我長年擔任 Web app 產品經理，跟工程師合作，AI 問世以來，就跟 AI 搭配寫程式，做 Side project，一直覺得人類還不錯，工程師是不會被取代的，但最近的經歷讓我覺得 AI取代工程師 只是時間的問題！我的經歷分作幾段：
- AI 助理官網詢問時期：通常是在 JupyterLab 或 Visual Studio Code 編輯，卡住就詢問 AI，也會上傳程式碼請它來修正，遇到 Bug 時它很能解答，煩惱的是常常要 Copy & Paste，如果可以在編輯器上按右鍵就讓 AI 看到結構、問題多好？
- Cursor 輔助寫程式時期：新問世的 Cursor IDE 可讓 AI「看見」編輯器裡的內容，不用 copy & paste 了，而 AI 修正的程式碼也可以一鍵丟進編輯器裡運行，省下很多時間。
- Claude Dev 自動寫程式時期：Claude Dev 已經做到自動寫程式了，我把需求寫清楚，就看到螢幕不停的運作，自動寫代碼、修正代碼、下載必要程式庫、新增檔案、自動 debug ……一個小時完成一個簡單的 Android App！
Claude Dev 自動開發時，看到它噴射大量程式碼，才知道我前面在複製貼上時覺得 AI 很笨，其實拖慢它的瓶頸就是我！這麼說，如果把我拿掉，生產力會是 10 倍！從前聽說「AI 會取代初級工程師職位」的說法，現在我完全相信了！但能光速寫程式、又不累，別說初級工程師了，就算寫了 10 年的資深工程師，你能超過它嗎？
我想報導中那些暫時還不會被取代的「資深工程師」，一定不只是「寫程式很快」、「不容易出錯」、「會很多種語言」…，這幾項就是「初級工程師 x 10」吧！AI 根本是「初級工程師 x 1000」啦！別說初級工程師，它遠比我看過最厲害的印度工程師快，印度能出國接案的工程師都是數億選一，精英中的精英，那麼資深工程師，要多厲害才能讓 AI 無法取代？
於是我詢問 AI，到底「資深工程師」有什麼你無法克服的？
調查方法：本次調查對象是 AI 助理，選最聰明的模型，最新更新，參賽者包括：ChatGPT 4o、Claude Sonnet、Gemini、Perplexity、NotebookLM，用同樣的問題詢問不同的 AI 助理，用 NotebookLM 整理，就是說它可以看別人的答案，但由於 Google 系列的直男癌特性，我相信它不會抄別人的答案。
本文目錄
AI取代工程師 的門檻
題目：很多人說 AI 會取代初級工程師，而會保留資深工程師，請問你認為有什麼本領的資深、高級工程師會有理由被保留不易被取代？
下面是由 NotebookLM 整理 5 個 AI 助理的意見。
共同意見：
- 系統思維和架構能力：從全局角度思考和設計複雜系統架構的能力，是 AI 難以取代的。
- 解決複雜問題的能力：面對複雜、模糊或前所未見的問題時，能運用經驗和創新思維找到解決方案，這也是 AI 目前難以做到的。
- 領導和團隊合作能力：團隊管理、溝通協調、指導培養等軟技能方面具有優勢，而這些軟技能對 AI 來說仍是一大挑戰。
- 持續學習和適應能力：面對快速發展的科技，資深工程師必須具備持續學習新技術和適應新環境的能力，才能保持競爭力。
個別意見：
- ChatGPT：特別強調創意思維和情感智慧是資深工程師的獨特優勢，認為 AI 難以模仿人類的創意和靈活性，也難以完全理解和回應人類情感。
- Claude：強調技術領導與團隊合作和風險管理與決策能力，認為資深工程師在指導團隊、做出決策、評估風險等方面扮演著 AI 難以取代的角色。
- Gemini：認為跨領域知識整合能力和經驗累積與問題判斷力是其優勢，強調他們能整合不同領域知識、從經驗中學習並快速判斷問題。
- Perplexity：則特別提到代碼質量和最佳實踐，以及跨學科知識整合的能力，認為資深工程師在確保代碼質量、整合不同學科知識方面具有 AI 難以取代的經驗和能力。
- NotebookLM：資深工程師的商業思維和產品意識也是很重要的。他們需要理解業務需求，並將技術方案與商業目標結合起來，才能開發出真正有價值的產品。
總結：
- 雖然 AI 的發展迅速，但資深工程師憑藉其經驗、技能和綜合素質，在可預見的未來仍難以被完全取代。
- 為了保持競爭力，資深工程師需要不斷學習新技術、提升自身能力，並學習如何與 AI 協同工作，才能在 AI 時代持續創造價值。
AI取代工程師 要多少年？
看到 AI 說的特質，我就想，就算你是個名副其實的「資深工程師」，你是穩穩坐住這個位置，還是只是比較晚才被淘汰呢？也就是說，AI 所列出它們還無法克服的這些門檻，它們自己認為要多久才能攻克？
這次的方式，因為每個 AI 在第一題的答案大同小異，所以把 NotebookLM 的總結提供給它們，再次進行 Round 2 詢問多久能克服。
題目：你覺得這些 AI 不容易克服的門檻，哪些最可能克服，依照容易程度排序，並說說你猜測會在多長時間內克服
會這樣詢問是因為有些比較嚴謹的 AI，如果你問它「預估」多久可以克服，它可能會不回答，但「猜測」壓力沒這麼大。
接下來是 NotebookLM 整理的內容。
要多久能攻克
| 特質 | ChatGPT | Claude | Gemini | Perplexity | NotebookLM |
|---|---|---|---|---|---|
| 商業思維和產品意識 | 25 年以上 | 15 年以上 | 12-18 年 | 未提供預估時間 | 15-20 年 |
| 領導和團隊合作能力 | 20 年以上 | 15 年以上 | 15-20 年 | 未提供預估時間 | 20 年以上 |
| 情感智慧 | 未提供預估時間 | 15 年以上 | 25 年以上 | 未提供預估時間 | 25 年以上 |
| 創意思維 | 未提供預估時間 | 未提供預估時間 | 20 年以上 | 未提供預估時間 | 20 年以上 |
| 持續學習和適應能力 | 5-10 年 | 5-10 年 | 10-15 年 | 未提供預估時間 | 5-10 年 |
| 解決複雜問題的能力 | 10-15 年 | 5-10 年 | 8-12 年 | 未提供預估時間 | 10-15 年 |
| 系統思維和架構能力 | 15-20 年 | 10-15 年 | 3-5 年 | 未提供預估時間 | 10-15 年 |
| 技術領導與風險管理能力 | 未提供預估時間 | 未提供預估時間 | 未提供預估時間 | 未提供預估時間 | 15-20 年 |
| 跨領域知識整合能力和經驗累積與問題判斷力 | 未提供預估時間 | 未提供預估時間 | 未提供預估時間 | 未提供預估時間 | 10-15 年 |
| 代碼質量和最佳實踐 | 未提供預估時間 | 未提供預估時間 | 1-3 年 | 未提供預估時間 | 1-3 年 |
| 技術選型和評估 | 未提供預估時間 | 未提供預估時間 | 5-7 年 | 未提供預估時間 | 5-7 年 |
| 跨學科知識整合 | 未提供預估時間 | 未提供預估時間 | 7-10 年 | 未提供預估時間 | 7-10 年 |
分析:
- 可以看出，不同的 AI 助理對於 AI 克服資深工程師門檻的時間預估存在差異，NotebookLM 的觀點介於各個 AI 助理之間，相對來說更為綜合和平衡。
- 部分 AI 助理對於某些特質的預估時間跨度較大，例如「商業思維和產品意識」，這也反映了 AI 在這些領域的發展還存在很大的不確定性。
總結:
雖然 AI 在不斷發展，但對於需要較多經驗積累、知識整合和人際互動能力的門檻，例如「商業思維和產品意識」、「領導和團隊合作能力」，不同的 AI 助理和 NotebookLM 都預估 AI 需要較長時間才能達到人類的水平。而對於涉及人類獨特情感和創造力的能力，例如「情感智慧」、「創意思維」，幾乎所有來源都認為 AI 在可預見的未來很難完全取代人類。
我的評價（不是 AI 寫的）
NotebookLM 很貼心地對每種特質加上說明，並加上它的預估需要多少年，不過我特別找出所有預估中最短的。
每家預估根據它的 AI 開發階段，算平均不如找最短，畢竟是用來警告人類自己，說「放心它不會打過來啦！」無異掩耳盜鈴。
| 特質 | 特質說明 | AI 說明 | 最短攻克預估 |
|---|---|---|---|
| 商業思維和產品意識 | 商業思維需要對市場趨勢、客戶需求和競爭環境有深入的理解，並能做出準確的預測和決策。 | 雖然 AI 可以分析大量數據，但在理解人類行為、預測市場變化和制定有效商業策略方面仍有很大的差距。 | 12 年，人類勝 |
| 領導和團隊合作能力 | 領導力和團隊合作需要高度的情商、溝通技巧和人際交往能力，這些都是 AI 目前難以複製的人類特質。 | AI 可能在某些方面輔助領導者，例如提供數據分析和決策建議，但無法完全取代人類在激勵、指導和建立團隊凝聚力方面的作用。 | 15 年，人類勝 |
| 情感智慧 | 情感智慧涉及理解和管理自身情緒以及他人情緒的能力，並能運用這些理解來指導行為和建立關係。 | 這是 AI 最難以掌握的領域之一，需要對人類心理和社會行為有深刻的理解，以及處理複雜和微妙的人際互動的能力。 | 15 年，人類勝 |
| 創意思維 | 創造力是產生新穎、有價值和有影響力的想法的能力，需要跳脫傳統思維模式，並能從不同的角度看待問題。 | 雖然 AI 可以生成新的組合和變形，但真正的突破性創新需要人類的直覺、想像力和對未知的探索精神。 | >20 年，人類大勝 |
| 持續學習和適應能力 | 無 | AI 在持續學習和適應新技術方面具有天然優勢，可以快速處理大量數據並更新自身模型。預計在未來幾年內，AI 將能夠自動學習新技能、適應新的編程語言和工具，並在某些領域超越人類的學習速度。 | 5 年，AI 大勝 |
| 解決複雜問題的能力 | 無 | AI 在處理結構化數據和解決特定領域問題方面已經取得了很大進展，但對於需要跨領域知識、直覺判斷和處理不確定性的複雜問題，AI 仍需要更長時間才能達到人類的水平。 | 5 年，AI 大勝 |
| 系統思維和架構能力 | 系統思維和架構能力需要從整體角度理解系統各個組成部分之間的關係，並能設計出高效、穩定和可擴展的系統架構。 | AI 在處理複雜系統、分析大量數據和優化系統性能方面具有潛力，但要完全掌握系統思維和架構能力，還需要更深入理解業務需求、技術限制和設計原則。 | 3 年，AI 勝 |
| 技術領導與風險管理能力 | 技術領導力需要技術專精、決策能力、溝通能力和影響力，而風險管理需要預測、評估和減輕潛在風險的能力。 | AI 可以提供數據分析和風險評估模型，但要成為有效的技術領導者和做出明智的風險決策，AI 需要更深入地理解技術發展趨勢、評估複雜因素和處理不確定性。 | 15 年，人類勝 |
| 跨領域知識整合能力和經驗累積與問題判斷力 | 跨領域知識整合需要學習和應用來自不同領域的知識，而經驗累積和問題判斷力需要從過往經驗中學習並應用於新的情境。 | AI 可以訪問和處理大量數據，並從中學習模式和規律，但要像人類一樣靈活地運用跨領域知識和經驗做出準確判斷，AI 還需要更強的推理能力和適應性。 | 10 年，人類勝 |
| 代碼質量和最佳實踐 | 無 | AI 已經可以生成高質量的代碼，並遵循最佳實踐。隨著 AI 模型的訓練數據越來越豐富，預計 AI 在代碼生成和優化方面的能力將會越來越強，並且能夠自動識別和修復代碼中的錯誤和缺陷，甚至超越人類程序員的水平。 | 1 年，AI 大勝 |
| 技術選型和評估 | 技術選型和評估需要對不同技術的優缺點、適用場景和發展趨勢有深入的了解。 | AI 可以通過分析大量數據和案例來學習評估技術方案，並根據特定需求推薦合適的技術。預計在未來幾年內，AI 將能夠提供更準確、客觀和全面的技術評估，輔助人類做出更明智的技術決策。 | 5 年，AI 勝 |
| 跨學科知識整合 | 跨學科知識整合需要將來自不同學科的知識和方法結合起來，解決複雜問題。 | AI 可以通過自然語言處理和機器學習技術，從海量數據中提取和整合不同學科的知識，並建立跨學科的知識圖譜。預計在未來幾年內，AI 將能夠更好地理解和應用跨學科知識，為解決複雜問題提供更全面的視角和解決方案。 | 7 年，AI 勝 |
調查前想，資深工程師如果被要求帶團隊，我猜隨著累積的會議和行政事務，他的專業會跟不上快速發展，所以技術能力不會是他（比年輕工程師）的強項，反而在架構、用經驗預估（你這樣搞會結不了案哦！）、產品知識、領導上有更多磨練。
技術人類已被完敗，但 AI 會學習不擅應用，AI 也不理解人類
我把 AI 提出的特質分組，分成「理解人類」、「知識應用」和「技術能力」3 項，結果沒錯，只有在上圖畫了人的圖標那些項目人類還有空間。
- 技術能力：原以為資深工程師厲害的是寫程式，但 AI 很有自信的說，在這方面你們人類不需要努力了，它們現在就超過大部分人，有一些還要一點時間，但它們進步的速度是人類跟不上的，這部分，人類懂就好了，別想着競爭，直接棄守多努力你們人類能做的吧！
- 知識應用：很矛盾，學習、思維都 AI 優勝，當然了，因為 AI 學習是一批一批地閱讀，在吸收知識上人類不可能趕上的，這點它們都很有自信。但 AI 卻做不到跨領域思維、out-of-box thinking，所以人類趕快強化這部分？不過人類有創意的也不多啊！這是因為要經過吸收、分析、思維、輸出等過程，你才會有創意，所以在學習上，我們明知道 AI 更強，但卻不能棄守。在 馬宜郎的「腦機連線」（Neuralink） 夠好、夠便宜，人人可在腦袋上插卡前，我們用 AI 輔助學習 可以很好的幫我們「師夷之長以制夷」！
- 理解人類：人類有優勢的全部累積在這一塊，包括對人的瞭解、對團隊的瞭解（領導）、對社會的瞭解（商業產品思維），這些其實都是對或多或少人的瞭解，AI 不是不懂，它有大量數據，但我猜它想不通，因為人類做的事太怪了，會做不合理的事。但高度理解人是資深工程師的專長嗎？通常他們是理解電腦系統的高手，而不是人，這種事似乎文科生比較在行。
資深工程師能懂人懂創意嗎？以電影業為例！
AI 的結論中我們知道了他們的想法，讓我反而更懷疑，AI 真的只是想淘汰初級工程師嗎？因為它不擅長的那兩塊，也不是資深工程師擅長的啊！
- 技術：不管你是幾年的工程師都讓開吧！讓專業的 AI 來！
- 懂人：我們 AI 什麼資料都有，就是想不透你們人類在想啥，這部分交給你們了。
- 創意：我們 AI 的學習力，人類比不過的，不過我們太邏輯了，沒你們那種（神經接錯線的）創意。
一個產品開發出來很像是拍電影：
- 產品經理（導演、編劇）：提出想要拍的內容，他要跟業主協調，想像產品願景，對這個還未見之物的一切問題提出答案；
- 工程師（攝影、燈光、音響、美術）：執行產品經理要產出的產品，提供所有技術。
拿拍片來類比軟體開發：從前就算拍幾十秒廣告片，都要 20 人團隊，看不見的後製人數更多，你看電影結束後的 Cast 跑過多少名字就知道了。
但現在不同，一個人用手機就能拍攝、收音，手機有很多軟體讓鏡頭穩定、更有電影感，效果不輸專業機種；再買台 Mac 就可以用 Final Cut Pro、Lightroom 軟體來剪接、特效、調光，你想 Youtube 上大量的影片有多少是專業設備拍的？小成本電影現在不太需要專業團隊了，日本知名導演岩井俊二就有一部片是他一個人抱着電腦剪接幾個月的成果，自己的點子自己搞定，一定更貼近創意。
電影等級的攝影、音效、剪接、調光… 可不是初級工程師啊，他們都是資深工程師，還能得金像獎的那種人，但科技已經快可以取代了。
如果手機能拍片拍得不錯，自己的電腦就可以隨處剪輯，更甚，如果大部分都會自動完成，那麼最後會留下的就只剩下導演了吧！畢竟整個團隊就是在實現導演的願景，人人都可以請假，就只有導演不能請假啊！
在軟體開發領域，導演就是產品經理，他負責瞭解世界、提出需求，解決 AI 不擅長的——人的部分，如果產品經理對技術有更深認識，搭配 AI，聘請專業工程師的機會就更少了。
從前的電視時代，製作人很大，但在 YouTube 時代，你也可以是製作人；從前開發程式一定要找工程師，但在軟體的「YouTube 時代」，你也可以當產品經理 + 工程師，做自己想做的軟體，技術平民化，不用讀博士也能辦到了！
結論：想知道會不會被取代？問 AI 本人
問了一輪發現，原來不會被取代的並不是典型的「資深工程師」，而是「產品經理 + 工程師」的合體，如果你是產品經理，那你要很高興，趕快去進修開發知識，如果你是工程師，趕快跟文科生學一學如何理解人類。
AI 取代的問題天天在喊「狼來了」，我想你不用算命，何不問問 AI 本人？你問它自己的能力如何，它肯定清楚，像本文一樣把你的工作當題目問 AI，如果它無法取代，那你就放心了，如果它很快能取代，要想想怎麼微調。