寫程式不如 AI？當我們陷入「開發恐怖谷」，工程師的價值該往哪裡擺？

在與 AI 協作的過程中，你是否曾產生過一種不適感？

這是一種微妙的「程式開發恐怖谷效應」。當 AI 在程式碼撰寫、邏輯推演上都展現出超越人類的能力時，我們不禁會產生懷疑：我們真的比 AI 厲害嗎？如果我硬要介入技術細節，反而成為了 AI 發揮能力的絆腳石？

這是我近期深刻的迷惘。

放手，或許才是最高級的協作

過去我們習慣思考如何用特定的技術（技術選型）來實作功能，但現在如果我們強行用自己有限的技術認知去規範 AI 的開發路徑，結果往往不如直接告訴 AI 目標，讓他自己尋找最優解。

就像詠春拳教導的，「不要跟他拼拳，要切他中路」。與其在 AI 最擅長的「寫程式」與「邏輯運算」上硬碰硬，我們應該找到目前 AI 的「短板」，那才是人類工程師的核心戰場。

工程師的「切中路」策略：從執行者轉向設計師

既然 AI 擅長產出，那麼我們就專注在產出前的「需求收斂」與產出後的「價值整合」。我分析了目前 AI 尚無法完美取代的四個核心領域：

1. 跨部門工作流（Workflow）的梳理與整合

AI 無法直接走進辦公室，理解各部門之間那些混亂、充滿人性與政治角力的溝通鏈。我們不可能直接把一台掛著 AI Agent 的電腦扔給業務部門，就指望他們梳理出自動化的邏輯。

• 人類的價值： 我們扮演「翻譯者」與「架構師」，去洞察部門真實的痛點、梳理資源流程，並將這些充滿雜訊的訊息，轉化為 AI 可理解的精確規格。

2. 專業需求分析與深度檢核

使用者往往無法清楚描述自己要什麼，他們說的是「結果」，而非「需求」。

• 人類的價值： 我們用專業知識幫使用者收斂需求，確保 AI 產出的產品符合預期；並在產出後，扮演「品質守門員」，檢核效能、資安、可維護性等面向。雖然 AI 未來可能也會考慮這些，但這正是我們現在發揮經驗積累的關鍵。

3. 系統架構設計與「技術債」治理

AI 寫單一功能（Happy Path）非常快，但它往往缺乏對整個專案「宏觀架構」的想像力。如果完全放任 AI 寫程式，很容易產出看起來能動，但未來難以擴充的「義大利麵條程式碼」。

• 人類的價值： 我們必須身兼「架構師」的角色，不只要確保模組化設計（如 MVC、Design Patterns），更要防堵 AI 產生幻覺或默默累積巨大的「技術債」，確保系統底層的健康與高擴充性。

4. 邊界條件（Edge Cases）與複雜除錯

當系統在完美狀態下運行，AI 無懈可擊；但真實世界總是充滿意外，例如第三方 API 文件寫錯、網路不穩的玄學問題、或是各種奇葩的使用者行為，這時 AI 往往會陷入鬼打牆的死胡同。

• 人類的價值： 我們憑藉著多年的踩雷經驗與「除錯直覺」，在處理極端邊界條件、效能瓶頸或冷門的底層環境問題時，依然是目前無可取代的終極救火隊長。

未來的技能發展方向

思考過後，我認為未來軟體工程師的職涯發展，應該朝向以下幾個維度進行自我優化：

• 從「會用 AI」升級為「打造 AI 生態」： 當熟練操作 AI 工具已成為所有工程師的「基本盤」，未來的突圍方向將是「AI 產品化」。不再只是用 AI 寫扣，而是要具備設計 AI Agent 工作流、甚至是將企業內部痛點結合 LLM 轉化為自動化服務架構的能力。
• 深耕業務邏輯優化： 成為更懂「業務」的開發者。利用 AI 高效率產出程式碼，我們則騰出時間去優化整體部門的邏輯結構與自動化流程。
• 跨領域的技術整合（全端思維）： AI 大幅降低了語法的學習門檻，前端跨後端、甚至跨雲端部署的成本變得極低。未來不再死守單一技術棧，能運用 AI 串聯 Frontend、Backend 到 DevOps 的「全端整合者」將大放異彩。
• 軟實力與影響力升級： 當「寫出能動的程式」變成基本盤，工程師的護城河將轉移到跨部門溝通、專案時程控管，以及將技術語言轉化為商業價值的說服力。這些充滿「人味」的軟實力，是 AI 最難以複製的籌碼。

結語

不要再糾結於「寫程式這件事我輸給了 AI」。當我們不再執著於拼拳，轉而專注於梳理邏輯與串連價值，你會發現，人類工程師並未被淘汰，我們只是從「磚塊搬運工」，變成了「系統建築師」。