【行動影響力論壇@台灣敏捷大賞 系列活動 】軟體工程師的下一步_五倍學院高見龍

別跟起重機比力氣：五倍學院高見龍談 AI 時代，軟體工程師的下一步

「AI 都會寫程式了，那軟體工程師不是很容易被取代嗎？」

問這句話的，是高見龍的兒子。

高見龍寫了三十年程式，也教了十七年程式設計。GPT-3.5 剛出現時，他並不覺得生成式 AI 有多可怕。當時的回答經常一本正經地胡說八道，Google 加上 Stack Overflow，還是工程師比較可靠的工具。

一、兩年後，他的看法變了。

現在的 AI 不只會回答問題，還能讀取專案、檢查檔案、修改程式，接手過去得花一個下午才能完成的工作。被問到「哪些人不會被取代」，高見龍的回答很直接：沒有人完全不會被取代，差別只在時間早晚，以及工作會被改變多少。

高見龍沒有停在「會不會被取代」的焦慮上。

他接著問：當 AI 接手打字、查資料和撰寫程式碼，人要把力氣放在哪裡？

如果你是工程師、設計師、產品經理，或正在想孩子還要不要學程式，可以從這場回放聽聽高見龍的答案。

觀看直播回放

別跟起重機比力氣，學會操作它

高見龍用了一個很傳神的比喻：跟 AI 比寫程式，就像人想跟起重機比力氣。

起重機的力氣一定比人大。工地上的人負責決定要吊什麼、放在哪裡，最後再確認工作有沒有做對。

他的工作方式也出現了類似變化。以前遇到不擅長的前端效果，可能調整一個下午還是做不出來，最後只好先把想法擱著。現在，他先描述想要的操作感受，讓 AI 做出初稿，再自己檢查、修正。

高見龍形容，工程師正在從第一線執行者，走向工頭或監工：拆解工作、交代任務、檢查成果、決定要不要驗收。

要做這個監工，技術能力仍然有用。看得出結果好壞，才知道 AI 真的完成了工作，還是只交出一個看起來像答案的東西。

Junior 最先受到衝擊，也多了一位隨身教練

AI 最容易接手單純、重複、規則清楚的工作，而這些任務過去常由初階工程師負責。Junior 的就業壓力，確實可能比 senior 更早出現。

同一套工具也能幫初學者補課。

有經驗的工程師可以用 AI 補足自己的弱項；剛入門的人則多了一位費用很低、隨時都在的個人教練。寫完程式後，先請 AI 做 code review，問它哪裡可能出錯、還有哪些寫法，再把整理過的版本交給主管。

初階工程師如果只把 AI 當答案機，很容易跳過原本應該學會的東西。工作被自動化是一種風險，自己沒有跟著成長，影響可能更久。

AI 把鍵盤拿走了，卻讓更多點子能做完

高見龍想到新產品時，常常會先買網域名稱，像先搶下一個門牌號碼。接著做會員登入、做一點基本功能，忙起來後，專案就留在硬碟裡。

AI 讓他有機會把這些做了一半的點子重新撿回來。以前因為不熟某項技術，或覺得花那麼多時間不划算而放棄的功能，現在比較容易做出來。

他形容：「AI 的確把我的鍵盤拿走了，打字交給它就好。」他沒有因此失去做軟體的樂趣，因為讓他開心的，是把東西做出來。

「寫程式只是過程，只是一個手段。」

在他的工作裡，程式碼本來就服務於產品。接下來，工程師得更會定義問題，把模糊的想法交代清楚，並對最後做出來的東西負責。

還是要學程式，只是不必照舊方法一路學到底

AI 能產生程式碼，初學者還需要從頭學程式嗎？

高見龍沒有簡單回答「要」或「不要」。他的看法隨著 AI 的能力改變：基礎概念仍然要懂，但初學者未必得像過去一樣，一開始就鑽得那麼深。

他用閱讀詩詞來比喻。一個人不一定要成為詩人，卻需要讀得懂，也知道好壞。工程師未來可能不必親手寫下每一行程式，但仍要能讀、能問，也能判斷 AI 寫得對不對。

AI 的即時答案也有副作用。

以前工程師遇到問題，可能花半小時搜尋、嘗試，甚至卡上兩個小時。那段不舒服的過程，反而讓知識留在腦中。現在 AI 幾秒鐘就能送上答案，只要複製貼上，事情很快就做完了，腦中卻可能什麼也沒留下。

高見龍提醒：「AI 正在抹滅人類的學習能力，除非你是有意識地用它學習。」

用 AI 學習，不能只問「答案是什麼」。還要繼續追問：為什麼這樣寫？有沒有別的做法？條件改變後，答案會怎麼變？

他在訪談中說：「AI 在長大，人類要長大。」如果人停止累積判斷力，AI 提供再快的答案，也只會讓依賴變得更深。

提示詞不等於規格：沒說清楚的地方，AI 會自己補

AI 越會寫程式，需求與規格就越不能含糊。

高見龍在訪談中舉了一個例子：請 AI「在畫面右下角放一顆紅色按鈕」，人聽起來很清楚，AI 面對的卻是一堆空白。紅色是哪個色碼？離邊緣多遠？按鈕多大？圓角多少？按下後會發生什麼事？

沒有說明的部分，AI 會自行腦補。同一個提示，因而可能每次得到不同結果。

如果只要做一顆看起來舒服、手指容易點擊的按鈕，讓 AI 自行發揮也許沒有關係。碰到付款、權限或公司流程，每次執行結果不同就會帶來風險。

Spec-Driven Development（規格驅動開發）因此開始受到討論。它不能消除所有不確定性，但可以先把重要條件講清楚，減少 AI 自行猜測的空間。

工程師要分得出來：哪些細節可以留給 AI 決定，哪些條件一定得先寫清楚。

把 AI 當工具，責任仍由人承擔

高見龍目前仍把 AI 視為工具，還沒有把它當成夥伴。原因很實際：事情出錯時，負責的人仍然是自己。

他不會一開始就把所有權限交出去。例如，他會讓 AI 修改程式，卻保留 Git 提交、合併與安裝套件的決定權。AI 改完後，也要跑自動化測試，確認原有功能沒有被破壞。

涉及 API key、正式環境或個人資料時，界線要更清楚。只提供完成任務所需的最低權限，任務結束後撤銷權限、更新金鑰，別讓方便變成沒人注意到的後門。

這是一種有條件的信任。能力、工具和安全機制逐漸成熟後，權限可以慢慢放寬；現階段，人仍要守住最後一道防線。

AI 能教知識，社群讓人遇見人

AI 能解釋知識、設計教材，甚至依照個人程度調整教法。老師和技術社群還能提供什麼？

高見龍認為，老師留下的是陪伴，以及在人走偏時把他帶回來的溫度。這些事，AI 目前很難取代。

技術社群提供的也不只是一場課。參加社群，可以看見同領域的人正在嘗試什麼，也有機會和他們產生連結。

內向的人不需要逼自己到處遞名片。可以先追蹤喜歡的開發者、在 GitHub 按一顆星、提出問題，或留下一句具體的鼓勵。有能力之後，再從回報問題走到提交修改，甚至成為專案維護者。

「技術都可以再學，但是人不一定。」

知識取得變便宜之後，社群更像一個認識人的地方。你有機會遇見別人，別人也有機會看見你。

少追一點工具，多花時間理解原理

AI 工具每天都在變，新名詞也不斷出現。工程師很容易覺得，自己只要停一下，就會被世界甩在後面。

高見龍的建議很直接：想減少 FOMO，就多花一點時間理解原理，少一點時間追每個新工具怎麼用。

許多看似全新的 AI 名詞，往往只是既有觀念重新組合，再包上一層 AI 的外殼。工具可能幾個月就改版，但需求分析、軟體生命週期、測試、權限管理、溝通與判斷，沒有變得那麼快。

這些能力不花俏，卻比記住每一套工具的操作方式更耐用。

看完回放，可以拿這三個問題問自己

這場對談沒有提供「未來五年必學工具清單」。高見龍坦言，AI 變化太快，連半年後都很難準確預測。

回放裡有三個問題，現在就可以拿來檢查自己的工作方式：

• 當 AI 接手執行，我是否具備定義問題與驗收成果的能力？
• 我是在用 AI 加速學習，還是只用它避開思考？
• 當工具出錯時，我是否保留了測試、權限與人為判斷這幾道防線？

如果你也在想軟體工程師的下一步，可以打開完整回放。高見龍從寫程式、帶新人、做產品，一路談到開源社群，內容比「AI 會不會搶工作」多得多。

立即觀看《軟體工程師的下一步》直播回放

回放時間索引

• 00:01　高見龍的開發、教學與創業經歷
• 00:02　兒子的一句話：會寫程式的人是不是很容易被 AI 取代？
• 00:03　從不看好 GPT-3.5，到認為沒有人完全不受影響
• 00:06　Junior 與 senior 工程師面臨的不同衝擊
• 00:09　為什麼不要跟起重機比力氣？
• 00:11　工程師從第一線工作者走向監工與驗收者
• 00:15　AI 如何讓擱置多年的產品點子重新動起來
• 00:17　為什麼目前仍把 AI 當工具，而不是夥伴？
• 00:20　即時答案可能正在削弱人的學習能力
• 00:22　AI 能教知識後，老師留下的是陪伴與溫度
• 00:24　初學者還要不要學程式？需要學到多深？
• 00:28　Spec-Driven Development 與需求規格的重要性
• 00:31　一顆紅色按鈕，如何暴露自然語言的模糊地帶
• 00:35　Git、套件安裝與 AI 權限應該如何控管
• 00:37　自動化測試如何成為 AI 開發的護欄
• 00:39　正式環境、API key 與敏感資料的最後防線
• 00:43　AI 時代，技術社群為何仍然重要？
• 00:45　內向的人不必勉強社交，也能建立連結
• 00:47　從使用開源軟體到成為貢獻者
• 00:56　想加入開源社群，可以從哪裡開始？
• 00:59　減少 AI 焦慮與 FOMO：把時間花在原理上