在似乎已經不會再出現。 因為透過AI的加持，原來這樣的工作天數已經可以進行縮減。 就算有些不確定的問題發生。最差的狀況還是可以在預訂的工期內完成這樣的指派工作。可是現在發現的問題則是，絕大多數的工作都可以提前完成，那麼多出來的時間，應該要怎麼處理呢？

我之前提到過。若因為使用AI的工具造成了工作提效。 隨之而來的業務那邊無法再增加更多的工作。 則將會導致有很多人力空閒在那邊，一旦公司發現到這樣的問題。 那麼就會開始著手進行人力縮減的步驟。 這樣的現象應該是無法會背再以藏起來。 大一點的公司在導入AI之前，或者在AI導入期間。 其實就可以透過各種不同的數據與指標發現到這樣的現象。 有些公司就會因此提前縮減人力，有些公司則會動態進行調整。總之最差的狀況就是我們大家所不樂意見到的。就算小一點的公司在導入前或導入期間看不到這樣的。 工作效率已經大幅提升。 那麼，在事後一定會透過各樣的情況發現到這樣的問題。不管如何，若原來需要10個人可以做完的事情，勢必將會縮減到只需要4到6個人就可以了。

另外一個現象就是。我剛剛提到的，現在的程式也越寫越少了。那麼整體的工作心態以及方向又該如何調整呢？ 其實這也是一個相當嚴重的問題。 因為AI工具的導入，導致有些人需要進行工作，職位的調整。 他們心裡可能不好受，可是留下來的人。其實心裡也並不是十分舒服。隨之而來的壓力以及心態的調整，也要看這些留下來的人，是否可以平穩度過。畢竟工作方式不一樣了。 以往都要用鍵盤手搓寫出程式。 現在透過一句話就可以把程式碼寫出來。 這樣的差異說實在的，若沒有花點時間就適應。是很難接受的。

不管結局如何。到現在為止，其實好像沒有絕大多數人或者企業都會變成真正的贏家。但在這個百年難得一見的機遇。讓大家可以在有生之年，經歷過這樣的狀況。說實在的，好像也是不錯，最起碼。不用去想到那些心理不舒服的事情，既然既然真正的AI變化也是在這兩三年。 AI的崛起若有人說他是AI專家。 不知道你是否可以相信，既然沒有人可以告訴你未來真正會怎樣。 也沒有人可以說明，現在應該怎麼做才是最好的。這樣就可能要變成達爾文所說的物競天擇的狀況吧。

對對於可以妥善操控AI工具的人。 可能會因為沒有過多的事情，可以讓他們來進行處理。 就算想思考，也無從去經歷與體驗。因此到現在的觀察還是一樣。至少要等到9月到12月底才可以看到比較具體與明顯的走向。若你問我，你會怎麼想？說實在的這也要問妳自己了。

[AI 正能量] AI 工程師是否可行與未來如何

 [AI 正能量] AI 工程師是否可行與未來如何

今天又是星期三。從去年開始。陸陸續續聽到很多人說。未來可能會出現一種新的角色。叫做 AI 工程師。說實在的，一開始聽到這樣的說法。其實很多人心裡是有點懷疑的。因為對於原本從事程式開發工作的人來說。AI 本來只是工具。並不是職業。但是到了今年。越來越多人開始討論這件事情。甚至有人開始思考。是不是應該往這個方向調整自己的工作內容與能力結構。

像是妳我是從事程式設計相關工作的人。長時間以來。都是透過撰寫程式碼。來完成系統的設計與建構。這樣的工作模式其實已經維持了很多年。甚至可以說。這樣的能力就是我們的專業來源。但是最近這一兩年。開始慢慢發現。有一些原本需要自己撰寫的程式。現在透過 AI 的協助。很快就可以完成。甚至完成的品質也在可接受範圍之內。這樣的變化。說實在的。多少會讓人開始思考。那未來程式設計師的角色會變成什麼樣子。

於是就有人開始提出一個新的方向。那就是轉型成為 AI 工程師。可是問題也隨之而來。到底什麼是 AI 工程師。是不是一定要會訓練模型。是不是一定要懂深度學習。是不是一定要會寫很多數學公式。如果真的是這樣的話。那對多數原本從事資訊系統開發的人來說。門檻其實是很高的。但觀察到目前的發展情況。似乎又不是完全如此。現在很多所謂的 AI 工程師。其實是在做模型整合。資料串接。流程設計。甚至是 Agent 的規劃與應用。慢慢地開始發現。這些事情其實和原本的系統開發工作。並沒有想像中的距離那麼遙遠。

另外一個現象就是。當我們開始大量使用 AI 工具之後。會慢慢發現。原本需要自己設計很多細節的工作。現在可以透過與模型互動的方式來完成。這樣的改變。說實在的。一開始是覺得方便。但是時間久了之後。會開始產生另外一種想法。那就是。如果未來很多程式都可以透過 AI 來完成。那我們是不是應該把時間拿來做更上層的事情。例如設計流程。整理資料。規劃系統架構。甚至是思考整體產品方向。這樣的角色轉變。其實某種程度上。就已經慢慢接近所謂的 AI 工程師。

不過另外一個比較現實的問題就是。是不是每一個程式設計師都適合轉型成為 AI 工程師。這件事情其實沒有標準答案。有些人擅長系統整合。有些人擅長資料分析。有些人擅長流程設計。這些能力在現在的 AI 發展環境裡面。其實都變得越來越重要。反而單純撰寫程式碼的能力。慢慢變成只是基礎能力之一。並不是唯一的能力來源。因此如果本來就習慣做系統規劃或者資料處理的人。轉型的速度通常會比較快。

另外一個值得注意的現象就是。當 AI 工具開始普及之後。很多原本需要十天完成的工作。現在可能三天甚至兩天就可以完成。這樣的效率提升。對個人來說當然是一件好事情。但是對整體組織來說。也可能產生新的問題。因為當工作時間被壓縮之後。公司自然會開始思考。是不是還需要原本這麼多的人力。這樣的變化。其實在很多產業裡面都已經慢慢出現。因此如何讓自己在新的環境裡面保持競爭力。就變成一件很重要的事情。

說實在的。與其被動等待變化。不如主動調整方向。像是開始學習如何設計 Prompt。如何建立 Agent。如何整合不同模型的能力。甚至是如何把公司的既有資料轉換成可以被 AI 使用的形式。這些事情看起來好像很新的領域。但其實本質上仍然是在做系統設計。只是工具不同而已。如果能夠慢慢累積這方面的經驗。其實就已經開始走在 AI 工程師的路上。

另外還有一個比較有趣的變化就是。當開始學習如何使用 AI 之後。會慢慢發現。原來自己的工作方式正在改變。以前是先寫程式再解決問題。現在變成先描述問題再設計流程。這樣的思考模式轉換。剛開始會有點不習慣。但時間久了之後。反而會發現效率變得更高。而且可以處理的問題範圍也變得更大。這樣的經驗。其實對未來的發展是有幫助的。

當然也有人會擔心。如果大家都開始學習 AI。那是不是又會出現新的競爭壓力。這樣的擔心其實是可以理解的。不過從另外一個角度來看。每一次技術轉換的過程。都會重新定義能力的價值。過去需要花很多時間學習的技術。可能會慢慢變成基礎能力。同樣地。現在開始累積的 AI 使用經驗。未來也可能會變成新的專業基礎。因此越早開始接觸的人。通常會比較有調整的空間。

不管未來的發展會變成什麼樣子。至少可以確定的一件事情是。AI 不會只是短時間的流行工具。而是正在改變整個資訊產業的工作方式。在這樣的變化裡面。選擇排斥或者接受。其實都沒有絕對的對錯。但如果能夠在適當的時候開始理解它。甚至學會利用它。那麼對未來的工作安排。多少會多一些選擇的空間。

至於 AI 工程師是不是一條值得走的路。說實在的。現在可能還沒有標準答案。因為整個產業還在變化之中。不過可以確定的是。當越來越多的人開始使用 AI。那麼能夠理解 AI 如何運作的人。自然會變得越來越重要。至於要不要往這個方向前進。也許還是要看每個人自己的選擇與節奏。畢竟這樣的轉變。並不是一天之內就可以完成的事情。

如果你問我。現在是不是應該開始往 AI 工程師的方向準備。說實在的。也許不用想得太複雜。只要開始多用一點 AI。多理解一點流程。多嘗試一點新的工具。慢慢地就會發現。自己其實已經走在這條路上了。

[AI 體驗] 採用AI開發系統。已經回不去了。

 [AI 體驗] 採用AI開發系統。已經回不去了。

先說結論，這三天特別請假在家裡。透過連續三天的不斷馬不停蹄的全程採用AI開發，得到的結果只能讓人驚奇與讚嘆。說實在的，傳統人工逐行逐行的寫程式碼的時代，最起碼在我這邊已經就此終結了。另外就是採用這樣的開發方式。 確實可以開發出一個可以上線的正式產品出來。 而不是單純的MVP或者是POC的系統。

這一次所嘗試的開發。 並不是進行傳統的系統開發，例如有大量的CRUD。 或者是一個前後端分離的web API。或者是前端框架框架網頁。這樣的應用其實在網路上可以看到很多人都在做分享。 尤其是號稱沒有寫過程式經驗的人。 他們也都可以輕鬆地透過AI代理人工具。 把這些軟體開發出來。而我這次所進行的挑戰則是比較複雜一點的，也就是AI Agent 的系統開發。開發出來的成果。只能說滿意到不能再滿意。很多東西我無法考量到的地方，在這三天的挑戰過程中，AI都自動幫我設計進去了。所以成果是所謂的相當的豐盛，與成功。

現在來看看這兩天大廠們所散佈出來的一些資訊。 其中對於Google和亞馬遜。 他們紛紛表示。內部企業現在所開發的程式碼已經將近有七成5到8成以上都已經全部使用AI來自動產生了。預計在年底或者在明年初。今開可以達到100%的程式碼，都是透過AI來產生。原來的軟體開發工程。現在的價值已經淪為要來審核AI所寫的程式碼。可是，應該很多時候根本來不及來審核這些AI所產生的程式內容。因為AI產生的速度。遠遠大於人工審核的速度。在這背後，存在一個非常重大的意義，那就是原來需要透過這麼多人 才能夠撰寫與維運的系統，現在看樣子是不需要這麼多的人了。這樣的變化真是快到讓人看不出來。 在這時代的巨輪不斷的轉動中。 勢必有很多人將會在這一次的進步中，狠狠的被甩出去。 但是也會有更多的人在這一波的進步中。可以抓到更多的機會。

話說我這次挑戰的AI代理人系統中。 其實我並沒有花費過多的時間來準備。 說實在的。 以傳統工藝人的做法。需要去看大量的技術文件，做不同的開發程式練習。找出不同開發上可能會遇到的問題，這些其實都侵蝕著我們這些古老技藝人的時間，回想在那之前所做的這些事情。說實在的，真的是慘不忍睹。所以我這次同樣的跳過這樣的環節。 我想知道在AI工具的加持下。 最大程度可以幫我節省多少的時間？ 提高多少的效率？達到最大的效果。

我這次使用的開發環境是 codex，可是很羞愧的說，這一次開發的挑戰，我連一週的額度都無法用完。 最多只有用完5個小時內的額度。 真是很讓人慚愧。我訂閱的是30美元的額度。不知道是我能力的問題。 還是這個挑戰的題目過於小，導致於我一個月的額度。 都無法完全消耗殆盡。 我很想做到像網路上的那些人，用到沒有token可以來使用。很遺憾的是，我沒做到。雖然沒有做到，最後的成果卻是有執行出來。從一開始的完全沒有任何的準備，我卻可以開始進行開發。到最後我卻可以把系統開發出來。所以這三天我都是在驚奇過程中不斷的感受到AI的偉大。

雖然在不斷的驚嘆聲中。 這三天的挑戰。 其實我也不斷的想要來挖掘或者探索。到底是有哪些我還看不到？ 想不到的問題。 因為一旦採用這樣的開發方式。 臨時若遇到這樣的坑。 必須要能夠在最快的時間。 將它來解決。 畢竟現在開發速度如此的快。 又如此的有效率。 任何的延遲都會無限放大。 它的無能，說沒有發現到1些問題。其實是不可能的，但是在整個過程中，這些小問題是可以在事先規劃或者是在過程中避免掉這些問題產生，甚至於在問題發生之後。可以使用一定的方法將其修正回來。

這也要多虧了最近。 看了許多自媒體的影片，以及各種的教學和網路資訊。 雖然我沒有衝動到看了影片就去嘗試練習。 但在這一次挑戰中，這些資訊對我相當的有幫助。所以在一開始的啟動到最後的結束。其中的過程不斷的進行原來原本可能做不到。 或者無法想像這樣的過程是可以做出來的，到不斷的排除問題，甚至於額度滿了。 又在充值了40美金，並且不斷的過程中也進行回顧，以及修正。這些各種不同的經驗。 讓我收穫滿滿。 也讓我對於下一次若有AI代理人開發這樣的系統工作。 我已經知道該怎麼去面對 他了。

網路上傳言的很多。 對於這樣AI工具開發的不利訊息。 在這一次挑戰中，其實對我而言是徹底瓦解掉了。 因為並沒有像他們講的這麼的不堪。其實還是有不同的方法。可以去調整與因應的。很多時候衝得太快，跑得太急。 並不代表是很好。 反過頭來說不需要看到別人都在做這樣的衝動。你也要像他們跑得這麼快，適應的環境速度慢，沒有這麼快也並沒有不好。畢竟作與不做都是有人要去買單。由於這是一個前所未有的經歷，是否因為當初決策過慢，之後還有機會來做調整？ 我覺得現在沒有人可以說的準。 我抓的時間點還是不變。 9月是一個確實最後決定的時間。

[AI 想像] 傳統的程式設計人員，未來該如何呢?

 [AI 想像] 傳統的程式設計人員，未來該如何呢?

這一兩年來。開始越來越常聽到一個問題。那就是。傳統的程式設計人員。未來還能做什麼呢？說實在的。這個問題其實不是現在才出現。而是隨著 AI 工具越來越成熟之後。慢慢變成一個無法忽略的現象。尤其對長時間投入軟體開發的人來說。這樣的變化。不只是技術上的調整。更多時候。其實是一種心理上的轉變。

像是妳我是從事這類工作的工程師。過去很多年以來。都是透過撰寫程式碼來完成系統功能。每天的工作內容。可能就是分析需求。設計架構。撰寫程式。測試修正。然後再交付使用。這樣的模式其實很穩定。甚至可以說。已經變成一種習慣。但是最近開始發現。有些原本需要花很多時間完成的工作。現在透過 AI 的協助。很快就可以完成。甚至完成的品質。也已經在可接受範圍之內。這樣的變化。難免會讓人開始思考。那麼傳統程式設計人員的角色。是不是正在慢慢改變。

另外一個比較明顯的現象就是。當 AI 工具開始進入日常開發流程之後。很多事情的順序開始改變。以前是先寫程式。再驗證結果。現在變成先描述需求。再讓 AI 協助產生程式。這樣的轉變。說實在的。一開始會覺得有點不自然。甚至會覺得少了一些掌控感。但是時間久了之後。慢慢會發現。其實工作的重點正在往上移動。不再只是寫程式本身。而是理解問題與設計解法。

不過也有人會開始擔心。如果未來程式越來越少需要自己寫。那麼我們多年累積的能力。是不是就慢慢失去價值。這樣的想法其實是可以理解的。因為過去很長一段時間裡面。寫程式就是工程師最核心的能力來源。但是現在的情況開始不同。真正重要的能力。慢慢變成理解系統。整合資料。設計流程。以及規劃架構。這些事情。其實仍然需要工程師來完成。只是形式變得不一樣而已。

再觀察一段時間之後。還會發現另外一個變化。那就是工作的速度開始變快。以前需要十天完成的事情。現在可能三天就可以完成。這樣的效率提升。對個人來說當然是一件好事。但是對整個團隊來說。也可能帶來新的壓力。因為當工作時間縮短之後。公司自然會開始重新思考人力配置。這樣的變化。其實很多人心裡都感受得到。只是還沒有完全說出來而已。

因此問題就慢慢變成。另外一個方向。那就是。如果傳統程式設計人員不只是寫程式。那麼接下來應該往哪裡走。有人開始學習資料分析。有人開始接觸系統整合。也有人開始研究 AI 工具的應用方式。這些嘗試。看起來好像只是小幅調整。但其實都是在為未來做準備。因為當技術環境改變的時候。能夠適應的人。通常會有更多選擇的空間。

另外還有一個值得注意的現象就是。現在的工程師。其實比過去更有機會參與產品設計。以前很多時候。工程師只是負責實作需求。但是現在因為 AI 可以協助完成部分開發工作。工程師反而有更多時間思考整體流程。甚至參與決策方向。這樣的角色轉變。雖然剛開始會有點不習慣。但長期來看。其實是一種能力的提升。

當然也有人會問。如果未來大家都開始使用 AI。那麼是不是競爭會變得更激烈。這樣的擔心其實很正常。不過從另外一個角度來看。每一次技術轉換。都會重新定義專業能力的價值。過去會寫某種語言的人。可能具有優勢。現在則變成會整合工具的人更重要。未來甚至可能變成會設計流程的人最有價值。這樣的變化。其實正在慢慢發生之中。

說實在的。傳統程式設計人員並不是被取代。而是正在轉型。只是這個轉型的速度。每個人都不一樣。有些人會比較快。有些人會比較慢。但只要願意開始理解新的工具。新的流程。新的工作模式。慢慢地就會發現。原來自己的能力並沒有消失。只是換了一種使用方式而已。

不管未來的環境會怎麼變。至少可以確定的一件事情是。軟體仍然會存在。系統仍然需要設計。資料仍然需要整理。而能夠理解這些事情的人。仍然會是重要的人才。至於傳統程式設計人員未來該如何呢。也許答案並不是改變身份。而是調整方向。讓自己在新的時代裡面。找到新的位置而已。

如果你問我。現在是不是應該開始擔心未來。說實在的。也許不用太早下結論。與其擔心。不如多觀察一點。多嘗試一點。多學習一點。等到回頭看的時候。可能會發現。自己早就已經走在新的路上了。

[AI 反思] 我是否還需要繼續探索底層技術

 [AI 反思] 我是否還需要繼續探索底層技術

歷經三天的體驗完全，使用AI來開發一套。AI Agent 系統，成果可謂讓我相當的滿意。滿意的思考範疇並不是因為有開發出一套這樣的系統。而是。讓我確認了就算沒有這些AI底層的知識與技術和經驗。 我也一樣可以透過現代化的AI工具。 把一個系統開發出來，當然我必須要對於這樣的系統要能夠定義出它的邊界。 它到底可以做到什麼東西，它不能做到什麼東西，我又該怎麼驗證這樣的系統是符合我的期望，在這三天可謂收穫滿滿，但是現在還有另外一個問題。

那就是我還需不需要繼續鑽研這些底層的技術呢？當然，我指的並不是如何去建構出大語言這樣的系統。而是對於我現在所用的開發技術與框架原則上我對於它可以說知之甚微，我也很擔心一旦有問題爆發出來。 是不是在我可以掌控的階段？ 還是要變成一列司速列車？ 在以往這樣的狀況可以有我們這樣的技術人員。 來掌控或者調度。 一旦發生不可預期的突發狀況。 藉由平常所了解的底層技術技術與框架內容，足以採用傳統人工手作方式，應該還是可以解決或排除這些問題的。

在過去這三天中，這樣的問題，對於我這樣的案例似乎不存在，因為我同樣是採取著。 與AI對話的方式，盡可能描述我遇到的問題。 或者我想排除的故障。 基本上大都可以透過幾次的迭代。 把這個問題給排除掉。 當然。 這並不是我做到的。而是我把執行的所有工作都交給AI去做分析與測試和排除。

在兩週前。 我還沒有這樣要做。 連續三天瘋狂開發的構想前，依照以往的做法。 我還是買了一套這個框架的課程。 所以想說既然買了，那麼未來三天的時間，我還是把這些底層技術稍微的來了解看一下。 若有時間，我還是會跟著課程上所提到的相關技術或者練習。 實際動手下場坐看看。這也許是我另外一個嘗試。那就是這種傳統非遺的做法。是否還有必要存在？ 不管如何，錢都花了，我還是安排這三天的時間把這些課程先過濾一遍。也許在這個時間點之後。我就再也不用去去讀這些無聊的技術文章，影片以及教學內容了。 畢竟每個人都在過自己輕鬆的生活。 我卻無聊的去讀這些大家看不懂的文章，學大家不想去了解的技術。 完完全全排除在一般人的生活之外。

若你認為說我是不是有一點居安思危的心態？ 若AI在未來半年之內，還是無法完全取代。 軟體開發中所遇到的任何問題。 因此，現在把這些底層技術摸熟。是為了防範為了未來這些不可控的因素出來。我還是可以挺身而出。來解決這些問題，我奉勸有這樣愚蠢愚蠢想法。 趕快收起你那微不足道的念頭。你一個人能力再強，到底可以了解現今AI創作出來的各種系統以及開源的各種系統，這些隱藏在背後的各種技術。將會無情的讓你未來的人生變得毫無價值。我要在這個時間點去探索底層的技術。 只不過是為了在一個月或兩個月之後。 能夠做出一個比較或對照的結果，就算未來無法避免要去了解或者學習這些底層技術。 說實在的，也許只要了解到它的最表面那一層就可以了。 剩下能交給AI的。 其實就算你有能力，你做出來的效率以及成果。可以比得上AI嗎？

所謂。投降輸一半。現在不投降未來將會輸到連褲子都沒有了。

[AI 變化] 當 AI 開始接管桌面：真正的戰場，已經不是模型，而是作業系統

 [AI 變化] 當 AI 開始接管桌面：真正的戰場，已經不是模型，而是作業系統

這幾年大家都在比較誰的模型更聰明，但最近我越來越覺得，AI 產業的競爭焦點正在改變。未來決定勝負的，可能不是模型參數有多少，而是誰能讓 AI 安全地進入每個人的電腦、每天的工作流程，以及企業真正願意付費的場景。當智慧體開始成為作業系統的一部分，整個軟體產業的遊戲規則也正在被重新改寫。

最近看了不少 AI 產業的發展，我有一種很強烈的感覺：我們可能正站在另一個轉折點上。過去大家認識的 AI，大多停留在聊天、問答、寫文章或生成圖片。但現在的方向已經慢慢不同了。新的 AI 不只是回答問題，而是開始能夠直接幫你完成工作。它可以讀取檔案、整理資料、操作軟體、安排流程，甚至主動執行任務。換句話說，AI 正從「顧問」變成「員工」。

有趣的是，真正讓企業開始認真看待這件事的，並不是 AI 變得多聰明，而是它變得多安全。因為當一個智慧體有能力碰觸公司內部檔案、郵件和系統時，企業最擔心的從來不是它不夠厲害，而是它做錯事。很多企業其實並不缺 AI 技術，他們缺的是一套可以控制、監管、追蹤與限制 AI 行為的機制。當這個問題逐漸被解決，企業導入的速度可能遠超過外界想像。

另一個值得注意的現象，是 AI 的運算位置正在發生改變。過去幾年幾乎所有 AI 都依賴雲端資料中心運作，每一次提問都要送到遠端伺服器計算。但這種模式有個現實問題：成本很高，而且隨著使用量增加，成本只會越來越高。因此我們開始看到一個趨勢，許多原本在雲端完成的工作，正在逐步搬回使用者自己的電腦。這也是為什麼近年來 NPU、AIPC、邊緣運算會突然變得這麼重要。

如果這個方向成立，受到衝擊最大的可能不是模型公司，而是許多傳統軟體廠商。以前企業需要購買一堆工具，資料分析一套、流程管理一套、自動化一套、報表又一套。但當智慧體能夠理解人類語言，並且跨越不同系統幫你完成工作時，很多原本獨立存在的功能可能會被重新整合。使用者不再需要學習十種軟體，而是直接告訴 AI 自己想完成什麼事情。

站在開發者的角度來看，我認為最大的改變其實不是 AI 取代程式設計師，而是軟體設計思維正在被改變。過去我們設計的是功能、畫面與流程；未來我們可能更需要設計權限、知識、規則與工作邏輯。因為真正執行工作的不再只是使用者，而是一群能夠自主完成任務的智慧體。軟體開始從「工具導向」走向「結果導向」。

所以如果要我用一句話總結最近看到的變化，那就是：AI 的上半場是在比誰能生成內容，下半場則是在比誰能真正完成工作。模型能力當然重要，但真正決定商業價值的，永遠是能不能進入真實世界、接觸真實流程、解決真實問題。當智慧體開始進入作業系統、進入企業流程、進入每個人的桌面時，AI 產業的競爭才真正進入最激烈的階段。而這一次，改變的可能不只是軟體產業，而是整個數位工作的運作方式。

#AI

[AI 壁壘] 沒有資源，來開始都很困難

 [AI 壁壘] 沒有資源，來開始都很困難

先說結論，除了剛畢業的新鮮人，在這場AI亂世中成為第一個犧牲者之外，對於那些已經投入職場的人，若沒有準備好足夠的算力，也是要被犧牲的

歷經了2到3個月，從一開始在外面默默地觀察AI變化，到現在已經可以親自動手做出一個AI Agent的應用程式，並且透過回顧與檢視，看看之前所聽到所看到的各種AI現象，與我做出來的應用系統，是否有滿足現在對於AI代理人的要求，其價值是否有能夠凸顯出來。最後則是，面對未來以及接下來一兩個月，又該怎麼繼續面對這波AI浪潮，其實這是一個相當困擾的問題，畢竟每個人的工作環境與條件都不盡相同，所以大家對於自我的期望以及想象空間，就存在著相當大的差異，但是，大家都會面臨到一個最重要的重點，你的身旁是否有足夠的環境或者應用題材，足以支撐讓你繼續做各種不同AI代理人的應用創新。

既然看清楚也摸熟了現在AI運作的趨勢，並且透過之前的觀察以及預測，反覆迭代預測未來3個月江蕙有什麼樣的變化，逐步讓自己更加融入在這次AI競賽的變化中。先來說這樣的預測， AI的出現，將會取代現在所有開發人員的工作，一開始我也覺得這樣的論述好像是理所當然的，畢竟那個時候我都是透過AI的輔助駕駛或者代理人工具來幫我寫程式，看到這樣的論調，若是以AI可以幫助軟體開發人員增加開發效率這樣的觀點來說，完全是找不出超過50%的反對論調， 可是就算AI可以做得再多，它取代的也不過是重複與大量性的工作，因為這樣的工作性質若由AI取代，表現出來的價值將會最大。

可是當AI代理人越來越多的時候，也許這些AI代理人，採用了是通用型的代理人工具，或者是專門為企業所開發的專屬代理人工具，所以不管是哪一類，總是要有人能夠駕馭這些AI代理人工具，並且扮演著企業與AI代理人之間的一個溝通與處理的角色，很多人都說，這樣的角色不需要由技術人員來擔當，一般的文科生也可以來做到，仔細聽過這樣的論述，好像也不是不可行。可是在現在這個時間點，若要能夠快速的將這些AI代理人應用，部署到企業內部，又或者是進行大量的推廣，最快的人員，當然就是具有技術背景的人，慢慢的AI代理人的量體變大之後，隨之而來的管理上的問題，就會變成工程上的問題了，此時，工程師的角色是最佳適合的人選。因此前面所說的， AI工具會取代軟體開發人員的工作，這句話是對的，它取代的是之前的大量與重複性的工作，可是對於AI代理人這樣的應用，則需要發揮人才具有的特質，才能夠將AI企業與工作流和痛點給結合起來，也就是說，我們人必須具備這樣的靈魂，在交由AI將計畫與大量和重複性的工作給完成。因此， AI工具的到來除了取代一部分軟體開發的工作之外，江惠創造出各種不同領域與各種不同邊界的人才需求，也許到時候並不是要自己下場，採用古法的方式來寫程式，這些新的工作，當然最適合的人選就是工程師，但不是每個工程師工程師都具有條件可以升等成為這樣的AI工程師，許多人會被淘汰，許多人會進行提昇與升級，另外許多非工程背景的人員，有更多的人加入到這樣的工作範圍內。

那么是否是每個人，都可以開始準備進入這樣的跑道，參加這樣的比賽呢?很不幸的答案是，許多人在一開始就會被拒於跑道之外，新鮮人被拒于之外的條件有2個，第一個就是在求學階段也就是在尚未進入職場之前，以這兩三年來觀察，應該幾乎沒有任何AI相關的背景與知識，和這些基礎有重複和大量的工作，已經被AI取代了，所以需要有人可以來駕馭這些AI代理人，所以這些新鮮人江不適合這樣的工作，第2個條件就是，想要參加這場AI競賽，你必需要準備足夠的算力，算力不是憑空掉下來的，也不是透過免費申請得來的，需要有你透過真金白銀去兌換而來，這就難倒了這些新鮮人，還沒開始賺錢，就要開始投資自己了。另外一個就是，就算錢不是問題，你總要有題目或者應用方向來做練習吧，很多有價值的題目或者經歷，都是要解決企業內部應用上的痛點，如果你所做出來的AI應用，只是過於表面的淺淺的應用，看不到有多麼切入痛點的價值，也就很難讓人判斷你的AI工作經驗是否有能力擔負接下來的職位。

面對已經在職場上的人員，面臨到的問題同樣很艱苦，眼前必須還是要先處理原有公司現在的工作，這些工作也許很多尚未可以讓AI來進行直接處理的，有些是新的專案就已經採用AI的方式來做開發， 不管是哪一種，你的算力如果公司沒有給你足夠的配額，一旦算力耗盡，在沒有AI工具的加持下，你現有的工作真的可以繼續往下做下去嗎，也就是你還有信心或者還有能力，使用古法編程的方式來維護你的系統嗎？若答案是否定的，接下來的算力當然就必須要由您自己來儲值了，這個時候你就會發現，你請了一個AI當員工，你付給他的薪資是AI的算力， 幫幫你辛苦的工作，讓你的工作可以提高效率來完成，而你實際真正到手的薪水，其實已經是在縮水的狀態。既然弓已拉滿，射出去的箭將無法再回來了，面對這樣進退兩難的境界，其實也可以不用這麼的焦慮，這種事情交給上天來解決好了。

不論是剛畢業的新鮮人，或者是在這場AI競賽留存下來的人，又或者迫於無奈，在這場AI競賽中被淘汰的人，其實大家都不好過，好像是具有AI能力與知識的人，似乎可以獲得比較的肯定以價值，若有這樣的想法也不要太高興，因為大家都在同一個起跑點上，知識被平權了，能力被平權了，方法被平權了，一切的一切，不管你之前有多少的年資，站在AI面前，眾生都是平等的。

[AI 反思] 沒有了AI，我還算個屁

 [AI 反思] 沒有了AI，我還算個屁

大家好 ，又到星期五了，最近這個禮拜，說實在的。AI圈並沒有過多的重磅消息出現。不過我觀察到1個現象，那就是之前大家一直說軟體程式設計師要失業的事情，最近好像傳播的並沒有這麼多了。另外，關於AI大模型廠商。 現在應該都是要準備年底上市的相關佈局。 所以看到的新聞也大多淪為此處。 大家並沒有在過度的底批，誰的模型又多厲害了。另外，對於每一次迭代，都出現大語言模型，又有重大功能的這一個趨勢。這樣迭代的週期與時間看樣子又明顯再去壓縮縮短。

回來看看軟體程式設計師這個議題。 說實在的。 我現在幾乎已經沒有使用古法編成手法，來寫程式了。 任何人只要輕易嘗試過，透過AI來修改或者編寫程式。 原則上，就已經回不去了，若要在此刻戒掉這樣的惡習，說實在的。 我覺得沒有多少人是可以做得到的。 另外，隨著時間不斷的遞延，我很難想像兩年之後，還有多少人願意重新回到無法編碼的方式來寫程式？看到這樣的狀況，說實在的，對於編寫程式這樣的技術，似乎已經沒有存在太多的價值與意義了。

透過AI來編寫程式碼。 其實一開始也不需要過多的學習。 門檻也沒有很高。 立即就可以上手。雖然過程會跌跌撞撞。例如，突然算力全部都耗盡。又或者是AI把你的程式碼改亂了。 還是經過幾次迭代之後，AI始終無法幫你把你的問題解決。 這些問題都不是重點。 第一個，可以解決的就是學會怎麼駕馭AI。 若想要躺平的人，可以選擇第2個方案。 那就是多等。 等他3個月，3個月之後又有新模型出來，又有新功能出來。此時把你的話再重新講一次。相信AI1次就會做對了。

說實在的在網路上並沒有看到太多關於。我們在透過AI寫程式的過程中，遇到這樣的一些問題。該如何去解決？並且給予你一個完整的教程，畢竟每個人用的工具，使用的模型都不盡相同。而且要解決的問題。也有所不同。無論你擁有幾年的資歷或者你又曾經學到了什麼樣的技術？或者程式語言？大家都站在同一個起跑點上。現在也有太多人。就算沒有學過這樣的程式語言，也投也可以透過AI，把你的想法做出來，所以現在的你具有哪些程式語言的能力，這樣的知識也是沒有價值了。

很慶幸的是。 大家不用再焦慮了，大家不用再憂慮了。 因為不是只有妳會遇到未來將會看到的問題。 大家都和妳走在同一條路上。 遇到的問題，你我都會碰到。 你不孤單你也無法逃避所以不要再焦慮了。

大家都在說。不要再去做那種。開發程式的工作了。要讓軟體工程師自我提升。提升到那種層級，可以做到pm，可以自己來設計UI畫面。 可以自己完成全端的開發工作，也就是要把所有的工作。 自己一個人全部包攬下來。 當然要做的事情。 絕對不是你自己來做，而是把它全部丟給AI。 難道人生就只有這樣的選擇嗎？

難道大家要彼此內卷到這種程度嗎？是否可以有更多的妥協空間？讓大家彼此都還有喘口氣的機會。

我自己覺得在這個時間點，真的不要去想太多。認真的去做自己做你喜歡做的事情。把未來不可預期的事情。就算你知道。未來會發生什麼事，是不是也可以放手？ 到事情發生的時候再來決定該怎麼做。 畢竟現在在怎麼想？ 你也會想不透，也許想著想著。你就突然頓悟了，選擇出家作和尚，或者當神父未嘗也不是一種好的選擇。

我們所受的教育是。 一開始不要輸在起跑點上。 所以我們的人生都是一知不斷的在準備，準備我們的能力，準備我們的知識，準備我們的技能。 也許在明天，也許在明年。 要拿著這些所學得的能力去賺取我們應得的回報。 這樣的常規說實在的也被打破了。 既然大家都不知道該怎麼做。 放下自己的心態。 我覺得也是一個不錯的選擇。

[AI 正能量] 當準備好並具有了一切，接下來該做什麼

 [AI 正能量] 當準備好並具有了一切，接下來該做什麼

大家從一開始的焦慮，到慢慢看到一些真相浮現出來，就知道很多東西焦慮是沒有用的。例如在兩三個月之前，都在說不論你是否擁有相關軟體開發設計的知識與經驗，都可以成立一個OPC （One Person Company，一人公司），透過你手頭上擁有的AI工具，從此大殺四方，賺進天下的財富。當時大家都很興奮，覺得這是一個很棒的機會，因為AI工具的出現，讓很多人都可以輕鬆地創造出一些有價值的東西，甚至是創業。問題是現實打臉總是來的又快又急，當初這些人不斷地在宣揚，我只要擁有了AI，我就可以透過他把地球給支撐起來，例如我可以在很短的時間開發出很多的應用小程式或者是APP，然後就可以透過他們來賺到錢，現在看到越來越多他們當初所謂的應用小程式或者是APP，其實在APP市集上都可以輕鬆的找到更多不同類型的應用，另外，不斷的看到有國外的例子，這些人也是透過AI的技術賺到盆滿缽滿，甚至還可以講成1到200個以上的故事，讓人看到說若我不去透過AI來經營這個市場，那不是就被人割了韭菜嗎。

另外一個狀況那就是，透過AI工具可以快速的讓大家開發出系統，這樣的觀點以及論述其實是沒錯的，但是有已經被資本方設計的框架讓大家給套住了，很多背後沒有和大家說的，也都在最近爆發出來了。 AI確實可以幫助程式開發人員快速的將系統開發出來，甚至可以反覆迭代的經歷長時間的運行，自行修正系統的問題，甚至於找出系統效能運行上變慢的狀況，只要你有心其實是可以做到的，這也就代表了AI工具是具備這樣的能力，因此在那個時間點大家都10分的焦慮， ，那不就是AI可以取代我們人正在做的軟體開發工作嗎?仔細聽完這樣的論點，好像也沒錯，又好像哪裡怪怪的，之後就有人再來進一步補充， AI可以把大量重複性的工作做得很好，所以說寫程式的工作就是屬於這一類，因此這一部分的工作可以輕鬆交給AI，但是AI卻無法完全的取代人類。

接下來的一個說法則是，在之前聽到的AI出來之后，第一波失業的人將這是我們在寫程式的人，為了避免大家焦慮擴大，甚至發生激烈的反抗以及對立的問題，這些人再度鬆口了，所有AI做的事情，最終還是需要人類來監督，而且許多事情還真的是要由人來做，因此AI工具來的時候，不止軟體工作不會變得更少，而是會創造出更多的就業機會。其實我這邊秉持著一個稍微一點悲觀的看法，就算現在軟體開發的工作， Ai已經可以幫我們取代了70%到80的工作，剩下的工作AI是無法取代的，說實在的，我信你個鬼，搞不好這個時候在實驗室之內，真正實際需要人類來進行工作的量不到10%，而且不斷的演進到未來， AI就可以自主決定把所有的工作都一次性的完成，完全不需要人類的介入，例如把人的情緒價值跟他的靈魂完完整整的給清洗出來或者是說把它蒸流出來，一切決斷判斷的依據，這些準則的做法，甚至可以把多個人的這些靈魂在聚合成為一個更大的個體，這樣的話可能真的不再需要人介入了，從想要發起做這件這件事情，大如何完成這件事情，大問題無法收尾，大家如何進行調校以及優化，最後到後續的維運，說實在的我認為以技術程度來看，是都可以做得到的，而且時間將會來得又快又急。

那為什麼現在無法跟大家說這些事情呢，說實在的當大家不是只有焦慮，而是看到了絕望，，這個絕望是我們人力所無法翻盤的，請問還有誰會再去買token，一般的人還會去消費AI算力嗎，現階段而言，算力的貢獻者，我們這些軟體開發者應該也占了一大部分的貢獻值，若你發現資本市場只是為了要把你不斷的清洗出來，最後榨乾你的一切，剩下就是他們在資本市場的收割，你的死活說實在的跟他們沒有關係，並且未來的整個工作機會，說實在的只可能剩下那些在金字塔中端和頂端的人，剩下的那些在金字塔底端的人，說實在的就只能被淘汰了，這是很殘酷的現實，但是也是很真實的現實。當然也有一些人會說，那麼我們就去學習新的技能，去適應新的工作機會，去轉型去做一些新的工作，這些都是不錯的建議，但是問題是這些新的工作機會可能也是被AI取代的，或者是說這些新的技能可能也是被AI取代的，所以說這些建議其實也是沒有什麼意義的，因為你學習了新的技能，可能也只是為了讓你更快地被AI取代而已。

現在大家看到了這些現象，也實際的去大力擁抱AI，也體驗到了AI確實可以幫助我們解決工作上的問題，實際的層面將可以再提升工作效率上來看得出來至於降低成本方面則不太好說，畢竟那是資方所關注的問題，以我們勞方而言，工作效率是提升了，但是你所擁有的這個金手指，並不是專門為你設計的，你也不是唯一的擁有者，你和普羅大眾完全是一樣的，因此你擁有AI開發這樣的能力，其實並不代表你本身的能力與特質有特別值得讓人關注的地方，我覺得這就像這樣的比喻，你會吃飯別人也會吃飯，你看到1杯好喝的奶茶你買來喝，別人也可以做得到，所以你可以說在你擁有AI之後，你本身究竟具有哪些能力，是只有你才能夠擁有做得到的，而別人卻沒有辦法做得到。

說實在的在好像又有一點悲觀了，我想唯一占有的一個優勢就是，我在半年前或者是在2個月前， 就比我身旁的同事或朋友開始在用AI了，所以我比她們更了解AI，說實在的這真的有一點高估了自己，並且10分的瞧不起AI的能力，就算我比你晚3個月才開始來使用AI，我和先用AI人的落差說實在的只有一個半月的差距，隨著我繼續來使用AI工具來進行開發，在2個月之內，彼此之間的能力將會又變成一樣了，因此不要太過度的驕傲或有高度的優越感，隨著每一次的AI模型能力的提升並且它的周期也不斷地縮短，這就代表了就算你贏再起跑點之上，你也絕對不是最終的贏家，而且你也可能會失敗。