近年來，人工智慧 (AI) 飛速發展，其潛力在各行各業引發廣泛討論。然而，最先可能受到 AI 衝擊的，或許正是催生這些技術的科技業本身，特別是軟體工程師這一群體。根據針對超過 25 位科技從業人員的訪談，AI 正在悄然改變技術勞動力市場的結構和招募邏輯。

AI Impact Lab 的創辦人兼負責人 Taren Stinebrickner-Kauffman 近日發表了一篇部落格文章，認為這些 AI 公司首先針對的就是軟體工程師。她認為，AI 革命可能最終會吞噬自身：即使 AI 不會導致整體大規模失業，工程類工作也會急劇下降。

為何科技業首當其衝？

文章指出，為何技術職位會成為首當其衝的目標？主要有四個強而有力的理由：

AI 公司最熟悉技術領域：AI 實驗室的員工本身就是工程師，他們開發的工具首先解決的是自己最了解的問題。開發編碼智能體比開發其他專業領域的 AI 所需外部知識少，進展可能更快。

成功指標更清晰：判斷程式碼是否有效比評估許多其他領域的成果容易得多，尤其是在程式設計競賽等有明確對錯的場景中，AI 工具表現出色。這種清晰度有助於 AI 模型產生訓練資料和進行自動化評估。

擁有海量高品質訓練資料：與活動策劃或虛擬助理等工作不同，網上有大量開源程式碼資料集，許多還帶有註釋和解釋，極大地方便了 AI 模擬工程師的工作流程。

AI 研究的遞迴改進動力：頂尖 AI 公司有強烈的動機利用 AI 加速自身的研發工作，形成「用 AI 提升 AI」的正向回饋循環。

儘管存在這些驅動因素，但調查顯示，AI 目前並非導致科技業疲軟的主要原因。

受訪者普遍認為，當前的裁員和招聘放緩主要歸因於宏觀經濟因素，例如利率上升和疫情後的市場調整。一個證明是，即使在明確禁止使用 AI 工具的產業 (如金融業)，工程師的就業市場也同樣低迷。

此外，AI 目前尚未根本性地改變大多數技術職位。儘管 AI 在特定任務上能提升效率，但這種提升高度依賴具體任務和使用者熟練度。大規模、複雜或需要大量跨職能協作的工作，AI 工具帶來的效益往往被審查、偵錯和整合所需的時間抵消。

同時，工程師的工作不僅僅是寫程式碼，AI 目前在需求撰寫、品質保證、會議溝通等方面幫助有限。即使是知名科技公司，也並非全部廣泛應用 AI 工具。一位優秀的工程師即使不用 AI，通常仍比能力較低但使用 AI 的工程師更有價值。

然而，AI 正在對初級職位招募造成巨大壓力。許多受訪者表示，他們的公司幾乎凍結了初級工程師和資料分析師的招募。 程式設計訓練營紛紛關閉，大學電腦專業報考人數也因前景黯淡而下滑。

高階工作更加吃香

於此同時，「碼農」崗位正在消失：純粹的日常編碼或資料查詢任務所需時間迅速減少。過去面試時寫出優秀 SQL 語句的能力已不再稀缺，初級員工如何快速創造價值成為難題。

招聘經理預期 AI 編碼能力迅速提升：即使 AI 目前未顯著提升團隊效率，管理層基於對未來 AI 能力的預期已調整招募策略。他們預計 AI 在未來一年內就能勝任初級員工的工作，因此不願為長期投資的初級職位投入資源。

AI 提升了高階工程師時間價值：有經驗的工程師現在更吃香，因為他們擅長診斷並修復 AI 生成的不完善程式碼，類似於過去指導初級工程師的工作。AI 工具在系統架構、產品思維等需要經驗積累的領域仍顯不足，這凸顯了資深工程師的不可替代性。

由於 AI 提升了資深工程師價值並削弱了初級員工作用，加上就業市場更有利於獲取資深人才，企業自然不願再花費資深工程師寶貴時間培養新人。

因此，即使 AI 尚未取代人類工程師，它已悄悄重塑招募邏輯，真正受衝擊的是缺乏經驗又缺乏 AI 協作能力的年輕人。

這也引發了對未來人才儲備枯竭的擔憂，因為缺乏初級工程師的培養路徑，未來的資深工程師將從何而來成為一個明顯卻無解的問題。

此外，AI 正在模糊崗位邊界。受訪者回饋的最大效率提升來自於那些具備一定技術基礎但職位並非工程師的「半技術型」人才。產品經理現在可以藉助 AI 獨立完成功能原型甚至基礎功能開發，幾乎不再需要依賴工程師。

AI 正在降低「技術門檻」，鼓勵「全能型選手」和具備產品思維的人才。傳統團隊分工正在打破，產品經理、設計師、工程師的角色界限模糊。資料分析師也面臨轉型壓力，基礎任務被自動化或「平民化」，需要向「資料工程師」等更具技術性的崗位靠攏。

對於未來的預測

關於未來，Anthropic 執行長 Dario Amodei 曾預測，到 2025 年底，AI 可能編寫 90% 的所有程式碼。但來源認為這個預測可能過於樂觀。

目前 AI 在複雜工程任務中仍有瓶頸，缺乏長期記憶、後設認知能力等。同時，產業轉型需要時間，即使在科技業內部，行為改變的速度也遠不及技術迭代。

排除超級人工智慧 (AGI) 短期內出現的可能性，未來幾年的預測包括：

品質保證 (QA) 將成為 AI 智能體的主戰場： AI 加速編碼後，QA 成為新的瓶頸，將出現專門輔助或取代人類進行 QA 的 AI 智能體市場。

「AI 技術債」危機顯現：AI 快速產生程式碼可能導致維護性降低、測試不足、安全隱患等問題，預計未來 3-5 年成為挑戰，影響長期淨生產力效益。

適應 AI 將成為必然：部分公司已開始解僱不願使用 AI 工具的工程師，未來適應 AI 的能力將成為從業底線。

人才儲備將逐漸枯竭：若初級職位持續萎縮而無法培養新人才，未來產業可能面臨嚴重人才斷層。

至於長期來看，工程師會滅絕嗎？無人能確定。有三種競爭假說：

1. Jevons 悖論： AI 降低開發成本會催生海量新應用和功能，對系統架構、整合測試等更高階工程工作的總需求可能超越 AI 效率增益，導致工程師總量不降反升，但工作內容轉向設計與監督。

2. 歷史循環論： AI 程式碼生成只是下一個抽象層，遵循歷史模式，經過顛覆、適應最終穩定，而非終點。

3. 全面自動化假說： 若 AI 最終取代多數工作，技術崗位因其特質 (清晰評估、豐富資料) 可能成為首批受害者。

報告的作者 Taren Stinebrickner-Kauffman 傾向於第三種情境對於工程類工作的影響：即使整體不導致大規模失業，工程類工作可能大幅下降。

然而，她也指出，如果 AI 真能完全取代工程師，意味著通用智能 (AGI) 已出現，屆時所有職業都將面臨重構。更可能的情景是漸進式演化，就像汽車取代馬車夫卻創造更龐大交通運輸業一樣，科技革命的真正影響往往超越最初想像。

（本文出自鉅亨網）