未來的工程師應該做什麼

大家都在問：AI 會不會取代工程師？
我認為這個問題問錯了

1970 年代 ATM 出現的時候
所有人都覺得銀行櫃員死定了
一台機器 30 秒搞定一筆交易
成本只要人工的四分之一
還全年無休

結果呢？
櫃員不但沒變少，反而變多了

真正殺掉櫃員的不是 ATM
是三十年後的一支手機
手機內的行動銀行普及後，全職櫃員從 33 萬掉到 16 萬
美國的銀行關掉兩成分行

ATM 取代了任務，iPhone 讓任務變得無關緊要

所以真正的問題是：
工程師現在手上的 AI，是 ATM 還是 iPhone？
這篇就是要回答這個問題
以及更重要的——在 iPhone 時刻來之前，你該站到哪裡去

類似的劇情迪士尼 20 年前就演過

讓我們把時間回到 1983 年

兩個年輕人在迪士尼做了一支叫做《野獸國》的測試片
Glen Keane 手繪主角
John Lasseter 用電腦生成背景和運鏡
他們想證明：手繪和 CG 可以同台

高層的回覆是：太貴、做不完，否決
Lasseter 不久後被開除
原因是他一直鼓吹電腦動畫

被開除的 Lasseter 去了盧卡斯影業
1986 年：那個部門被 Steve Jobs 買下，改名皮克斯
1995 年：《玩具總動員》上映
2004 年：迪士尼關掉手繪動畫部門，2,200 人只剩 600 人
2006 年：迪士尼花 74 億美元買下皮克斯
然後把當年開除的 Lasseter，請回來當首席創意長

注意 2004 年
對 2D 動畫師來說，CG 就是他們的 iPhone 時刻
大家以為 CG 只是「畫得比較快的鉛筆」
但它其實是另一種做動畫的方式
模式換掉了，任務再熟練都沒用

至於故事的另一個人 Keane
他留了下來，但還是沒有學會電腦動畫
他是怎麼沒有被淘汰的呢？
這裡先賣個關子，先來看看工程師

工程師能做一輩子嗎？

Sean Goedecke（GitHub 資深工程師）今年寫過一篇文章
〈軟體工程或許不再是一輩子的職業〉

工程師反對 AI 的論點大多是

用 AI 寫程式你學不到東西
所以用 AI 寫程式會讓你的技術退化
所以不應該使用 AI

Sean 提出的類比是建築工人

建築工人搬重物會傷害腰椎和關節
長期下來身體會壞掉
但沒有建築工人會說「當個好建築工人就是不要搬重物」
他們會說「沒辦法，這就是工作」

當年從組合語言到 C 再到高階語言
某種程度上也是讓工程師「退化」
但你還是得用

過去「做軟體工程最好的學習方式，就是去做軟體工程」
它讓很多人可以把寫程式當成興趣，然後賺到錢
但這不是這份職業的本質
老闆付錢給你，不是讓你越做越強
這件事只是個幸運的巧合
但這個巧合正在結束

你可以繼續堅持全手寫程式、不碰 AI
就像木匠堅持不用電動工具
只是你大概找不到工作

Sean 甚至說這代工程師可能是史上第一代
需要像職業運動員一樣規劃退場的工程師—— 15 年職涯，35 歲走下坡
他希望這不是真的
「但如果是真的卻不承認，那就更糟了」

同一時間，市場也在重新定價

2010 年代創投資金氾濫的時候
「什麼都會一點」的廣度工程師最搶手
一個橫跨前後端、基礎設施與部署、快速上手、快速出貨的人很吃香

因為當時實作很貴，廣度就是產能
現在 AI 把實作的成本壓到趨近於零
CRUD、API 串接、膠水程式碼、標準架構
這些有標準答案的東西，正是 AI 最擅長的

以前需要一整個團隊做的事，現在兩人小組加 AI 就能完成

所以市場在重新定價
過去獎勵的是「實作產出量」
而那些靠「動作快、能做東西」的工程師正在失去價值

相對的，Distinguished engineer 不受影響
因為公司希望他們提供的就是深度、判斷力和責任承擔

市場獎勵的東西從快速產出變成承擔責任

不會電腦動畫的動畫總監

回到迪士尼
這次看另一個人：Glen Keane

2010 年《魔髮奇緣》製作期間
Keane 還是不會電腦動畫（對，過了 27 年，他還是不會）
但他是這部片的動畫總監

製作期間，他也曾下場試做 CG
結論是：太難了
他畫圖時是靠身體去感覺角色的
用滑鼠去擺弄一個關節反而做不出來

但那一天的體驗沒有讓他火大
而是讓他產生同理心
他說他因此明白了動畫師為了做到「他正在批評的那個水準」
到底吃了多少苦

但他也發現
如果自己懂得太多，就會變得太心軟
太同情他們的痛苦，就會放水、給太多自由
所以他刻意決定不碰電腦動畫，留在場邊當教練

因此他的工作方式是拿著繪圖板
直接畫在別人做好的 CG 鏡頭上
告訴團隊：哪裡不對、該往哪改

他表示：電腦會不斷「誘惑」你接受「差不多就好」的東西
讓你愛上漂亮的算圖、肩膀上細膩的陰影、裙子皺褶的落法
卻沒人在意那個肩膀被擺到解剖學上不可能的位置

他不會操作工具
但他是全公司最知道「什麼叫做好」的人

被淘汰的是技法，不是判斷力

Keane 交出去的，是「肩膀的線條怎麼畫」
留在他手上的，是「這個角色現在在想什麼」

而當年他們兩人嘗試的手繪疊加 CG
在 2012 年的 Paperman 實現了
時隔 29 年，手繪風格再次回到螢幕上

從演奏者變指揮家

Keane 的挑剔沒有擋住 CG
反而是 CG 變好的原因

今天嫌 AI 產出不對勁的人
是唯一知道該把 AI 推向哪裡的人

你要從演奏者，變成指揮家
指揮家手上沒有樂器
但整個樂團的聲音長什麼樣子，是他決定的

Anthropic 的 Thariq（Claude Code 團隊）
寫過一篇文章《Finding Your Unknowns》
他說模型強到一個程度之後
產出品質就只剩下一個限制：
你能不能把「你自己也沒想清楚的東西」講清楚

每當 Claude 撞到一個未知
它就得靠猜測你要什麼來做決定
工作量越大，會撞到的未知就越多

頂尖的 agentic coder 之所以厲害，是因為他們「未知很少」
非常清楚自己要什麼、對程式庫和模型行為都很熟悉
但同時他們也會「預先假設未知存在並為此規劃」

指揮家不需要會所有的樂器
但得說出哪裡走音

我們該學 Keane 不碰工具嗎？

不
Keane 能站在場邊，是因為他先畫了 27 年
判斷力不是天上掉下來的
是一筆一筆畫出來的

你過去手寫過的程式
是你未來成為指揮家的門票

以前你在學習某種邏輯，某種設計模式時
需要親自下去寫，試錯成本很高

AI 會讓你退化
但它也提供你更便宜的方式鍛鍊品味

我現在在開始實作前
都會跟 AI 討論實作與技術取捨
提出我的看法，並仔細查看 AI 給的意見

寫成規格書後丟給其他 AI 看
來回討論多次之後才定案

如果沒辦法取捨，也可以直接叫 AI 兩種方案都寫
例如我之前做討論板
就直接叫 AI 把 OpenNext 跟 HonoX 的版本都寫給我
然後再實際比較兩邊的差異

這樣就可以在短時間內大量測試並 Review 各種寫法
並在過程中鍛鍊自己的判斷力

所以工程師未來會變得如何？

要回答這個問題
可以把工程師的工作切成三段：

Decide → Execute → Deliver

Decide 是決定什麼叫做「好」
這就需要你學習如何當個指揮家
指揮 AI 演奏

Deliver 是另外一個難題
可靠性、規模化、安全、運維取捨
這些不會因為 code 是 AI 寫的就消失

AI 吃得下的，只有中間的 Execute
它可以在 30 秒內生出一個功能
但它不知道這個功能該不該做
做完了，也不會替你對結果負責

MIT 研究發現
AI Agent 讓產出多 1.8 倍
但實際上 release 只多出三成
就是因為另外兩段還卡在人手上

iPhone 時刻來之前

回到開頭的問題：
工程師手上的 AI，是 ATM 還是 iPhone？

我的答案是：現在是 ATM，但 iPhone 已經在路上了

過往的自動化，是轉移你手上的工作
ATM 把櫃員從數鈔票解放出來，櫃員轉去做銷售

AI 每多生一份 code，就多一份需要你判斷的東西
你不但沒變閒，事情還變多了
它讓你從演奏者變成指揮家

工作變形而不是消失正是「ATM」階段的特徵

至於 iPhone 時刻什麼時候到來
ATM 給了櫃員 30 年
CG 給了手繪動畫師 21 年

沒人知道 AI 會給工程師幾年
只知道那一刻來的時候，它長得可能不會像 AI
就像殺死櫃員的，從來不是更好的 ATM

所以這篇的結論只有兩件事

一、別把現在的高薪，想成可以做到退休
2004 年被裁的動畫師，沒有等到手繪回來的那天
等 iPhone 時刻來了才動，就太晚了

二、換位子，從演奏者變指揮家
把實作交出去，把判斷留下來
下次 AI 給你的東西讓你覺得「不對勁」
別急著說服自己接受
那個不對勁，就是你的價值

指揮家可能沒辦法讓你買到永久豁免權
但可以讓你買到時間跟選擇權

最後說回 Glen Keane
他罵早期 CG 醜，後來並沒有被打臉——
早期 CG 是真的醜，他說對了
真正的重點是：

正因為他堅持那是醜的，那東西後來才變得不醜

AI 生出來的東西，大部分也還是醜的
這對你是好消息
因為知道哪裡醜的人，現在最值錢