事件背景
2026 年 AI 模型能力再度突破，能自動生成完整程式、執行測試、部署服務。市場反應是先拋後買——軟體股短期急跌，隨後因認知調整而上漲。這個矛盾現象背後，隱藏著對「工程師工作定義」的根本誤解。
誤解的根源
外界普遍將「寫程式碼」等同於「工程師的工作」。按這個邏輯，AI 越來越會寫程式，工程師就越來越沒有存在必要——股市恐慌也由此而生。
但這個邏輯有個根本破綻：它把媒介混同了目的。
程式碼只是工程師實現目標的媒介，不是目的本身。工程師的真實工作是：
1. 決定該建什麼 — 在成千上百個可能方案中，選出對業務價值最大、技術債最小的路徑 2. 理解為什麼要建 — 捕捉隱藏的業務需求、領域知識、系統間的相互制約 3. 權衡系統在真實環境的存活 — 性能、成本、安全、可維護性、故障恢復能力之間做出無數取捨
這三件事，現階段 AI Agent 完全做不到。
工作角色的演化軌跡
歷史上，每次生產工具升級都重演這個戲碼：
- **建築行業**：從手工測量 → 經緯儀 → 無人機測繪。測量員沒有消失，反而轉身成為「無人機操控 + 現場勘查協調者」，掌握的設計權重更大。
- **會計領域**：從手工帳冊 → 計算機 → 自動化報稅軟體。會計師沒有失業，而是從「數字抄寫員」變成「財稅策略顧問」，年薪反而上升。
- **新聞編採**：從排版工人 → 新聞網站 → AI 新聞自動生成。記者的數量下降，但優質記者的市場價值上升，因為「決定報導什麼、如何驗證、是否有偏見」的層次被凸顯了。
AI 時代的工程師新樣貌
軟體工程師的日常工作會經歷這樣的轉換：
從前的工作流程：需求 → 設計 → 寫程式 → 測試 → 部署
AI 時代的工作流程：需求 → 設計 → 提示 Agent 寫程式 → 審核 Agent 的邏輯 → 測試策略設計 → 部署監控
關鍵的變化是：
1. 監督者角色浮現 — 不再逐行敲鍵盤，而是管理 Agent 的產出品質。這要求對系統架構有更深的理解，因為要識別 Agent 生成的程式是否真的符合隱性的系統約束。
2. 複雜度管理升級 — 當龐大程式庫由數百個 Agent 貢獻時，工程師變成「複雜度協調官」，要確保各 Agent 的輸出不會互相衝突、不會製造隱藏的維護負擔。
3. 系統安全決策權重加倍 — 誰決定系統該怎麼故障恢復、什麼地方可以容錯、什麼地方不能？這從邊緣工作變成核心工作。
市場信號的真實含義
股市先跌後漲的轉折點，正是投資者意識到：AI 能寫程式，不代表程式變得不重要；反而因為「寫程式的成本暴跌」，對系統「設計正確」的依賴更高。
一個 Agent 寫錯的 1000 行程式，成本只是幾秒鐘，修復成本也低。但設計錯誤導致的 1000 行無用程式，浪費的是團隊調整方向的成本——這個成本無法自動化。
因此：
- **低階工程師**（只會重複敲同類型程式）→ 被 Agent 替代的高風險人群
- **中階工程師**（能設計、能權衡、能除錯）→ 市場價值上升，因為 Agent 管理複雜度更高
- **高階工程師**（能決策系統全貌、能與業務對齐）→ 薪資上升、需求加倍