AI 會取代工程師嗎？程式碼變免費後，競爭力從「誰做得出」換成「誰定義得清楚」

有個 OpenAI 的工程師 Ryan Lopopolo，過去九個月沒打開過編輯器。

他把筆電綁在車子後座，讓 AI 在他通勤回家的三十分鐘裡自己寫程式，還禁止團隊碰鍵盤，逼大家只能透過 AI 代理（agent）把事情做完。照演講裡的說法，他一天燒掉十億級的 token，一天帳單一千美元起跳，他自稱「token 億萬富翁」。

我第一時間的反應是翻白眼。

又一個矽谷的過度樂觀，離我這種在傳產做過雨傘、在百貨蹲過專櫃的人有夠遠。但我把他那場演講的核心那句話，放到我自己每天在忙的事情上想了一遍，背脊有點涼。

他說：「實作不再是稀缺資源，程式碼已經免費了。」

如果你問我，這句話對做電商、做行銷的你，比對工程師還重要。因為它講的不是「AI 幫你寫 code」，它講的是一件更大的事：當「把東西做出來」這件事變得跟自來水一樣便宜，你這個人值錢的地方，整個換了位置。

（來源：Ryan Lopopolo 在 AI Engineer 研討會的 keynote Harness Engineering，以及他寫的同名文章。）

先說清楚：這是一場激進的賭注，不是中立的事實

我不想當啦啦隊，所以醜話講在前面。

Ryan 這套說法，是一個 OpenAI 內部人、用一天一千美元的 token 預算撐起來的極端樂觀主張。他自己都承認，程式碼「有維護負擔」。這是「軟體工程」這個特定情境裡的故事，不是明天起你家倉庫、你的客服、你的財務就自動化了。

所以請你不要把它讀成「我可以裁員了」。

但把那些浮誇的數字撥開，底層有一個轉變是真的，而且跟你有關。

以前，人的時間才是瓶頸。你的工程師、你的設計、你的小編，一天就那麼多工時，所以你手上永遠有一張待辦清單，分成 P0、P1、P2、P3。P0 是「今天不做公司會出事」，P3 是「總有一天要做但永遠輪不到」。那些 P3，通常一輩子躺在那裡。

現在呢？當做出來這件事幾乎免費，稀缺的東西換成三樣：你的時間、你（跟模型）的注意力、還有模型一次能塞進去的 context（上下文，模型一次能記住的資訊量）。

Ryan 有句話很狠：「你現在可以指揮 5 個、50 個、甚至 5000 個工程師的產能，一年 365 天、一天 24 小時。」

你可以把這群 agent 想成一支「無限多、但要付電費的臨時工大軍」。人力不再是限制，電費（token）才是。這支大軍最大的問題不是能不能做，是你有沒有本事告訴他們「什麼叫做好」。

翻成電商老闆的話：你的 P3，現在可以一次全開

切入重點。這件事落到台灣電商經營者身上，會長成三個樣子。

第一，你那張積灰的待辦清單，可以一鍵全開。

想像一下，你早上打開電腦。那些你喊了半年、卻永遠排不進工程資源的東西：想把商品頁做成日文、英文、泰文好賣進東南亞；想把常見的退換貨問題做成客服自動回覆；想要一張每天自動更新的檔期銷售與退貨率小報表；想在下一檔活動生一個限時倒數的落地頁小工具。

以前這些全是 P3，因為工程師的手就那麼多雙，全拿去救火了。

現在，Ryan 的做法是把這些 P3 同時丟給四個 agent 去跑，哪個先做出能解決問題的版本就用哪個。做壞了？刪掉重來，反正程式碼免費。

但先講清楚：能這樣刪掉重來的，是實驗性、可回復的小東西，不是已經串上金流、庫存、客服的核心系統。要玩，先從低風險、壞了也不會傷到營運的任務開始。

這就是「程式碼變便宜」在矽谷正在引發的重建，如果你想看那場浪潮的現場全景，我整理過倫敦場和舊金山場的完整筆記，這篇就不重講。

第二，你真正的工作，變成把「什麼叫做好」寫下來。

這才是整場演講最值錢的一句。

Ryan 說，工程師的新工作是寫下「非功能性需求」（non-functional requirements，白話講就是「這件事要怎樣才算做對」）。比方說：每一個對外的網路請求，都一定要有逾時和重試機制。他把這種標準寫成規則、寫成文件，讓 agent 每次都照著跑。

你發現沒有？這件事你早就在做了。

你腦子裡那套「我們家商品文案的口氣長怎樣」「什麼樣的折扣不能打」「客訴進來第一句話要怎麼回」「出貨延遲要主動通知客人」，這些就是你的品牌調性、你的品管紅線、你的客服 SOP。這些東西過去只活在你和幾個資深員工的腦袋裡，換一批人就走鐘。

當執行變免費，你能不能把這套「什麼叫做好」清楚寫下來，就在很大程度上決定了那支 AI 大軍幫你做出來的，是精品還是垃圾。

黃仁勳講過一句很像的話：模型是租來的，know-how 才是你的。我之前寫過那篇解讀，扣的就是同一個點：AI 越強，能把自己的專業定義清楚的人，護城河越深；定義不清楚的人，只是把自己的無知規模化。

第三，老闆的角色，從救火隊變成總指揮。

以前你是團隊裡最會做事的那個人，凡事最後都回到你身上救火。

現在你要學的是「駕駛」：定義好要做什麼、排出先後順序、把事情交出去、然後驗收。你要把時間從「親手做」挪到「定義好、排序、放手」。這跟「怎麼把一群 AI 分工」是兩回事，分工那層我另外寫過一篇，這裡先不展開。

至於 harness（駕馭 AI 的那套外框機制）到底是什麼、驗收關卡怎麼設，那是技術層，有興趣的看我寫過的 Agent Harness 是什麼和把品管檢查變成 AI 自動驗證關卡。今天這篇要你記住的不是機制，是心態。

別急著興奮：執行免費，維護不免費

好，現在把冷水潑回來。

我最怕的就是你看完熱血沸騰，回頭把公司所有東西都丟給 AI 生一遍，然後三個月後被反噬。

有兩份研究你一定要放在心上。

第一份來自 METR。他們找了 16 個資深的開源開發者，做了 246 個真實任務的隨機對照實驗。結果很打臉：用了 AI 工具之後，這些老手完成任務的速度反而慢了 19%。更妙的是，他們事後自評，覺得 AI 讓自己快了 20%。

慢了兩成，感覺快了兩成。

重點是什麼？最愛跟你說「AI 讓我快超多」的那個人，往往是最不可靠的裁判。這也包括那個一天燒一千美元、感覺自己飛起來的 token 億萬富翁。（老實說，這份研究本身也還有爭議，METR 在 2026 年初宣布要重做實驗設計，所以別把 19% 當鐵律。但在那組實驗裡，「感覺」和「事實」的落差是真的。）

第二份來自 GitClear 的 2025 年程式碼品質研究。他們分析了超過兩億行程式碼，發現 AI 大量介入之後，兩週內就被改掉或刪掉的「翻工程式碼」幾乎翻倍（從 3.1% 升到 5.7%），複製貼上的程式碼大幅增加，甚至首度超過了搬移、重構的比例。

翻成生意人的話：AI 讓你「產出」快得驚人，但也讓你「維護」的爛攤子堆得一樣快。

Ryan 自己都承認程式碼有維護負擔，這句話反而是最誠實的。垃圾能一鍵量產，也是一種量產。

所以「工程師會消失」這種話，我不信。

我比較相信的是：角色會往上移。以前你比的是「誰坐在那裡把東西刻出來」，現在你比的是「誰定義得清楚、誰敢放手、誰收得住品質」。與其說有人被淘汰，不如說角色被往上推了一階；真正會被淘汰的，是不願意往上站的那種人。會用 AI 本身不算能力，怎麼駕馭它、怎麼驗收它才算，這點我在另一篇也嘮叨過。

這禮拜就可以做的四件事

不用等你變成 token 億萬富翁，下面這幾件，你今天就能開始。

► 第一，挑一件你喊很久沒做的 P3。 別挑最難的，挑那種「一直想做、但一直排不進去」，而且壞了也不會傷到營運的小東西。一個商品頁的翻譯、一張你天天想看的報表都好。這禮拜先選定「一個」就行。

► 第二，動筆前，先把「怎樣才算做好」列成一張清單。 語氣要像誰、哪些字不能出現、數字抓哪個區間、做完長什麼樣。這張驗收清單就是你的護城河，別跳過。

► 第三，把腦袋裡的 SOP 倒出來變成一份文件。 你的品牌調性、品管紅線、客服話術，找一天倒進同一份文件。這份文件，就是你未來餵給任何 AI 的「非功能性需求」。

► 第四，練習「放手」，但保留最後一道驗收關。 交出去之後忍住不要每一步都盯，只在最後把一次交付結果驗收過、記下哪裡不合格。放手不代表不管，是把管的力氣從過程挪到結果。

如果你問我，這波 AI 真正的分水嶺，不是誰家工具比較猛。

是誰能先想通：當「做得出來」不再值錢，「定義得清楚、敢放手駕駛」才是。

你那些排不進優先權的待辦，這輩子第一次有機會一次全開。前提是，你得先坐上駕駛座。

協作聲明與免責

這篇文章由王董與 AI 一起整理製作完成。文中引用的第三方資料、研究或工具都會標註來源名稱；若原始出處有公開連結，會以 [來源名稱](URL) 形式附上，方便你進一步查找。若文中內容與原始出處有任何出入，請以原文為準。

內容僅供參考與學習交流，不構成任何專業、商業或投資建議，請依自身情況判斷並自行承擔行動風險。文中提及的工具功能、數據與平台政策可能隨時間異動，請以各官方最新公告為準。