AI取代 了誰？

常聽到「程式設計師將被取代」， AI取代 了誰啊？工程師？很難！

最近用開發一套系統的方法來學寫程式，雖然花的時間不長，但把長時間學習壓縮到短期，可說艱苦卓絕，此時我才想通：「用 AI取代工程師的人原來就是我！」是啊，身為產品經理，從前我都請工程師寫程式，現在我居然自己寫，就表示有一些工程師失業了！

AI取代 動作慢的工程師嗎？

就算跟 AI 配合，它可以很快長出程式碼，但我寫程式還是非常慢，因為我一邊想接下來一步到十步做什麼要預留空間，想着不要暫時性方案要做到完整解決，還想着投資更多時間建置長期可用的開發環境才好持續管理… 因為想太多，不停修改，所以很慢。

在北京工作時想自學 Python，有位 PHP 工程師很感興趣跟我一起玩 Python 刷題，有一次他拿給我一題，要用程式繪製一個歪歪扭扭的螺旋型，沒有固定 pattern，我想好久還沒想出合適演算法，而他卻非常快，用類似手繪的方式解了，不過只能解決這一題，下一題就不能解了。

這種刷題對實戰無用，沾沾自喜地打開別人的程式碼才知道我完全不會

如果發現馬路有個洞，我會先找幾塊磚頭塞進去補平避免機車騎士撞進去，再打 1999 要市政府來徹查是不是水土流失。不過對他來說，塞磚頭就完工了，我大驚，如果請他開發軟體，會不會拿到一個雖可運行，但不知道何時要崩壞的軟體？

產品經理代表需求方要求執行團隊，看到他的工作方式，我恍然大悟：原來你們都是這樣混啊！

傳統產品開發是，產品經理為了把重複的事交給電腦處理，希望它可以處理好各種可能，免得以後還要另外想辦法解決例外。所以產品經理會想辦法開出最詳盡的需求，包含在訪談時發現各種正常或例外的工作模式。

我的需求會交給資深工程師（資訊長、系統架構師、系統分析師…），有經驗的他會從工程師的角度幫產品經理補強沒想到的問題，避免漏洞，這時就會產出一份完整的系統分析，他會把系統分析結果拆成多塊分給不同的工程師執行。

程式設計師根據拿到手上的需求開發，他看不到你的全盤計劃，就照需求用最簡單的方式執行，因為專注解決眼前問題，所以非常快。

這也不是必然，有時候程式確實只解決眼前問題。例如只有一兩週生命的活動網頁，動畫漂亮比程式周全重要；或程式考題，只要答案對就得分，這一類工作想太深反而自找麻煩。

其實不管哪種情況，工程師專注眼前任務用最簡單方式達成是正確的。為什麼我慢呢？產品經理出身的我想太多。

素人開發新流程

從前產品經理只寫需求，因為專案太大要分工合作。但在 AI 時代，現在從開需求、設計前端網頁、開發後端資料庫、撰寫 API… 可以全一個人搞定，所以 AI 幫你省時了嗎？它能把一個團隊的工作交給你一個人做完。這樣的結果是好幾個人失業，一個人累死！

從前開發軟體要團隊共同進行，手工寫程式曠日費時，工程師又貴，是稀缺資源，沒事別碰他！所以當團隊拿到需求，會先對需求書細細分析，不懂就問客戶（我經歷過連續幾個月的需求訪談），直到完全搞懂客戶意圖，再進行完整規劃，跟團隊討論後，把每一支小程式規劃完成，此時才動用到珍貴的工程師寫程式。

因為前期細細規劃，最後不太會出錯，所以測試也很快。

而當非專業的產品經理跟 AI 協作時，因為 AI 產出程式實在太快，所以比起花時間搞清楚你的需求，它寧可先把程式寫出來，再讓你修正。

它是對的，很多客戶說要開案時根本沒想清楚需求，從一個基礎修改更實際

AI 雖然快（更知道去哪裡抄寫好的程式碼），但它畢竟不懂原理，更糟的是，各家 AI 都缺乏 debug 的教材，因為它從網上讀的程式碼多是成功的（誰好意思把寫爛的丟上網路讓大家笑？），所以當它第一次提供的程式碼運行失敗，接下來的 debug 會很辛苦，只能不停重複開發、測試、開發、測試… 幾十次。

我還發現一件事，卡關時，剛開始它會提幾個解法，幾次以後就一直提差不多（明知無效）的建議，這時就是它的「智商」極限了。

手機輸入法被拿來說明大語言模型的原理，真的沒錯，拿手機輸入一個詞，例如「台灣」，一直選第一個（標點外的）候選字，直到開始重複。

我的測試「
台灣人的飛越見證了一下就可以嗎啡色的時候就可以不要這樣的時候就可以不要這樣的時候」一直跳出重複詞（建議），就表示它沒招了。

這時我會先問別「人」（別家 AI 助理），畢竟每個 AI 讀的書不同，A 不能解 B 可能能解，但如果冷門到網上都沒討論，那它也沒學過，換哪一家都解不開。

怎麼辦？很簡單，跟每位工程師一樣，老老實實地讀文件、上課，搞懂原理就可以指導它破關了。

但程式是環環相扣的，你讀了一套發現它依賴另一套，繼續讀讀讀讀讀… 後來居然全搞懂了，現在，你也約略是個工程師了。

AI取代 工程師嗎？有待商榷

目前，AI 讓人誤會它可以取代工程師，簡單程式真的可以，但開發「系統」（多程式互動的複雜架構）時，素人會極度挫折，反之，工程師盯它做工效率超快，心情愉悅。

我認為「工程師會被取代」預言有待商榷。

從供應面看，臺灣工程師薪水不錯，在美國則是高薪，因為寫程式不簡單，能實戰的人比日立壓縮機還稀少，薪水當然高。

從需求面看，多年前你家只有電腦桌上擺的那臺電腦有程式需求，現在你的電腦、手機、電視、電話、冰箱、電鍋、汽車、機車…..（還有昨天發佈的 meta 眼鏡）都是造型各異的電腦，還沒電腦化的，在世界各地都有團隊正在把它電腦化中。

電腦需要程式和演算法讓它動起來、變聰明，於是對工程師需求「高速」增加，工程師供應卻「慢速」增加，根本不夠用嘛！

AI 的幫助是，從前 2 個工程師開發的系統，現在變成 1 個人 + AI 開發，那另外 1 人會失業嗎？不會的，多得是排隊找不到人開發的程式呢！

就像全球都要臺積電代工，假如臺積電產能增加 1 倍能滿足需求嗎？不能，它只是提高消化排隊訂單的速度，而客戶得知臺積電又提升產能，原本放棄的又來下單了，瞬間訂單又增加了！

除非 AI 進步到你只要說「寫個XX系統」就直接產品做好擺在那裡，不然還是需要人，而且就算這種超級 AI 來了，有多少人需要冰箱時自己做一臺？我寧可去買現成的。

在 AI 流行的現在，前一波假設有 80% 事物完成「電腦化」，現在它們又要進一步「AI 化」，而「AI 化」的比例應該是個位數！你想，臺積電每個客戶（以及客戶的客戶）都需要工程師開發更聰明的系統，需求怎麼會少？能接單的人才是問題！

• 如果你是產品經理，可以跟 AI 一起開發系統，非常快，幾年功力一次灌進來，但別只會見林，要學著見樹。
• 如果你是工程師，從前只管眼前任務的時代過去了，你得跟產品經理學看整片森林，因為你是 AI 員工的主管了。

AI 時代的學習又快又密集，請記得補腦，多吃蛋白質！