隨著生成式 AI 快速滲透軟體開發流程，工程師的工作內容正出現明顯轉變。一名 23 歲、任職於紐約新創公司的軟體工程師 Ben Zabihi 表示，如果是在五年前入行，他的工作大多會花在撰寫程式碼與文件上；但現在，他大量時間都投入在使用 AI 工具，不只用來生成程式碼，也作為研究助手，協助理解產業知識與業務術語。

這樣的變化並非個例。AI 正逐步滲透工程師的整個工作流程，從功能設計、程式碼生成，到除錯與文件產出，都能在短時間內提供可用結果。工程師不再需要死記 API 語法，也不必耗費大量時間處理重複性任務。

然而，效率提升的同時，也帶來新的問題：當 AI 承接越來越多基礎工作，工程師的核心價值還剩下什麼？

初級工程師的角色正在位移

過去，初級工程師是透過反覆處理基礎任務來磨練技能的，譬如修小 bug、寫單元測試、理解既有程式碼的邏輯。這些看似瑣碎的工作，實際上是培養工程判斷力的重要土壤。

但這塊土壤正在縮小。根據勞動研究機構 Revelio Labs 的數據，美國的初級職位招募自 2023 年以來已下滑約 35%。許多公司在縮減初階人力的同時，把原本屬於初階工程師的任務交給了 AI，或者壓縮到資深工程師身上。

在這樣的環境下，Zabihi 則認為他應該提早去思考系統架構、安全風險、商業目標這些過去屬於資深工程師的議題。某種程度上，AI 的存在加速了初級工程師的角色成熟，讓他們更早接觸複雜問題，而非長期停留在執行層面。

不過這究竟是一種被迫的進步，還是自然的成長曲線？

效率的陰暗面：基礎能力正在流失？

36 歲的資深工程師 Georgian Tutuianu 對這個趨勢抱持更謹慎的態度。他說，當他剛入行時，這份工作 95% 的內容是「痛苦的」，而正是那些痛苦，鍛鍊出他面對未知問題時的直覺。

他觀察到，如今審查同事提交的程式碼時，程式碼的行數已從過去的幾百行暴增到一千行以上，而許多工程師根本無法解釋自己新增的程式碼在做什麼。他直接說，「這都是汙染，工程師把最難的部分，也就是那些不懂的地方全都直接外包給了 AI。」

專案管理平台 Asana 的研究也指出，近三分之二的員工認為 AI 工具不可靠，超過一半表示 AI 會產出看似合理但實際錯誤的內容，而美國員工平均每週要花 4.5 小時，修正 AI 造成的錯誤輸出。

一位在大型科技公司任職的資深工程師也分享，他的公司曾出現 AI 在缺乏監督的情況下，誤觸系統操作並影響服務穩定的情形。

問題的核心不在於 AI 不夠好，而在於判斷 AI 是否做得對，需要人類本身具備足夠深厚的基礎。當這個基礎在訓練階段就被跳過，後果就會變得糟糕。

AI 時代工程師的新技能地圖

那麼，在這樣的時代背景下，工程師究竟需要培養什麼能力？

Google 開發者與體驗部門副總裁 Keith Ballinger 的看法是，軟體工程師從來就不是為了「用某種語言寫程式」而存在的。工程師的本質，是運用技術解決問題。

把大問題拆解成小問題、設計可行的解決方案，才是工程思維的核心，而這個能力，在 AI 時代比以往任何時候都更加重要。

對此波士頓顧問集團旗下科技部門 BCG X 的技術長 Matt Kropp 則提問：「如果 AI 能處理大部分的程式碼，工程師的價值究竟在哪裡？」業界的共識逐漸指向同一個方向，工程師的價值將從精通語法，轉移到更廣泛的問題定義能力與解決方案的架構思維。

工程師招募平台 Karat 執行長 Mohit Bhende 則從招募角度提出建議：科技業的初階職位正在縮減，反而是金融、醫療等 AI 導入較慢、對人類監督需求較高的領域，將成為新興工程師的機會所在。

Mohit Bhende 預期，未來最搶手的工程人才，是那些同時具備技術底蘊與業務理解的複合型人才。

工程師不再只是寫程式，而是定義問題的人

AI 正在改變的，不只是單一工程師的技能需求，而是整個軟體業的結構。當程式碼可以被生成，文件可以被自動產出，系統也能被 AI 輔助測試，工程師的不可替代性必然需要重新定義。

這對初級工程師而言，既是危機，也是機會。危機在於，傳統的訓練路徑可能已經失效，那條透過重複、錯誤與修正慢慢建立判斷力的學習曲線，正被 AI 的捷徑所取代。

但機會也真實存在。工程師 Zabihi 說，AI 讓他的產出顯著提升，讓他能更快進入過去需要多年才能觸及的複雜議題。

問題不在於要不要用 AI，而在於如何在使用 AI 的同時，仍然保有獨立思考與深度理解的能力。未來工程師的核心價值，或許不再是能寫出多好的程式，而是如何將問題定義清晰，以及設計有洞見的解決方案。

本圖/文由「Techorange科技報橘」授權刊登，非經同意不得任意轉載。
原文出處：【初級工程師工作轉變】不再需要改 bug、寫測試，聽起來很好卻很危險