最近看到不少人在討論一個問題：
AI 出現工程師會失業嗎？
剛好，最近我自己也遇到一個專案改版的情境，
讓我對這個問題有了不一樣的感受。
一個看似簡單，實際很複雜的需求
最近因為一個專案，需要從 A 方案改成 B 方案。
在過去，如果遇到這種大幅度的調整，幾乎可以預期——會花上大量時間。
因為這不只是畫面修改，
而是牽涉到整個系統的邏輯與資料庫設計。
內心OS
每次遇到這種需求變動，真的都會想小小抱怨一下……
論文跟研究時間都已經不夠用了，還要再重構這些東西，
有時候真的會覺得有點心累
問卷設計背後的系統邏輯
一開始甲方的需求是：
需要有註冊→登入，讓使用者進行填答。
而填答的設計也不單純——
其概念是
有四份填答文件，要在這四分填答文件中「隨機分配」
但同時又要確保：
- 每一份填答都有人填寫
- 不能出現某一份特別多、某一份特別少的情況
這代表後端必須設計分配機制，
資料庫也要配合這樣的邏輯運作。
這其實就是在做研究設計時，常見的分配問題。
甲方一句話，等於重構系統
當整個系統架構完成後——
甲方一句話：
「不要註冊登入了，改成輸入序號直接作答就好。」
我內心 OS 其實滿多的（笑）
對方很難理解，這背後代表的是多大的改動
這句話的背後，其實代表的是：
- 前台流程改變
- 使用者驗證方式改變
- 資料庫結構需要調整
- 原本的登入機制可能整個拿掉
幾乎等於「重構一部分系統」
沒有 AI 時代的開發方式
如果是在沒有 AI 的情況下，
這種修改通常只能——
- 一頁一頁改前端
- 一段一段改後端
- 一個一個測試
花上好幾個小時，甚至更久好幾天都有可能。
AI 介入後的開發體驗
內心OS：
最近同時在準備考試和研究，加上此專案有時差壓力，就讓 AI 介入幫忙。
學術圈對 AI 一直有不同聲音，有人擔心風險，但我反而覺得，
只要知道自己在做什麼，AI其實可以幫助很多。
但這次，嘗試用 AI 來協助處理。
先把整個邏輯重新整理，
再請 AI 幫我把需求轉成一個「清楚的架構流程」。
確認沒有問題之後，再讓它協助調整程式。
結果是——
原本可能需要 6 小時的調整
這次不到 6 小時就完成
（甚至更快）
對方再次讚嘆台灣人的效率 XDDDD
那工程師還剩下什麼？
這讓我開始思考一個問題：
如果 AI 可以這麼快地完成程式調整，那工程師還剩下什麼？
AI 很強，但真的「理解」
在邏輯建構與生成速度上，AI確實很強，
甚至在某些情境下比人類更有效率。
但問題在於——
它真正理解人類複雜的需求與思考脈絡？
個人覺得在一些特殊或模糊的需求上，
仍然需要人類去解釋與判斷。
真正的問題在「改動之後會發生什麼」
在實務上，更困難的其實不是「寫出程式」，
而是：
- 需求改變後，整個流程要怎麼重整
- 原本的邏輯哪些能留、哪些要砍
- 不同功能之間會不會互相影響
- 出錯時，到底是資料、邏輯，還是實作問題
這些問題，不是「寫不寫得出來」，而是「改了之後會發生什麼」
AI 對於風險判斷
另外，更現實的一點是——風險 ,例如:
- 個資處理是否正確
- 資安是否安全
- 邏輯是否真的符合需求
這些問題，如果沒有人工判斷，其實是很難完全放心交給 AI 的。
工程師的角色正在改變
因此，工程師的角色反而變得更重要：
必須看得懂 AI 寫的程式
因為只有看得懂，才能：
- Debug
- 修正錯誤
- 判斷是否可用
- 避免潛在風險
一切的前提：基本功
而這項能力，其實建立在一個前提上：
本身要有程式的基本功
如果完全沒有基礎，
就算 AI 幫你寫好了程式，
你也無法判斷它到底對不對。
或許未來的工程師，不再只是「寫程式的人」，
而是：能夠理解、判斷，並駕馭 AI 的人。
還在茫茫的學術中漂移的打工人....
學術還是我熱愛的地方嗎? 努力...努力...
