「人人都能寫程式」
這大概是 2025 年到現在最流行的一句話
Cursor、Claude Code、Lovable、Replit
每個工具都在告訴你：不用學程式，描述你要什麼，AI 就能幫你寫
Anthropic 一篇關於 Claude Cowork 的 blog
甚至引發了華爾街對 SaaS 末日的恐懼
SaaS 市值一夕之間蒸發了 2,850億美元
有人形容這不像鯊魚那樣的張大嘴吞掉
而是像是食人魚那樣
各種小型的 AI 工具正一口一口咬掉 SaaS 的利潤
那麼 人人都能寫程式的日子來了嗎?
要回答這個問題之前
讓我們先問一個問題：
「軟體開發指的是寫程式嗎?」
歷史
實際上，人人都能寫程式
這個口號在歷史上發生了不只一次
1959 年
COBOL 誕生的時候口號就一模一樣
語法接近英文，商務人士自己就能寫程式不需要工程師
六十多年過去了
銀行業裡面還躺著一堆老舊的 COBOL 程式碼找不到人維護
不是因為語法太難
而是寫程式從來就不是軟體開發最難的部分
軟體開發到底在做什麼
假設你要做一個電商，你跟 AI 說：
「當客戶下單時，先檢查庫存，然後計算運費，之後處理付款，發送確認郵件給客戶。」
AI 寫得出來，沒問題
但接下來的問題才是重點：
- 如果庫存被其他訂單暫時預留怎麼辦？
- 分期付款怎麼處理？
- Email 服務掛了要重試嗎？重試幾次？
- 客戶結帳到一半，驗證過期了呢？
- 怎麼防止重複下單？
這些問題沒有標準答案
每個都取決於你的業務邏輯、用戶習慣、系統架構
軟體開發其實有兩層
翻譯層：把想法變成程式碼（語法、框架、API），這個 AI 已經解決了
思考層：那些沒有標準答案的決策和邊界情況，這個 AI 沒辦法幫你
AI 是史上最強的翻譯器
但累積的決策、邊界情況、系統間的交互作用
這些才是軟體開發真正複雜的地方
AI 的翻譯能力強了一百倍
但思考層無從解決
COBOL 當年就是只解決了翻譯層
那 AI 到底改變了什麼？
一個好的類比是 19 世紀的電氣化
蒸汽機時代，整間工廠只有一台蒸汽引擎
所有機器靠皮帶和傳動軸連接到這台引擎
工廠要打通好幾層樓
所有機器的位置都要配合蒸氣機
電動馬達出現後，每台機器可以獨立供電
工廠變成單層平房
機器的佈局終於可以根據生產流程來決定
工廠不再配合動力源，而是動力源開始配合生產流程
軟體正在經歷同樣的事
過去軟體開發很貴
所以軟體要做得夠大、夠多人付費才划算
因此公司買 SaaS 需要忍受一堆用不到的功能
因為自己開發更貴
AI 把開發成本打下來之後，邏輯反過來了
公司流程不用再配合軟體，軟體可以配合公司流程了
這才是真正改變的地方
重點不在「誰能寫程式」
是「軟體終於可以為每間公司量身打造」
但量身打造有個前提——你得知道自己要什麼
於是又回到了思考層
舉個思考層的例子
我之前遇過一個傳產老闆來找我開發 ERP
聊了之後才發現
他們公司根本沒用過 ERP
會想開發 ERP 是因為他覺得外面的 ERP 都好貴
乾脆自己做
然後再拿出去賣給同業補貼開發費
這在前 AI 時代還有點道理
但在這個時代這個想法直接撞上前面提到的兩大問題
一是軟體已經電氣化了
過往軟體開發很燒錢，因此需要做一套讓多家公司共用
但每家公司的內部流程又都不一樣
結果就是每家公司都弄得很別扭但還是得用
但公司要的可能就只是某些配合自家流程的小功能
一個週末可能就做完了
二則是沒有解決思考層問題
自家公司都沒在用 ERP
表示現在的業務流程可能都還是亂的
就急著想著要把程式碼賣錢補貼開發費
但程式碼已經不值錢了，值錢的是對業務流程的理解
那麼，誰是最懂流程的這群人呢
這群對業務流程最理解的人，正在變成工程師
以前最懂問題的人——老闆、PM、設計師
要排隊等工程師才能把想法變成軟體光是溝通和等待就可以耗掉幾個月
現在翻譯層被打通了
懂問題的人可以直接動手造東西
PostHog 最近提了一個概念叫 Engineeringification
意思是每個角色都在變成工程師
Design Engineer、Sales Engineer、GTM Engineer
背後是三股力量：
- LLM 降低門檻——設計師用 AI 直接產出 production code
- 資本加速——VC 投了幾十億在「讓你也能當工程師」的工具上
- 身份認同變化——一旦有人叫自己 Design Engineer，就會有對應的職缺、社群、研討會，停不下來了
「工程師」這個詞將會越來越模糊
尤其約 50% 的軟體工程師做的是企業內部工具
這塊在 Vibe Coding 時代最容易被重塑
因為最懂內部流程的人
就是每天在用的那群人
這群人將開發給自己用的工具
因此企業內部工具的 SaaS 會是第一波衝擊對象
自然也就引導到了前面提過的 SaaS 末日
不過 事情沒那麼簡單
有個加拿大工程師 Selbach 在 blog 上分享他vibe coding 的經驗
之前每月付 14 加幣用 Wispr Flow 做語音輸入
雖然有些問題，但在 AI 時代之前要自己做一個實在太麻煩了
所以他還是繼續付訂閱費
直到聖誕節過年期間
他花了幾天就用 vibe coding 自己寫了一個替代品
接著又把每月 15 美金的 Loom 換掉，自己做了錄影工具
朋友抱怨 Typora 要收費，他順手又做了一個 Markdown 編輯器
這些 $10-15/月的 App
對會寫程式又有 LLM 幫忙的人來說現在只是「一個週末的 side project」
不過他自己說了一句很關鍵的話：
我不會把這些當產品賣。如果出了問題，我根本不知道從哪裡修
另一個工程師 Chris Loy 剛當上新手爸爸
發現 FitBit 的睡眠追蹤
UI 無法記錄他每 2-3 小時就被打斷的破碎睡眠
於是用 AI + FitBit 公開 API
花一兩個小時就做出一個客製化的健康監測介面
這個為一個人、一個場景而生的軟體
也就是前面提到軟體電氣化的印證
但同時作者也說這是一個用完就丟，沒有打算維護的專案
因此這個應用程式沒有登入、安全性或使用者引導等基本功能
這兩個案例的共同點
就是作者完全沒打算要繼續維護
因為壞了就算了
這兩個例子 會引導出下一個問題
我們過去買 SaaS 究竟在買什麼
前面提過軟體開發分成兩層
使用端也可以分成兩層
第一層是介面，包含快捷鍵、導航模式、語法等這些 SaaS 特有知識，換到其他工具就沒用了
第二層則是知識，包含領域的語言跟概念，例如財務術語，法務知識等，部分會由產品教使用者，部分則會認定使用者已經有相關知識了
第一層基本上快消失了
現在都直接加 Chatbot搞得所有人的 UI 看起來都一樣
(雖然這樣做等於預設用戶完全了解你的產品能做什麼，並造成隱形庫存問題，不過這個問題不是今天要討論的重點)
第二層的知識層就很有趣了
這可以再細分成兩種
第一種是該領域的知識
我買財務軟體，是因為我不懂財務
在這個情況下我自然不可能去 Vibe coding 一個
因為我要確保我的財報是正確的
可以給國稅局、會計師看的
這種情況下我會寧可買外部的 SaaS
比起 Vibe coding 省下的成本
我更重視這個領域的知識
第二種則是軟體的知識
畢竟不管怎樣你都還是在開發軟體
既然這樣
GCP、AWS該怎麼選
資安防護怎麼做
資料庫該怎麼備份
使用的套件怎麼更新，怎麼長期維護
這些你都需要知道
你說 AI 不能協助解決嗎?
很遺憾可能不行
這跟前面說的思考層的邊界情況很類似
在你不清楚的情況下沒有標準答案
我們買 SaaS
有時候就是在買這些知識
讓我們可以專注做好我們的本業
因為那才是我們賺錢的地方
所以 SaaS「暫時」還不會死
會死的是那些
- 「因為你習慣我的介面」的 SaaS，尤其是那種新員工需要花三周才能學會並上線開始工作的 SaaS
- 「雲端很難對吧？用我的軟體，你可以快速上手」的 SaaS，AI Chatbot 將讓用戶跳過介面學習
- 「我是一堆小工具集合」的SaaS，功能會一點一點被個人開發的工具取代
而垂直領域的 SaaS
例如醫療、金融、製造、合規等則還在安全範圍
那麼這波 Vibe coding 我們需要注意什麼
翻譯層被解決後
「想清楚問題」的能力會越來越值錢
如果你是工程師，你的價值不在寫程式，是想清楚那些沒有標準答案的事
如果你不是工程師，你現在缺的不是寫程式能力，是知道自己到底要什麼
一直以來，軟體開發都不是指寫程式
只是以前寫程式太貴，讓大家搞混了
