科技專欄《Normaltech.ai》近日發布最新研報指出，儘管 AI 寫程式能力飛速成長，但軟體工程師並未迎來「大規模失業潮」。報告揭露，許多企業的裁員實為財務考量下的「AI 清洗（AI Washing）」藉口。在軟體開發的「決定、執行、交付」三層架構中，AI 僅能壓縮「執行」階段，人類在判斷與問責上仍是不可取代的核心，未來市場對軟體工程師的需求甚至可能隨之增長。
（前情提要：注意》你拍的照片、說過的話，Google 現在要存下來訓練 AI 了（如何關閉教學））
（背景補充：Anthropic CEO：政府應有權否決高風險 AI、上線前須強制測試，三大主張對撞川普鬆綁路線）
AI 將消滅軟體工程師的恐懼言論在科技圈蔓延，但實際數據卻給出了完全不同的答案。根據專注於人工智慧趨勢的科技專欄《Normaltech.ai》於本月 10 日發布的專題探討指出，儘管 AI 在程式碼生成領域的應用急速攀升，但並未出現任何證據支持「軟體工程師正遭遇大規模取代」的說法。該報告透過深入的產業數據與案例分析，強烈反擊了市場上的過度炒作與末日恐慌情緒。
科技巨頭裁員潮真相：實為「AI 清洗」藉口
報告直言，許多登上頭條的「AI 取代人力」裁員消息，實際上根本經不起推敲。例如 Block（由 Jack Dorsey 領導）宣布裁員 4,000 人並將部分原因歸咎於 AI，但真相是疫情期間過度擴編與財務壓力所致，內部員工甚至表示 AI 帶來的生產力提升微乎其微。同樣地，Snap 與 Intuit 的大規模裁員，也多是面臨激進投資者的成本削減壓力，而非 AI 直接導致。
調查數據更無情地揭露了這層假象：高達 59% 的招募主管承認誇大了 AI 在裁員中的作用，只為了讓公司在投資人面前顯得「具備前瞻性」。而在美國紐約《WARN 法案》（要求揭露 AI 相關裁員因素）的規範下，儘管有數千人被解雇，幾乎沒有任何企業正式申報裁員原因是出於 AI。
軟體開發「三明治架構」：人類的判斷與問責難以取代
該報告提出了一個核心的「決定－執行－交付（Decide-Execute-Deliver）」三明治框架，精準剖析了軟體工程的本質：
- 決定（Decide）：涉及問題框架、需求規格制定與商業目標規劃。
- 執行（Execute）：設計與程式碼實作，這正是 AI 目前最擅長的部分。
- 交付（Deliver）：測試、驗證、系統整合與安全問責。
AI 確實極大地壓縮了中間的「執行」階段。GitHub 研究顯示，AI 能讓程式碼產出增加 8 倍，但最終軟體發布量卻僅微幅增加了 30%。原因在於，兩端的「決定」與「交付」需要深度語境理解、靈活的商業判斷以及人類特有的「問責制（Accountability）」。報告指出，開發者花在純寫程式碼的時間僅占 9% 至 61%，剩餘時間都在處理極具複雜度的架構問題，而監督 AI 代理（Agents）反而高度耗費心神。
告別「直覺寫扣」，擁抱代理工程學
報告進一步區分了現今兩種 AI 開發模式：「直覺編程（Vibe coding）」與「代理工程學（Agentic engineering）」。前者依賴隨意的提示詞且缺乏人工審查，作法極度危險，其產生漏洞的機率高達 9 倍，且僅有約 44% 的程式碼能順利存活進入專案。
相反地，真正的主流專業實踐是「代理工程學」，人類必須保持控制權、仔細審查程式碼並承擔最終的安全責任。這意味著企業絕對無法依賴缺乏專業架構素養的非工程人員，來發布攸關商業命脈的生產級軟體。
傑文斯悖論發威，未來職缺不減反增
展望未來，報告抱持著謹慎樂觀的態度。根據經濟學的「傑文斯悖論（Jevons paradox）」，當軟體建構的成本與門檻大幅降低時，市場對軟體的需求將會呈幾何級數激增。正如現代汽車內部已經包含了超過 1 億行程式碼，未來社會對軟體應用的需求幾乎沒有短期上限。
因此，儘管 AI 工具改變了工作型態，甚至因為開發效率提升而拖慢了部分企業的招募節奏，但在整體需求彈性的推動下，軟體工程師的總體就業需求預計將保持穩定，甚至進一步成長。這項強大的「正常科技」，將把工程師推向更高階的決策思維，而非帶來末日失業潮。
📍相關報導📍
德國法院裁定： Google AI 摘要不實內容須負責，免責聲明不管用
