消失的階梯：當 AI 吞噬中階任務後的工程職涯晉升困境

背景

這篇文章源自 2026 年 QCon 倫敦大會的一場演講，探討人工智慧如何重塑軟體工程的職業路徑。作者指出，AI 雖然在自動化撰寫程式碼方面取得顯著進展，但也同時「吃掉」了初級工程師原本用來磨練直覺與判斷力的基礎任務，導致技術階梯出現斷層。

社群觀點

Hacker News 的討論圍繞著 AI 工具的實際效能與人才培育的結構性危機展開。部分資深開發者對文中引用的數據表示質疑，認為該演講引用的 2024 年研究已顯過時，無法反映 2025 年底模型能力大幅躍升後的現況。他們指出，隨著模型處理長時程任務的成功率呈指數級成長，經驗豐富的工程師若使用最新工具，效率理應大幅提升，而非如早期研究所示反而變慢。然而，這種效率提升在不同領域存在顯著差異，對於資料工程或特定企業 ERP 系統等缺乏大量訓練資料的領域，AI 仍難以處理複雜的業務邏輯，甚至可能因為需要反覆修正提示詞與上下文，導致開發時間不減反增。

關於「技術階梯斷層」的討論引發了廣泛共鳴。社群普遍擔憂，過去工程師透過大量撰寫基礎程式碼與除錯來累積「品味」與「判斷力」，但現在這些工作已被 AI 接管。對於小型新創公司而言，聘僱初級工程師處理日常實作的需求正快速消失，這引發了一個根本性的問題：如果沒有基層的實作練習，下一代工程師該如何學會識別優良的系統架構、模組化設計或潛在的安全漏洞？有留言者提議，未來的培訓模式可能必須轉向「學徒制」，重點不再是教導如何寫程式，而是訓練人才如何監督 AI、進行高階設計審查，以及培養對軟體品質的鑑賞力。

儘管技術門檻與培訓方式正在改變，社群中仍存在樂觀的聲音。有觀點認為，軟體開發的需求始終龐大，隨著開發成本因 AI 而降低，市場對軟體的需求只會進一步擴張。這種需求將迫使產業找出新的培訓機制，以確保有足夠的人才能夠駕馭這些強大的自動化工具。目前的爭論焦點已不再是 AI 能否取代工程師，而是當「撰寫程式碼」不再是核心技能時，軟體工程的專業本質將如何被重新定義。

延伸閱讀

• METR 研究：關於 AI 對開發者速度影響的隨機對照試驗。
• Claude Code：Anthropic 推出的開發者工具，據報已佔 GitHub 公開提交量的一定比例。
• Opus 4.6：留言中提到的最新模型版本，據稱在處理長達 12 小時的複雜任務上已有顯著突破。