AI 時代，務實派工程師靠什麼活下來？

一個台灣媒體業前端工程師的觀察與回應

Software Developer Employment by Age Group

前陣子讀到一篇「台北遇上西雅圖」寫的文章，聊北美軟體工程師在 AI 時代的前景。他把未來分成五種情境，最後判斷大約 20-40% 的軟體工程師職位會永久消失。本以為又是一篇販賣焦慮的文章，但讀完覺得他的推論其實蠻紮實的。

最近也確實有不少研究在講類似的事。Stanford 那篇 Canaries in the Coal Mine 追蹤了 ADP（美國最大薪資處理公司）幾百萬人的薪資紀錄，發現 22-25 歲的軟體開發者就業從 2022 年底高峰掉了將近 20%，35 歲以上的反而在漲。Harvard 用 LinkedIn 6,200 萬人的履歷看到的也差不多——導入 AI 的公司不是在裁人，是直接不招了。

但也沒那麼一面倒。Anthropic 今年 3 月自己發的研究說目前證據有限，AI 對整體就業的影響還看不太出來。Brookings 的 Hamilton Project 上週也說「這場比賽還在第一局」，不同資料來源的結果互相矛盾，現在下結論太早。

所以到底怎樣？老實說我也不確定。但我比較確定的是，這些討論幾乎都是北美視角。矽谷在焦慮 CS 名校畢業生找不到工作，跟我在台灣一家傳統媒體公司寫前端的現實差很遠。這篇想從我自己的位置出發，聊一下我怎麼看這件事。

台灣的處境，跟北美幾乎完全相反

北美過去十年的劇本：瘋狂招聘 → 疫情加速膨脹 → 2022 年開始回調 → AI 出現，公司發現可以用更少的人，資淺的位子先砍。台灣完全不是這樣。

台灣軟體業從來沒有「超額招聘」這回事，問題一直都是人不夠。前 Google 台灣董事總經理、Appier 董事簡立峰在 2025 年 DEAT 產業論壇上講得很直接：「我們缺 25 歲到 30 歲的人，很不幸 AI 打到台灣的阿基里斯腱。」這個年齡層在美國和中國是推動 AI 進化的主力，但台灣因為學制長、精英出國不回來、半導體又吸走一大票人，這個區段直接斷層。

丹麥的情況也值得參考。Humlum & Vestergaard（2025）用丹麥行政資料發現，AI 廣泛採用後薪資和工時幾乎沒變，他們猜是工會制度和社會保障撐住了。Yale Budget Lab 用美國 CPS 資料看 ChatGPT 發布後 33 個月的變化，結論也是整體勞動市場沒有明顯擾動。AI 對就業的衝擊不是一個全球統一的劇本，制度、市場結構、人才供需的底層條件不同，結果就會不同。

台灣長期缺人、AI 導入還在早期，處境可能比較接近丹麥而非矽谷。北美是「AI 取代人，位子變少」；台灣更像是「本來就缺人，靠 AI 勉強撐住產出」。在這個脈絡下，會用 AI 的人反而是最不可取代的那群。

能定義問題的人，跟只能執行的人，差距會越拉越大

原文有一句話我特別有感：「值得雇用的定義，會從『能做事的人』轉向『能主導 AI、能判斷輸出、能在模糊地帶做決策的人』。」

Stanford 那篇論文裡有一個我覺得很關鍵的區分。他們用 Claude 的使用數據把 AI 應用分成「自動化」（AI 直接取代人做整件事）和「增強」（AI 輔助人做得更好）。自動化為主的職業，年輕人就業大幅下滑；增強為主的，反而在成長。Anthropic 最新的 Economic Index 也顯示增強型互動（52%）已經超過自動化（45%）了。

Dallas Fed 今年 2 月的分析從薪資角度看同一件事。他們用「經驗溢價」——資深跟入門員工的薪資差距——來看哪些職業最吃經驗，結果受 AI 影響程度最高的職業，經驗溢價也最高。而且這些產業薪資漲得比全國平均還快——電腦系統設計產業週薪漲了 16.7%，全國平均才 7.5%。AI 怎麼被用，比 AI 有多強更重要。而「決定 AI 該怎麼用」，就是需要人來判斷的。

我自己的經驗也是這樣。我在 TVBS 接手健康 2.0 網站後，做的第一件事是 Core Web Vitals 優化和 SEO 策略調整，聽起來不性感，但日均 pageview 從大約 40 萬拉到 60 萬以上。這個過程 AI 幫不了太多——瓶頸不在寫 code，在搞清楚流量卡在哪、效能問題怎麼影響排名、SEO 策略怎麼配合內容團隊的節奏、技術改動會不會撞到其他正在跑的專案。

「這件事值不值得現在做」「優先級怎麼排」「怎麼跟非技術的人解釋為什麼要花時間在使用者看不見的東西上」——這些 AI 短期內還做不了。

務實派的護城河：在混亂中把東西交出來

討論 AI 取代工程師的文章，描述的「工程師工作」通常很乾淨：拿到需求、寫程式、通過測試、部署上線。在這個版本裡，AI 確實能做到大部分。但我每天面對的不是這樣。

同時在跑 CWV 優化、SEO 調整、不同單位的支援需求、之前的 K8s 遷移要在不中斷服務的前提下搬完、偶爾還要幫忙評估某個新產品概念到底技術上能不能做。

METR 去年做了一個蠻有趣的實驗，讓資深開源開發者在自己的 repo 上工作，隨機分配用不用 AI 工具。結果竟然是用 AI 的人慢了 19%。他們的解釋是，在你已經很熟的大型 codebase 裡，AI 帶來的 context switching 和輸出驗證成本，超過了它幫你加速的部分。Hamilton Project 的綜述也提到類似的事——有實驗發現顧問過度依賴 AI 處理超出 AI 能力範圍的任務，結果表現反而更差。

工程師工作裡真正花時間的，不是寫 code。是搞清楚問題是什麼、在有限資源下做取捨、跟不同角色的人對齊、在各種約束條件下把東西交出來。這些能力靠刷題練不出來，是在真實專案裡年復一年磨出來的。AI 可以幫你加速很多環節，但它沒辦法替你去開那場搞不清楚需求的會，沒辦法替你在兩個都不完美的方案之間選一個，也沒辦法替你在事情出錯時扛責任。

入口縮窄不一定是壞事——如果你已經在裡面

原文 C 情境裡最讓人不安的部分：往上爬的路變窄了。以前可以從寫 CRUD 開始慢慢學，但如果 AI 把入門級的工作吃掉了，新人要怎麼累積經驗？

這不只是推測。Northeastern 的 Modestino 等人（2025）用近乎全量的美國職缺數據看，ChatGPT 出來後 12 個月內，資淺軟體開發職缺相對資深的下降了 16.3%。Harvard 那篇還發現衝擊是 U 型的——中段學歷的畢業生最慘，頂尖名校和基層學歷反而相對好一點。這是結構性的問題，整個行業都得面對。

但如果你已經有 5 年以上經驗，入口縮窄反而代表你的位置更穩。不是你有多厲害，是能補上你的人變少了。Goldman Sachs 今年的展望估計 AI 大規模採用大概要 10 年，期間約 6-7% 的勞工被置換，對失業率的額外影響大概 0.6 個百分點。不是無痛，但也不是一夜崩塌。

當供給被壓縮，存量的價值就會上升。前提是你確實在「能定義問題、能交付成果」這一側。台灣的工程師可能比北美更不用擔心——多數企業 AI 都還沒開始導入，能主動用 AI 做出新東西的人太少，不是太多。你不需要是 AI 專家，你只需要是那個把 AI 落地到業務場景裡的人。

真正該擔心的三件事

對有經驗的工程師來說，真正的風險不是「AI 把我取代了」。是這幾件事：

停止學習。 AI 工具進化很快，不持續搞懂它能做什麼、不能做什麼，你就會被有在用的人拉開。Stanford 論文裡有一個蠻諷刺的註腳：大學 CS 課堂上比較不會教、反而更可能在工作中學到的技能之一，可能就是怎麼用 AI 來做軟體開發。

只做被分配的事。 工作模式如果還是「等 PM 開 ticket、我來實作」，那你確實在容易被壓縮的位置。Harvard 研究明確指出就業下滑集中在執行已定義任務的初階崗位，能主動發現問題、定義方案、推動落地的人，才是 AI 時代真正有價值的。

忽略 AI 帶來的新可能。 發現工作中某個環節可以用 AI 加速，不要等別人推動，自己先試、先做、先拿出成果。主動提案的人，永遠比等指令的人更難被取代。

反過來想：拿掉 AI，你還剩什麼？

所有人都在討論 AI 會取代工程師什麼。但我覺得更有意思的問題是反過來問：把 AI 完全拿掉，你還剩下什麼？

如果你的核心競爭力是「寫 code 寫得快」，AI 確實在侵蝕你的護城河——它比你快，還不用睡覺。如果你的優勢是「熟悉某個框架的 API」，更危險，AI 對文件的記憶比誰都完整。但如果拿掉 AI 之後你剩下的是這些，那你的位置比你想的穩：

在沒人能說清楚需求的時候把東西拆解成可執行的步驟。直覺告訴你哪些方案「聞起來不對」，即使一時說不出具體原因。踩過夠多坑，知道哪些漂亮的架構在實際維運時會變噩夢。能把技術限制翻譯成非技術的人聽得懂的話。能在壓力下做決定，然後扛住結果。

Stanford 論文把這叫 tacit knowledge（隱性知識）——從來不會被寫進教科書、也不會出現在 AI 訓練資料裡的東西。Dallas Fed 的研究從薪資數據找到佐證：受 AI 影響程度最高的職業，經驗溢價也最高。市場已經在用真金白銀告訴你，在這些職業裡經驗值多少錢。METR 那個實驗也是同一件事的另一面——資深開發者對自己 codebase 的深度理解，不只 AI 沒辦法取代，AI 試圖「幫忙」時甚至會拖慢他們。

與其焦慮 AI 會不會取代你，不如做一次誠實的自我盤點：如果明天所有 AI 工具都消失了，你在公司裡還有不可替代的價值嗎？有的話，AI 對你就是純粹的加分項。沒有的話，要補的不是學什麼新 AI 工具，是回去累積那些拿不走的東西。

最後

原文的基本判斷我同意：AI 影響會很深遠，但不太會一路滑到最極端。目前研究也是這樣——Stanford、Harvard 說年輕人已經在受衝擊，Anthropic、Yale、Hamilton Project 說整體還看不太出來。真相大概在中間某處，這場比賽還在第一局。

對台灣的務實派工程師來說，威脅可能沒有想像中大，機會可能比你以為的多。

前提是你不能只是一個會寫 code 的人。