最近我想到所有關於人工智慧接管工作的熱潮。Sam Altman 說人工智慧將取代95%的發言人工作，然後來自 Anthropic 的人又說人工智慧可以在6到12個月內完全取代軟體工程師。這種悲觀的感覺確實普遍，但我覺得很多人誤解了這項技術的實際運作方式。

來自 AngelList 的 Naval Ravikant 對此有一個有趣的觀點。他說人工智慧帶來的生產力提升可能被過度誇大了，仔細觀察，人工智慧始終有其弱點。無論多先進，它仍然會犯錯。這也是為什麼真正理解基本邏輯的軟體工程師仍然非常需要。

我認為，真正專精於自己領域的人不需要害怕。理解這些抽象背後機制的軟體工程師具有巨大優勢。當人工智慧用 Claude Code 或其他工具產生程式碼時，它會產生錯誤、架構不完美。懂得基本邏輯的人可以快速修補這些漏洞。想要建立結構良好、性能高的應用，從一開始就捕捉錯誤，你仍然需要有軟體工程背景。

在許多方面，傳統的軟體工程師能更好地利用人工智慧工具。也有很多軟體問題是人工智慧無法解決的，尤其是當它們超出訓練資料範圍時。例如，要在新架構或真正新穎的事物上寫出高性能的程式碼，你仍然需要直接參與。

我觀察到的市場現象是，所有人都想要最好的。更優的應用幾乎一定會在其類別中贏得100%的市場份額。第一名獲得一輛凱迪拉克，第二名得到一套牛排刀，第三名？就沒了。所以現實是：如果想成功，你必須成為某個領域的最佳。但這個領域可以是任何事情。

這就是重點——持續重新定義你的工作，找到適合你的子領域，並在那裡成為佼佼者。這個原則在人工智慧時代依然適用。專業知識和深度理解某個領域，仍然無法被取代。只要你是你領域的大師，你就安全。