AI 加速了一切，現在更重要的是怎麼把整個遊戲玩好

身為在業界的工程師，這兩年來最深的感觸大概就是 AI 已經改變了整個學習的樣貌，以前學習一個知識或技能可能需要用大量的工具，做大量的調查，讀大量的文章。現在則是只要問任何一個模型，大部分的問題都可以快速地拼湊出全貌，一切來的非常快。很多人說現在這時代更需要的是怎麼問一個好的問題，我並不全然同意，對我來說現在最重要的反而是任何枝微末節的笨問題都可以得到肯定和清楚的答案，並依靠這些基礎的答案慢慢拼湊出整個大問題的全貌。當獲取知識的門檻變得無限低，知識已經變得不值錢。

離開學校體系後我一直都把整個職涯跟生活當作一個遊戲，每件事情多少都可以判斷出贏/輸機率，我們該做的就是依靠期望值去做每個決定，盡量打出正期望值的決策。而 AI 在這方面可以加速你尋找到正期望值決策的勝率，不用盲目的追求最新最潮的工具，用最順手好用的工具，讓自己能夠隨時獲得高品質的解答。

在 2023 年以前，要寫一個完整的專案，大家都是瘋狂 google, stackoverflow 或是到一些奇奇怪怪的論壇找答案，官方文件更是當作聖經在讀，這段時間也非常好玩，完成後會很有成就感。花大量時間找到答案 -> 在特定條件下解決問題 -> 記住知識復用的整個過程明顯是當時工程師最大的價值。但 AI 完善後已經幾乎把整個過程都極大加速或取代，工程師的價值跟「學習」一樣，都已經發生了轉變。

以前聽非常厲害的前輩說過工程師要培養的是一個 sense，我對這句話的概念一直很模糊。直到看了 Ray Dalio 的《原則》後似乎已經能夠理解七八成，我自己目前的答案是我們需要培養能夠判斷品質好壞的直覺，以及用 prioritize 的思考來做決定的原則。如果在產品成熟的公司打工，會是一個很好的機會，能夠看到架構非常大或非常完善的產品，比起記住任何程式碼，理解整體的設計或者什麼是好的設計和其中的 trade-off 為重要。工作中不重要的事情就先交給 AI 做，擔任審查員，把時間花在真正重要且能夠學習到東西的地方，拿到答案後去思考或直接詢問 AI 為什麼能夠找出這個答案，反覆驗證。最後把剩下來的時間拿來檢討這次行動的結果，不斷優化每次做決策的步驟。

這幾年遇到一些技術點到滿的前輩，也非常會運用 AI，但不太善於與人合作，態度也挺傲慢的，以前可以靠技術一人撐起整個專案，繼續留下來。但在合作的過程中看起來會覺得往後恐怕蠻危險的，當 AI 取代大量的 coding 工作後，怎麼找到資源，善用資源，與不同團隊合作，突然從過去大家嘴砲的軟實力變成重要的一環，當整個打工遊戲已經改變玩法，我們更需要去觀察自己是不是只在無腦完成卡片上的任務，還是真的有盤算好每一步該怎麼走。往後公司只會期待能用更少人完成更複雜的任務，當走到一個人管理一個專案或者是部門的時候，很會合作就變成了唯一解。

這些是我在 2026 年對工程師價值的答案，短時間內大概率還是會改變，一切都發生得太快。總之時刻觀察自己內心的感覺，盡量把整個遊戲玩好。