TL:DR:像 ChatGPT 和 Copilot 之類的人工智能工具正在大幅提升生產力，特別是對於軟體工程等領域的初級和中級任務。然而，這樣的效率卻隱藏著風險：繞過了學習的關鍵階段，而在這個階段中，深度理解和結構性思考才得以發展。我們看到潛在的「斷層」出現了 - 大量的工程師能夠在 AI 的協助下執行任務，但能夠設計系統、釐清模糊性並掌握基本「為什麼」的高級架構師卻越來越稀少。未來最有價值的技能將不再是速度或工具的掌握，而是日益稀少的組織思考、從第一原則解決複雜問題，以及從混沌中建立邏輯的能力。
我們是否以效率換取理解？
如果您最近有與工程師交談，或者坦白說，任何從事知識型職業的人，您可能已經注意到一個令人著迷又有點令人擔心的趨勢正在冒起。一方面，人工智能工具讓個人的生產力達到前所未有的水準。另一方面，有越來越多的耳語 - 有時甚至是大聲疾呼 - 關於在更高層次的專業領域中差距的擴大。
我們看到 AI 正在快速自動化許多例行性和中等複雜度的工作，可能會取代專注於這些領域的職位。同時，尋找真正的高階人才，例如經驗豐富的系統架構人員，也變得比以往更具挑戰性。乍看之下，這似乎是標準的產業演進 - 技術驅動效率。但我認為我們需要看深一層；我們可能正在目睹一種新的能力「斷層」的形成。
來自工作坊的教訓
這也不是完全沒有先例。想想傳統產業，例如製造業。我們看到一些資深技工退休的情況，這些技工不僅會操作機器，而且瞭解機器的內部運作，能夠維修機器，甚至設計工作流程。取而代之的往往是擅長操作更新、更聰明機器的年輕工人，但他們缺乏深厚的機械直覺或流程設計知識。工具變得越來越聰明，但基本的了解有時卻被侵蝕了。
現在，似乎輪到知識工作了。
工程成長之路：短路？
GitHub Copilot 和 ChatGPT 之類的工具就像魔法一樣，讓工程師，尤其是職業生涯早期的工程師，以驚人的速度產生程式碼、除錯問題和實作功能。像基本的 CRUD（建立、讀取、更新、刪除）作業這樣的任務，幾乎就像組裝預製的積木。效率的提升是無庸置疑的。
然而，工程師的傳統成長路徑往往需要一段長時間與基礎知識搏鬥：從基本的編碼任務開始，逐漸掌握複雜性、透過嘗試與錯誤學習模式與反模式，最後發展設計穩健、可擴充系統的能力。這個中間階段對於建立基礎知識與架構思維至關重要，也正是人工智慧開始涵蓋的領域。
風險？我們可能會在不經意間創造出這樣的路徑：初級工程師非常倚重人工智能 → 中級工程師掌握技術的關鍵階段被壓縮或跳過 → 能夠邁向高階架構與策略思考的工程師短缺。建立基礎」這個關鍵階段被繞過。
進步的假象：沒有方向的團隊
這導致了一種奇特的工作場所現象：一個團隊在紙上看來人員齊全，但卻很難定義出明確的前進路徑、建構出有凝聚力的解決方案，或有效地分解複雜的問題。每個人都能做出一些東西，而且通常相當迅速，但卻可能缺乏綜合、策劃和掌握模糊性的能力，而這些都是資深專業人員的特徵。
AI 讓我們更有效率，沒錯，但它也可能巧妙地偷走我們過去花在練習 結構思考的時間。它允許任何人產生輸出，導致有些人誤以為輸出就是深度能力。
未來屬於結構思考者
隨著時間的推移，組織可能會忽略一種重要的人才類型：能夠駕馭模糊性的個人。這些人才能夠踏入混亂的情境，辨別潛在的邏輯（或缺乏邏輯），找出正確的問題，並瞭解如何有效地分解和重新組合系統。
人工智慧時代最有價值的專業人員，不一定是速度最快的程式設計師、製作最多模型的設計師，或是撰寫最多文案的作家。相反，他們將會是
- 瞭解 為何 某段程式碼是必要的，以及它如何融入更大的系統的工程師。
- 掌握品牌核心原則的設計師，知道為什麼某些訊息有效而其他訊息無效。
- 能將複雜的想法提煉成簡單、易記的概念的溝通者。
這些能力一直都很有價值，但在 AI 輔助的世界中，發展這些能力的途徑卻變得不那麼明顯。如果公司現在不積極辨識、培養和重視這些能力，日後可能會面臨重大挑戰。
尋找隱藏的建築師
問題是，這些技能並不總是在標準的績效儀表板上大放異采。那些在亂七八糟的會議中，默默地將錯綜複雜的邏輯圖解出來的人，或是用更少的文字來表達更多意義的演講者 - 這些人通常都擁有關鍵的結構性思考能力。他們可能不是「速度最快」的人，但他們能讓整個系統、整個團隊運作得更好、更久。
它們越來越難找，也比以往更為重要。
真正的「斷層」並不是世代之間的技術差距，而是用來培養深層基礎思考的時間被壓縮。未來最稀有、最有價值的技能不是掌握下一個 AI 工具，而是保留並加強「老派」的能力，從混沌中建立邏輯。
讓我們擁抱 AI 的力量，這是絕對的。但我們也要嚴格保護人類深入思考、批判性分析和真正理解的能力。這才是永續創新與持久價值的所在。
繼續思考，繼續建設。
