ChatGPT與輝達點亮AI產業後，這兩年台灣大學生選系更加重理工、輕人文。但2025年AI Agent時代來臨，現在念大學選填資訊相關科系，是否畢業後會發現薪水價值大不如前？因為美國科技大廠Salesforce創辦人暨執行長班尼沃夫（Marc Benioff）竟説，2025年將不會再聘用新的軟體工程師！臉書創辦人祖克柏（Mark Zuckerberg）則表示，Meta旗下模型的AI技術能力已經足以和中階軟體工程師相提並論。台灣知名獨角獸Appier創辦人游直翰和前Google台灣董事總經理簡立峰在14日活動中解答，工程師還有用嗎？
「任何人都能寫程式了。」去年（2024）7月，GitHub執行長東奇（Thomas Dohmke）在TED的演講中，做出這樣的宣告。
若只是一般工程師或者技術主管，發出類似宣言或許沒有太大的代表性，但由東奇領導的GitHub，旗下的程式碼助手GitHub Copilot，在2024年2月就有超過百萬付費訂閱用戶，超過5萬間企業採用，是全球領先的AI程式碼助手產品。東奇認為，人們只要能夠言說，就有能力編寫程式碼，他認為開發者數量將暴增，重塑全球經濟地景。
將視角轉向台灣，被問到AI對公司聘雇政策的影響，Appier執行長暨共同創辦人游直翰今天（1/14）向媒體分享，自家目標是「聘請更多對AI更熟的工程師」。他表示軟體工程師產出的內容中，有很大部分是結構性資料，恰好能夠交給語言模型處理。目前Appier已經有不少功能（feature）完全交由AI開發，「人未來就是要做更多AI架構（architecture）。」
Appier執行長暨共同創辦人游直翰（左）表示，在AI時代下，自家反而要聘請更多懂得AI的軟體工程師，不像Salesforce執行長採取的暫停聘用情形。曾子軒攝
相較於東奇和游直翰，有人的想法更為激進。除了祖克柏、班尼沃夫一致認為，AI已經有能力承擔大量寫程式的工作以外，特斯拉創辦人馬斯克（Elon Musk）更大膽預言，人們未來可能連工作都不會有。他們的說法離現實有多近，或者，有多遠？
簡立峰：AI讓中小企業受益、工程師需精進自己
去年年底，一場Javascript的年會裡，Google Chrome 開發者體驗主管奧斯馬尼（Addy Osmani）介紹他工作中接觸過的不同AI寫程式工具，除了Cursor以外，還有擅長生成前端UI組件、支持多模態輸入的v0，支持連接資料庫、整合第三方服務以及配置後端的Bolt，以及同樣支援多模態、帶給使用者高透明度與成本控制的Cline。
從奧斯馬尼的分享能夠看出，AI寫程式工具各有擅長之處，有些專注處理特定領域任務，有些則鎖定工作流程中的特定環節。例如，Cursor就很適合專門的軟體工程師逐步修改程式碼，但對完全不理解程式開發流程的人來說，就沒那麼友善。另外，v0能夠讓使用者提供網站圖片後，直接生成程式碼，對非技術使用者如設計師、企劃人員來說有一定幫助，可能會是新創與學生的福音。
不過，奧斯馬尼也提到，有些助手只適合打造原型（prototype），但若想從最小可行性產品（MVP）往前穩定發展，後續還想長期維護、改進迭代，需要更多工具支援；有些助手雖然表現不俗，但需要注意消耗的符元（token）及訂閱成本。
前Google台灣董事總經理、Appier獨立董事簡立峰向媒體分享，開發工作距離使用者愈近，尤其是網頁這類終端應用，AI有很大的發揮空間。「（AI進步）對中小企業是好消息，對工程師來說好壞都有，」企業能夠交給AI的任務變多，且聘請到的工程師能力上升，但工程師就必須相應提升自我技能，才能適應市場。
簡立峰也引述《哈佛商業評論》裡的調查，企業外包工作中，減少最多的是寫作（writing），減少排名第二的工作便是寫程式，因為現在很多都可以直接交給AI代勞。
簡立峰分享，過去台灣企業可能會覺得軟體很難，但生成式AI出現後情形已改變，中小企業一定要注意到這個變化。曾子軒攝。
AI Agent能從零到一完成專案，但品質是問題
不過，讓許多人擔心的是，AI除了降本增效以外，人們到底能不能放心將軟體開發的工作交給AI？
2024年3月，以「AI工程師」為名的Devin問世，曾經一度被譽為有望真正取代人類，但後來便被指控，Devin的展示漏洞百出。將時間快轉至年底，Devin從展示落地成為現實，月付500美元便能使用。值得注意的是，Devin與其他常見AI程式助手或者AI開發環境不同，它運行於生產力軟體Slack之上，要以對話形式役使Devin工作。
根據實測者的回報，若先不考慮高昂價格，Devin的確讓人印象深刻。它能夠在使用者的自然語言要求下，找到目標GitHub專案，將其複製到本機端後，按照專案文件的說明，一步步實現使用者的要求，運作同時還會以文字描述自己的行為，方便使用者理解。
在展示中，Builder.io創辦人蘇維爾（Steve Sewell）想在地端運行以文生圖的模型，Devin依照指示替他辦理。「它能建立計畫、依照計畫撰寫程式碼、尋找程式碼中的錯誤，甚至運行程式碼確認是否有效。若使用者發現問題並提出，它也會想辦法解決。」
不過，從展示過程中也能發現幾個AI輔助寫程式的挑戰之處。
首先，若使用者不具備相應知識，很難判斷AI的回應究竟是對是錯。例如，蘇維爾就發現，Devin產出的程式碼中有些問題，且自我描述的文字中，也有不正確之處。即便他以專業知識提問，Devin仍不願意認錯，而是以錯誤的解釋自圓其說，雖然不影響程式運行，但若專案規模擴大，日後還是可能產生負面影響。
再者，當Devin逐步執行任務時，中間可能會出錯，出錯並不是問題，因為理想上，與零樣本（zero-shot）、單樣本（one-shot）的AI相比，Devin這類AI Agent的特點在於其自主性，理應能夠分解任務、感知環境，處理複雜具備多個步驟的問題。
即便中途卡關，AI Agent也會四處探索不同可能性，並在過程中重新修正問題。然而，有時候Devin能夠在試錯中進步，有時候卻會在試錯中退步，愈改愈糟。人類做事時至少還能腳踩基準線（baseline），嘗試失敗後只要還原到舊的版本即可，AI卻可能在行差踏錯後愈陷愈深，且無法跟人類溝通。
對蘇維爾來說，還有一個問題在於，當AI遇上瓶頸時，很有可能根本無法解決問題，白白耗費大量時間，讓他最後決定放棄。不過，以對話開啟對話流程的Devin，並不是開發者的首選，有更多人選擇Cursor、Replit等工具。
AI讓資深工程師受益更多的知識悖論
與實測Devin遇上的問題相似，奧斯馬尼觀察到，利用AI輔助開發能夠分為兩種類型。
第一種是從無到有產生MVP，剛開始可能只有概念，讓AI生成大量程式碼，在數小時內便生出原型，接著快速修改，他將其描述為白手起家（Bootstrappers）。對照之下，另一種則是持續改進者（Iterators），AI負責提供建議、自動完成人類寫到一半的程式碼，或者將重構任務交給AI，還有生成測試與文件，以及伙伴編碼（pair programming）。
奧斯馬尼分析，資深工程師因為掌握專業知識，即便沒有讓AI從零生成程式碼，仍舊可以有效率地借助AI加速。然而，初階的工程師卻因為缺乏經驗，因此無法判別AI生成內容的正確性，不知道怎麼抓錯、接受過時的解決方法，或者打造出實際上很脆弱的系統。AI的許諾是讓能力平民化、大眾化，但資深的開發者卻獲益更多，資歷少的開發者反而可能遇上更多問題，他用「知識悖論」（the knowledge paradox）形容。
有不少非技術背景者試著用AI幫助寫程式，解決業務上遇到的問題，最常見的方法之一就是用Google App Script自動化任務。曾子軒攝
還有其他側面的案例，能夠呼應他的想法。舉例來說，程式碼分析平台GitClear去年曾分析2020年至2023年之間產生的1.53億行程式碼，從中發現隨著生成式AI崛起，固然工程師寫出的程式碼數量增加，「被棄用的程式碼顯著增加，而程式碼重用率令人擔憂地下降。」
奧斯馬尼引用一則推文，「使用AI寫程式的非工程師，發現自己遇到令人沮喪的障礙。他們可以驚人且迅速地完成70%的工作，但最後的30%收益不斷遞減。」換句話說，最後這30%，讓軟體能夠大規模部署、持續維護，仍舊是人類軟體工程師才能扛起的工作。
放心把程式碼任務完全交給AI Agent的時代，似乎仍未到來，雖然AI讓寫程式不再是工程師們的專利，但要從解決自動化小任務，到成為對接其他使用者，甚至面向消費者的產品，還有一段距離。
延伸閱讀：