人人都有了超能力，工程師還有價值嗎？

上週，我陪著完全沒有程式基礎的男友，用 AI 工具做出了他人生第一個 app。

因為看他一直在嘗試各種「紀錄」app，又很有自己的主見，我從一個月前就一直勸他去vibe coding。終於用lovable 為出發讓他掉入這個圈圈裡。

從開發、資料庫到 deployment，他完全看不懂任何程式碼，但一週內就生產出了一個每天都在用的「個人資料 logging 系統」。每天更新、每天使用，他超有成就感。

一週內，我看他從0開始，我只是偶爾幫他debug，其他都是他自己去摸索。

我心裡卻冒出兩種極端的念頭：

• 以前我幫人製作簡單app的freelancing 工作完全被取代了

• 「哇，這樣的能力居然能落到每個人手上！」

AI 焦慮是真實存在的

這幾年，對軟體工程師來說，AI 幾乎成了每天都在繞的話題。從大規模裁員到 AI 工具全面湧入，工程師的工作突然不再是夢幻職業，而是需要時時證明「自己還有什麼不可取代」。我前同事，甚至因為感受到這種「價值危機」，陷入低潮，最後找了職涯導師去陪他走過那段黑暗期。

我自己也不是例外。

從一開始被動地學公司導入的 AI 流程，到後來主動去推動工具落地、參與跨部門的討論，這過程本身就帶著一種焦慮。
要說完全不焦慮是騙人的。

甚至因為我不是 junior，心裡還會冒出一種「幸好」的僥倖感：幸好我已經累積了經驗，幸好我能主導專案，而不是剛入行就要面對這樣的洗牌。因為我很清楚，在這樣的轉換下，junior 的處境真的很辛苦。

只是大部分時候，我們把焦慮包裝在「專業」底下。
同事之間開玩笑說：「我們是不是在變笨 XD？」
因為很多以前要花時間設計、推敲的事情，AI 幾秒鐘就能丟給你一個解答。但這種「變笨」的感覺，其實是價值在轉移：
從 親手完成 → 到 懂得如何判斷、修正與選擇。

這也是我在看著男友從零開始，用 AI 做出自己每天都在用的工具時，最深的體會。
AI 的確能幫你產出程式碼，但它無法替你：

• 定義問題

• 確認需求

• 判斷答案是否合理

工程師的競爭力，從來就不是「寫程式」這件事，而是能不能在混亂中 提出正確的問題，並且帶著工具走向解決。

身為資深工程師，我本來每天在寫code的時間大概一半一半，這段時間，我發現我每天在coding的時間越來越短，大部分時間都是在確認問題、提出解決方案、幫助他人解決問題、推進專案進行、最近還多加了一段時間給自己去發掘新的工具與流程、幫助別人減少coding的時間。

有這樣的超級助手，給了我很多時間去「創造」、反思新的流程、建立新的工具連結等等。

但是這樣的「快速獲得解答」的過程，若是沒有持續訓練自己的「修正」、「判斷」能力，我也深怕一不小心就陷入真的「變笨」的狀態。

兩種角色使用AI 的反差

在公司裡，AI 就像我的超級助手。它幫我快速理解複雜的商業邏輯、生成測試案例，甚至能把原本需要花幾個小時的事壓縮成幾十分鐘。我的角色很清楚：我是 IC(Indivisual contributer)，AI 是輔助工具。目標明確，所以它能讓我變得更快、更強。

但一到自己的 side project，狀況就完全不同了。
因為我太熟悉整個產品流程——PRD、設計、開發、測試、行銷、營運——反而什麼都想顧，試圖一個人同時扮演所有角色。AI 在這裡不是一個單純的助手，而是無限延伸的「可能性生成器」：

• 它可以幫我寫 PRD、畫流程圖、給設計建議

• 它可以幫我寫程式、做測試、想行銷策略

聽起來很強大，但實際上卻讓我一直繞圈圈。因為我一直被干擾，AI 給的答案就像一張張支線任務，不斷把我拉去探索新的方向。結果，我在一堆看似正確的選項裡打結，卻沒有真正推進核心任務。

這種經驗讓我掉入一種新的 AI 焦慮：
不是怕被取代，而是怕自己越來越容易失去焦點、被幻覺跟新的想法給干擾。

有點像一個沒有領導者的小團隊，每個人都能拋出想法，但沒有人拍板，整個計劃就被帶著繞來繞去。AI 的幻覺（hallucination）有時候更像一個「過度熱心的隊友」，會很自信地告訴你某個方向，但其實那並不是你真正要走的路。

我開始意識到一件事：
即使 AI 可以代替很多角色，但那個「設定目標、堅定方向」的人，還是必須是我。如果自己不站穩腳步，AI 的力量就會反過來成為雜音，讓我陷入忙碌卻沒有進展的假象。

AI 偏差的放大

LLM 的模型、AI 的訓練很多還是來自目前最多可取得的「資源」──網路資料、書籍、既有研究。而這些資料本身就常常帶著偏差。

在介紹女性研究的書 Eve（Cat Bohannon, Eve: How the Female Body Drove 200 Million Years of Human Evolution 提到，長久以來臨床醫學跟動物研究中，就存在著高度的性別偏差。

像是：直到 1999 年，科學家才開始在普遍麻醉（general anesthesia）中測試性別差異。從 1996 到 2006 年，有 79% 的研究只用雄性動物。這是因為許多研究者為了「變數少」、「控制更簡單」，選擇用雄性來避開女性生殖週期所帶來的複雜性。

這些人類演化中的性別研究偏差，甚至導致女性在心臟病發作後被誤診的機率要比男性高出很多。

這只是其中一個，其他像是網路的使用路在不同國家、文化、族群上的數據不平衡，也會被 AI 放大。也就是說，我們看見的言論／被訓練的資料，很可能反映的是那些已經擁有網路資源與能力的群體的觀點。

在 Google 搜尋或大數據時代，這些偏差就已經存在，也被討論過。但最主要的差別在，之前的這些工具雖然會「排序」與「加權」，卻不會自動生成內容。

AI 除了使用這些偏差資料進行訓練，還會因為缺乏上下文（context），而「自動補齊」不存在的東西。這種幻覺式生成（hallucination），會讓偏差不只是延續，而是被加速放大。

意識到是誰在說話、思考

使用工具的人是「你」，你知道你的助手雖然有很大的效率，但是它有個人偏見、有時候會因為某些原因講的煞有其事、想要主導你的決策。意識並且有強烈認知，做決策、批判、跟選擇的，仍舊是「你」。

不要讓AI「取代自己大腦」思考，而是用AI做輔助，自己負責創意思考、反思和互動。

建立連結，而不是依賴

我自己會做的事情是，一直不斷懷疑AI的產出、甚至利用AI去挑戰AI的思考、去找原生文件的說明。抑制自己對於「快速」、「方便」的成癮。

雖然這真的很難，我自己認為最好的方式，是產生對話，跟真人討論你的想法、AI產出作為輔助、與其他人的討論去挑戰自己的思考。

在這樣的世界裡，也有Human in the Loop 的觀念，指的是 在 AI 系統的關鍵決策過程中，必須有人類參與、監督或干預，而不是完全交由 AI 自動運作。

人類必須要參與其中，這也不斷地放大真人溝通的重要性。大家都在討論被AI 取代，但是另一面，也許我們只是在重新洗牌人類的角色、也許未來會有更多角色、是因為這樣的真人溝通價值而產出。

反而讓我更珍惜——真人之間的溝通、情感，還有去思考有什麼事沒辦法取代真人溝通的。

新的超能力時代

AI 的確把「寫程式」變得普及，人人都能在短時間內創造工具。

以前，朋友常常跟我說：「我有一個 idea…」，我總是說「我不想聽」（笑）因為我知道他們會接著問我能不能幫忙做個 app。這些需求往往只是天馬行空的想法。但如今，當這種能力被下放到每個人身上，工程師的「實作」優勢正在快速消退，他們可以自己去體驗作app不只是「實作」而已。

而這個過程中，定義問題、做出判斷、引導方向的能力就變得更重要。

在幫助男友完成 app 的過程裡，我發現自己更像一個對話者──陪他釐清需求、比較方案、提醒他真正要解決的痛點。雖然有人可以回答你的問題，但是你不知道你不知道的問題。

在這樣一個超級助手隨手可得的時代，我想我們更要去放大人類之間的溝通、理解與連結。 互相透過互動與批判，我們才能不斷提醒自己，接受更多觀點、去思考，不要讓AI去代替我們思考、代替我們去做決定。

大家， 一起不要變笨啊～

Love, from Montreal

- Jessie