最近看到 Reddit 一篇討論，標題問得很直接：為什麼有了 AI，軟體工程師的工作沒有變輕鬆？

這個問題讓我很有感。身在矽谷，經歷過帶團隊，也回到第一線做 Applied AI，我自己的觀察是：工具確實讓很多事情變快了，但我們被期待負責的範圍、嘗試的次數，以及交付的速度，也一起往上拉。

這裡其實有兩股力量，同時在推著大家跑。

第一股：你在做 AI，所以你必須更快

如果你在科技公司第一線做 AI 相關開發，或打造支援 AI 的工具與平台，面對的是一個持續變動的環境。

體感上，每隔一兩週就有新的模型或能力值得評估，每天又有新的產品、工具與消息冒出來。昨天才摸清楚的限制，今天可能被新模型突破；上週才決定的做法，這週又值得重新考慮。

這種速度很令人興奮。你真的可以看到原本做不到的事情，突然變得可行。

但它也意味著，學習、評估、實驗和調整方向，逐漸成為日常工作裡持續增加的一部分。你一邊交付，一邊還得判斷：眼前這條路，現在是不是仍然值得走？

第二股：就算你不做 AI，也被期待因為 AI 而做得更多

另一種壓力，來自對效率的期待。

既然有 AI 幫忙，寫程式應該更快、整理資料應該更快、做簡報也應該更快。那麼，同樣的時間，是不是可以多交付一些、多接幾個任務？

以前說「Talk is cheap」，現在越來越有「Code is cheap」的感覺。

在我觀察到的工作方式裡，過去可能先寫一份文件，讓大家對齊問題與方向；現在則更常被期待：先做個 prototype，大家看了再討論。

這其實有很大的好處。抽象的想法變成可以操作的東西，討論更具體，也能更早發現誤解。過去不值得花時間實作的點子，現在都有機會試一輪。

但這也是工作量增加的地方。

做出 prototype 的成本下降了，理解它、驗證它，以及決定下一步的成本，卻沒有一起消失。做出第一版之後，會有新的回饋、新的比較，以及「那另一個版本呢？」

以前可能選一個方向再開始，現在可以先做三個方向看看。試錯機會變多了，參與試用、討論、修改和判斷的人，也需要投入更多時間。

每一次迭代都更便宜，但當迭代次數跟著增加，總工作量未必會下降。

這件事，正在延伸到工程以外的職業

行銷可以快速產出十個版本，但有人得判斷哪個符合品牌、哪個可能誤導。

設計可以更快探索不同方向，但團隊也可能因此期待看到更多選項。

產品經理可以更快整理需求、做出原型，卻仍要釐清矛盾、排優先順序，決定哪些需求不該做。

法務、財務、研究等工作，也可能遇到類似的變化：初稿更容易取得，需要專業判斷的材料卻跟著增加。

原本一天的工作有思考、執行、整理和檢查的節奏。當比較熟悉的執行環節被壓縮，留下來的工作，就可能更集中在審閱、取捨、處理例外與承擔責任。

產出變快，不代表人的理解與判斷，也能用同樣的倍數加速。

站在管理者的位置，壓力還會再疊一層

這也是我從帶團隊的經驗出發，特別在意的部分。

AI 可以幫忙整理進度、彙整資訊、準備會議。於是組織可能期待：一位管理者是不是能帶更多人，同時推更多專案？

但另一邊，每個人的產出與實驗也都增加了。更多人、更多提案、更多 prototype、更多需要協調的決定，一起進入管理者的工作範圍。

管理者不需要親自檢查所有細節，但仍要理解關鍵取捨、建立把關機制、處理衝突，並確保各個方向最後能接得起來。

當管理範圍變大，每個人的產出又變多，管理者需要吸收與判斷的事情，也會一起增加。

AI 能幫你摘要，不代表你已經理解；看過進度，也不代表你有足夠時間辨識風險。

我真正擔心的，是我們還有多少空間維持好的判斷

我自己感受到的矛盾是：我很喜歡 AI 帶來的可能性，也享受把想法更快做出來的過程。

但我也越來越在意，當每個人的負責範圍持續擴張、嘗試與交付的節奏持續加快，我們能不能守住理解事情的深度？

如果省下的每一分鐘，都立刻被下一輪嘗試填滿，我們可能會變得更忙、更會產出，卻更難保留完整思考的空間。

所以，對我來說接下來很重要的能力，是決定哪些值得試、試到什麼程度就夠了，以及什麼時候應該停下來，把已經知道的事情想清楚。

AI 讓我們有能力做更多事，也讓「決定不做哪些事」變得更重要。

本文原發表於 Facebook（2026-09-22），搬到 Blog 時做了輕度編輯。