公司需要的是工程師，還是只是把工作做完的人？
最近與主管進行面談時，聊到了團隊成員的技術成長與 AI 協作的現況。這引發了我的一連串思考：當 AI 已經能代勞大部分的實作時，開發者的核心價值究竟剩什麼？
針對基礎尚不穩固的開發者，AI 確實提供了一個「把事情做完」的機會。但這也帶出了一個殘酷的現實問題：公司需要的是一個真正的「工程師」，還是只要一個「能把工作完成的人」？
同樣的工作量，有經驗的開發者或許一兩小時就能產出，但仰賴 AI 卻不求甚解的人可能需要一週。這中間的差距，往往不在於工具的使用，而在於個人的積極度。
我的觀察： 積極的人輕輕一推就能衝得很遠；不積極的人，再大的推力也只能前進一點點。若不具備相應的技術判斷力，在市場競爭力上，甚至可能不如一個成本更低但效率更高的人選。
在「程式碼能跑」之外，你有沒有自己的內心小劇場？
當每個人都在用 AI 時，「工程師」與「完成事情的人」之間的差距反而更加明顯。AI 產出程式碼的成本已經變得極其廉價，我們不需要與之競爭熟練度，而是要競爭「判斷力」。
如果你只是想「把事情做完」，你可能會覺得：
「程式碼貼上去，功能確實運作了，畫面上看起來沒問題，任務完成。」
但如果你是一個對品質有堅持的工程師，你的「內心小劇場」應該是：
「雖然程式碼跑起來了，但這真的是最優解嗎？它會不會對系統的其他部分造成連動影響？我現在解決了一個問題，是不是反而埋下了另一個效能隱患？我有沒有更優雅的現成工具可以用，而不是讓 AI 寫出一段冗餘的邏輯？」
不要把判斷對錯的責任丟給別人
我聽過最誇張的案例是：對 AI 給的程式碼照單全收，即便 Review 時收到大量反饋，依然固執地按自己的方式做事，因為他只求「有產出」，而不求「產出對的成果」。
在我們依賴 AI 提升效率的同時，最不能缺少的就是 Ownership（責任感）。這是區分一個開發者是否能「獨立負責」的關鍵。這種責任感具現在最基本的開發態度上：
- 當你提交一段程式碼時，你是否能清楚說明自己為什麼這樣寫？
- 你是否真的知道自己在解決什麼問題？
- 如果在開發過程中遇到無法解決的困難，是否能主動且積極地尋求幫助，而不是塞入一段自己也看不懂的 code，然後把判斷對錯的責任丟給主管或 Reviewer。
如果只是把 AI 給的答案貼上去，卻無法解釋其中的邏輯，這不叫完成工作，這叫放棄思考。一個無法獨當一面、無法被信任專業程度的開發者，長期看來，只會成為打工仔，而不是工程師。
這個時代的工程師應具備的自覺
雖然 AI 讓產出變得快速，Coding 的純熟度不再是唯一的競爭標準，但要讓 AI 產出的結果「受控」，開發者反而需要更紮實的軟體工程底子。不論資歷深淺，我認為在 AI 時代有幾點是我們都應具備的自覺：
- 釐清問題永遠優先於寫 Code：接到任務後，重點不是趕快把 Code 生出來，而是理解這個需求背後要解決什麼問題。只有釐清了問題的本質，你才能建構出正確的邏輯，而不是被 AI 的建議牽著走。
- 把 AI 的產出當成「學習教材」，而非「最終解答」：AI 時代的開發者已經不需要再從 0 到 1 寫程式了，但我們要理解 AI 給的 0.8 的產出是在做些什麼，不要只是 Accept，而是去拆解它為什麼這樣設計。你得先有能力看懂那段你寫不出來的程式碼，那份經驗才會真正累積在你身上。
- 用正確的態度累積實戰經驗：為你的產出負責。這代表每一行程式碼你都理解其用意，並且在出問題時，有能力去面對、討論並修正。這才是真正能累積在自己身上的專業價值。