AI 時代，軟體工程師怎麼辦？一個工程師的真實觀察
TL;DR：AI 會取代軟體工程師嗎？
短答：不會取代「工程師」這個職業，但會大量取代「只會聽令寫 code 的工程師」。
- 危機面：全球前 15 大科技公司初階工程師招聘 2023→2024 下降 25%；美國程式設計師就業率 2023→2025 下降 27.5%；22-25 歲工程師就業率自 ChatGPT 問世後下降近 20%。
- 轉機面：能做系統設計、商業判斷、客戶溝通的工程師，產能拉到 10 倍，市場反而擴大——過去要 50 個工作天的百萬級電商案，現在 10 天可以交付。
- 行動面：擁抱 AI、往上跨到「設計層」與「商業層」，越早越好。
下面是身為一個每天用 Claude Code 工作、做過多個百萬等級電商與 AI Agent 案的工程師，第一手的觀察。
最近跟工程師朋友聊天，十個裡面有八個都會聊到同一個話題：
「欸，你覺得 AI 會取代我們嗎？」
有人焦慮、有人觀望、有人已經開始轉型。而我？說實話，我覺得蠻興奮的 😄
不是因為我不擔心，而是因為我已經實際體驗到了 AI 帶來的改變。自從開始用 Claude Code 之後，我的開發效率至少提升了 10 倍。尤其是全新的專案，從零開始建構一個系統，過去可能要花好幾天的事情，現在可能幾個小時就有一個能動的版本。
但這不代表「工程師不需要了」。恰恰相反，我覺得這是一個分水嶺 — 對工程師來說，這既是危機，也是轉機。 能善用 AI 的工程師會飛起來，而只會聽令寫 code 的工程師，確實正在被淘汰。
今天想從一個每天都在用 AI 工作的工程師視角，跟大家聊聊：
- 正在發生的危機：初階工程師的需求正在消失
- 為什麼「只會寫程式」不夠了
- 真正的轉機在哪裡
- 我自己的轉變與體會
關於作者：我是工程師阿穆，寫程式十多年，這幾年在做電商系統跟 AI Agent 開發。下面分享的是我每天用 Claude Code 工作、在多個商業專案實戰後，第一手的觀察。
AI 真的會取代軟體工程師嗎？數字會說話
先來看幾個讓人有點緊張的數據。
根據 SignalFire 的研究，全球前 15 大科技公司的初階工程師招聘，從 2023 到 2024 年下降了 25%。美國的情況更明顯 — 根據美國勞工統計局的數據，程式設計師的就業率在 2023 到 2025 年間暴跌了 27.5%。
最讓人驚訝的是這個數字：自從 ChatGPT 問世以來，22-25 歲軟體工程師的就業率下降了將近 20%。
Revelio Labs 的報告也指出，美國入門級職位的招聘從 2023 年初到現在，已經減少了約 35%。不只美國，印度的 IT 服務公司也減少了 20-25% 的初階職位，歐盟的初階技術職缺在 2024 年同樣下滑了 35%。
這不是預測，這是正在發生的事情。
為什麼初階工程師首當其衝？
想想看，初階工程師日常做的事情是什麼？
把需求翻譯成程式碼、修 bug、寫 CRUD、套版型、處理重複性的開發工作。這些事情，AI 現在做得又快又好。一個資深工程師加上 AI 的輔助，產能可能抵得上一個小團隊。
這也是為什麼有人說，我們正在經歷一個轉變：工程師從「寫程式的人」變成「審核與指揮 AI 寫程式的人」。
但這裡有一個關鍵的區別 —
被取代的不是「工程師」這個職業，而是「只會聽令行事的工程師」。
如果你的工作只是接收規格、翻譯成程式碼、然後交付，那 AI 確實可以做到你的 80%，甚至更多。但如果你做的是理解客戶的問題、設計解決方案、做架構決策、權衡取捨 — 這些事情 AI 目前還遠遠做不到。
AI 對軟體工程師是危機還是轉機？
講完危機，來聊聊好消息。這個 AI 時代，對工程師來說，是危機也是轉機。 而且我覺得轉機比危機大得多。
為什麼？讓我用自己的例子來說。
我是一個軟體工程師，過去幾年一直在做網站、做系統。自從開始用 AI 來協助開發之後，我最大的感受就是 — 哇靠，怎麼這麼快 😂
舉個最近的例子好了。前陣子接到幾個大型電商網站的案子，合約都是百萬等級的規模。這種大型專案，放在以前，光是開發就至少要 50 個工作天以上。但現在呢？大概 10 天左右就能交付。
你沒看錯，10 天。
不只是新網站開發，連「老網站搬家」這種過去最折磨人的工作也被壓縮到幾乎不花時間——我最近用 Claude Code 直接 curl 打 Shopify Admin API 把一個舊站 50 筆商品搬上架，從準備到完成只花 40 分鐘，詳細過程寫在 Claude Code + Shopify Admin API：電商營運小幫手實戰 這篇。
因為我過去累積了系統架構的經驗，我知道一個電商網站該怎麼設計、資料流該怎麼走、哪些地方要注意效能、哪些地方要考慮安全性。有了這些判斷力，再加上 AI 來幫我執行，整個開發速度根本是開了加速器。
另一個例子是最近在幫一間會計事務所做 AI Agent 系統。這個 Agent 可以處理客戶的帳務問題回覆，就像一個「數位會計實習生」— 幫忙整理資料、做分析、跑報表。這種深度的系統整合加上 AI Agent 的開發，在過去想要一個人全部扛下來是非常吃力的，尤其當你同時有好幾個專案在跑的時候。但現在，靠著 AI 的協助，一個人就能搞定。
有人可能會說：「那不就代表不需要工程師了嗎？」
某方面來說，沒錯！只會聽令行事、照規格寫 code 的工程師，確實已經不太需要了。 這就是現在進行式。
但反過來想 — 如果你是那個知道「該做什麼」「為什麼要做」「怎麼做才對」的人，那 AI 就是你的超級武器。以前你是一個人扛著鋤頭挖地，現在你開著挖土機。挖土機很強，但它不會自己決定要挖哪裡、挖多深。那個做決定的人，就是你的價值所在。
成本下降 = 市場變大 = 機會變多
還有一個很多人沒注意到的事：當開發成本大幅下降，很多過去「不划算」的案子突然變得可行了。
以前一個客製化的系統，動不動就要幾十萬甚至上百萬，很多中小企業根本負擔不起。但現在，一個懂得善用 AI 的工程師，可以用過去十分之一的時間和成本來交付。
這代表什麼？市場變大了，機會變多了。
不管是做網站、做系統、還是像我在做的 AI Agent 開發，如果你能提供解決方案、懂客戶的痛點、能用技術幫他們省時省力，那現在就是最好的時機。
AI 時代工程師該往哪一層走？三層模型
其實不只是軟體工程師，各行各業都一樣。未來，實際執行的部分一定會越來越多地交給 AI。人類的價值必須往上拉一個維度。
這幾年我自己常用一個心智模型，來判斷一個工程師離 AI 的「取代半徑」有多遠，我叫它 AI 時代工程師三層模型：
Layer 1 — 執行層：寫 code
把需求翻譯成程式碼、寫 CRUD、套版型、處理重複性的開發工作。這一層，AI 現在做得又快又好，而且越來越好。
只能待在這一層的工程師，就是目前受衝擊最大的那群人。 前面講的初階職缺下降 25%、入門級招聘減少 35% 這些數字，主要都打在 Layer 1。
Layer 2 — 設計層：系統架構與問題拆解
AI 可以幫你寫程式，但它不會幫你決定該用什麼架構、怎麼拆解一個複雜的商業問題。
什麼時候該用 message queue、什麼時候該用 event-driven architecture、什麼時候一個簡單的 cron job 就夠了——這些判斷力 AI 目前還做不到。你不需要記住每個 API 的語法，但你需要知道一個系統怎麼長才會穩、會擴充、會好維護。
能跨到 Layer 2 的人，AI 就變成你的超級武器，不是威脅。
我前面提到的「10 天交付百萬級電商案」「一個人扛下會計事務所的 AI Agent 系統」——這些不是因為我寫 code 比較快，是因為我在 Layer 2 有累積，才有辦法指揮 AI 把 Layer 1 那些事很快做完。
Layer 3 — 商業層：理解客戶、判斷要做什麼
最上面這一層，是離 AI 最遠、也最保值的。
能不能聽懂客戶真正的痛點？能不能從需求出發，設計出有商業價值的解決方案？能不能用非技術人員也聽得懂的方式溝通？這些「軟實力」，當 AI 把寫 code 的門檻降低之後，反而成了最硬的硬實力。
而且未來最有價值的不是「最會寫某個程式語言的人」，而是「懂技術又懂商業又懂使用者的人」。一個工程師如果同時懂產品思維，可以直接從客戶需求出發設計方案，不用等 PM 消化完再翻譯。加上 AI 的輔助，這樣的人可以一個人做到過去一個小團隊的事情。
三層模型怎麼用？
你目前卡在哪一層，就決定了你離 AI 的「取代半徑」多遠：
- 只能做 Layer 1：危險，數據已經告訴你了
- 能跨到 Layer 2：AI 是你的加速器（我自己就是這樣才能 10 天交付百萬案）
- 能做到 Layer 3：恭喜，現在是整個職涯最好的時機
這也跟我一開始講的那個感覺一致——AI 對工程師來說，是危機也是轉機。差別就在你站在哪一層。
所以我們該怎麼辦？
如果你現在是一個軟體工程師，或者正在考慮進入這個行業，以下是我的幾個建議：
擁抱 AI，而不是對抗它。 現在就開始把 AI 融入你的工作流程。不管是用 Claude Code、GitHub Copilot、還是其他工具，重點是讓自己習慣「跟 AI 協作」這件事。越早適應，越早受益。
往上走，而不是往深鑽。 不要只追求「寫出更厲害的程式碼」，而是培養自己的系統設計能力、架構思維、問題分析能力。這些是 AI 短期內無法取代的。
學習商業和產品。 試著理解你的工作在整個商業鏈條中的位置。你的程式碼最終要解決什麼問題？創造什麼價值？當你能從這個角度思考，你就不再是一個「寫程式的人」，而是一個「用技術解決問題的人」。
多嘗試不同的領域。 AI 降低了各種領域的進入門檻。你可以嘗試做自己的 side project、幫中小企業做系統、甚至用 AI 來探索你從沒碰過的技術棧。像我之前分享的 Claude Cowork，就是一個很好的起點。
常見問題（FAQ）
Q1：還在學的學生，現在還該不該唸資工或軟體工程？
該，但學的方式要變。
如果你只是把資工系當成「學會某幾個程式語言、畢業找工作」的途徑，那確實風險越來越高。但如果你把資工系當成「學會用結構化方式拆解問題、設計系統、用程式碼解決商業問題」的訓練場，那這個訓練比以前更值錢——因為你會的 Layer 2 和 Layer 3 思維，AI 暫時做不到，加上 AI 的執行力，你的產出會是過去工程師的 10 倍。
關鍵是：在學期間就開始用 AI 工作，不要排斥它。 一邊學基本功，一邊把 AI 當隊友。
Q2：哪些工程師領域最不容易被 AI 取代？
短期內，這幾類相對安全：
- 系統架構與分散式系統：需要大量 trade-off 判斷，AI 還很難穩定做對
- 資安、密碼學、底層系統：錯一個小地方就出大事，需要極高的專業判斷
- 嵌入式 / 硬體相關：需要實體環境互動與 debug
- AI / ML infra 本身：訓練、部署、優化模型的人
- 客戶面向的 solution architect：能聽懂業務、設計方案、跨部門溝通
最危險的反而是「中間段」——只會接需求、寫 CRUD、套版型、修簡單 bug 的職位。
Q3：大概幾年內衝擊會到頂？
我自己的觀察是 2025-2027 是最劇烈的 3 年。
不是因為技術會在 2027 之後停下來，而是市場會在這段時間完成第一次的人力重新配置——該被取代的職位被砍完、該升級的工程師也大概升級得差不多。之後會進入新的常態：人少、單兵戰力強、產出變多。
所以如果你正在這個階段，動作要快。不是焦慮地快，是有意識地把每一天的工作流程往「跟 AI 協作」的方向推。
Q4：已經在職的初階工程師，具體該怎麼轉型？
三個動作，今天就可以開始：
- 每天用 AI 寫 code，並刻意 review 它寫了什麼。不是當複製貼上機器，而是看 AI 怎麼設計、為什麼這樣設計，把它當免費的 senior engineer 學。
- 主動去碰 Layer 2 的事。在公司裡找機會做架構討論、寫設計文件、參與技術選型。沒機會就自己做 side project，從頭設計一個系統。
- 培養跟非工程師溝通的能力。多跟 PM、設計師、客戶聊，理解他們真正的痛點。能把技術翻成商業語言的人，永遠有市場。
Q5：AI coding 工具這麼多，該怎麼選？
我自己現在主要用 Claude Code（命令列為主、適合大型專案、操作彈性高）。
其他主流選擇：
- Cursor / Windsurf：IDE 體驗好，適合喜歡圖形介面的人
- GitHub Copilot：整合最深，適合已經在 VS Code / JetBrains 的人
- v0 / Replit Agent：適合快速做原型、做小型 web app
重點不是用哪個工具，而是「真的每天用」。一個用 Copilot 用得很熟的工程師，會比一個只是裝了 Claude Code 但很少打開的人強很多。先選一個、用三個月、再評估要不要換。
結語
回到最開頭的問題：AI 時代，軟體工程師怎麼辦？
我的答案是：這個時代，對工程師來說，是危機也是轉機。
危機是真的 — 只會寫程式、只會聽令行事的工程師，需求確實在減少，數據擺在那裡。但轉機也是真的 — 願意提升維度、擁抱 AI、結合商業思維的工程師，手上的武器比以往任何時候都強大。
這跟以前每一次技術革新都一樣。Excel 出來的時候，手算帳的會計不見了，但會用 Excel 的人接手了；搜尋引擎出來的時候，死背資料的人沒優勢了，但會找資料、整合資訊的人更強了。AI 也是一樣的道理。
與其擔心被取代，不如現在就開始學著跟 AI 一起工作。畢竟，最好的時機就是現在。
希望以上的分享對大家有一丁點兒的幫助，掰掰～👋
