工作與思考誌 · 王若婷 Sammi
AI 愈能做,工程師愈不能只會做
網站發布: · 依近期 AI 工作流與工程團隊分工實踐整理
最近在公司推進 AI 工作流時,我做了一個很明確的分工調整。
我告訴工程團隊:程式碼由工程師 Review。
我不再逐筆審程式碼。我負責的是更上層的事情:整體架構、工作流程、開發制度、模組邊界、權限與責任,以及 AI 要怎麼真正進入開發流程。
這個調整表面上像是工作分工,但背後其實是一個更大的問題:
當 AI 開始參與軟體開發之後,工程師、主管與經營者的角色,是不是都要重新設計?
我重新回到第一線,不是為了重新拿起技術
我念的是資管,也長期經營科技公司,但過去二十多年,我主要做的其實不是第一線程式開發。更多時間是在做商業判斷、需求定義、專案治理、客戶溝通、產品方向、資源整合與公司經營。
隨著公司經營的事情愈來愈多,我也早就離開第一線很長一段時間。
AI 進入工作後,我重新走回技術現場。只有親自走過一次,我才看得見問題究竟卡在哪裡。
很多事情在策略、簡報或流程圖上都可以說得很完整。但只要沒有真正走過一次,我就很難知道:這個想法能不能成立?問題真正卡在哪一層?哪些只是工具問題?哪些其實是制度問題?哪些是角色沒有定義清楚?
所以我重新走進技術現場,對我來說,不是重新拿起技術本身,而是:重新驗證那些一直存在我腦中、我想真正實現的想法。
當我開始建立一個虛擬代理團隊時,我第一次很清楚地感受到:世界變了
當我真正開始建立一個虛擬的代理團隊時,我第一次很明顯地感受到:世界真的變了。
老實說,很多事情都不是我親手做的。程式不是我寫的,分支不是我建立的,測試不是我一個一個執行的,甚至很多技術細節,也不是由我逐項完成。
但整件事的方向、架構、工作方式、角色分工,卻是從我的想法開始。
我開始把腦中的想法拆成:需求、規則、角色、流程、驗收條件,再交給不同的代理角色去執行、協作、回報。
那一刻我突然發現,過去「想法」和「實作」之間,需要靠很多人的時間與手工能力才能跨過去;但現在,這個距離正在快速縮短。
我不一定要親手完成每一個步驟,卻可以更直接地驗證:我腦中想實現的事情,到底能不能被做出來。
這對我來說,不只是工具變快,而是整個「從想法到實現」的方式變了。
所以我現在更相信:先做,再形成方法
我現在愈來愈不想先寫一套看起來完整的方法,再要求團隊照著走。因為只要沒有真正執行過,很多問題其實根本看不到。
先走一次 → 看見摩擦 → 找出問題 → 重新設計 → 再留下制度。
這也是我一直相信的一件事:想永遠是問題,做才是答案。
我真正想建立的,不是「我很會 AI」
如果最後只是我自己更會用模型、更會下 Prompt、更會串工具,那只是我的個人生產力提高。對公司來說,這還不夠。
我真正想做的,是把自己二十多年累積下來的東西慢慢拆出來:我怎麼判斷需求、怎麼看專案風險、怎麼拆商業問題、怎麼抓優先順序、怎麼看產品與技術邊界,以及怎麼從不完整資訊裡做下一步判斷。
以前,很多這些東西其實都存在我的腦中。團隊有問題,就來問我;我判斷完,事情再往下走。
但這種方式有一個很大的限制:能力跟著人走,而不是留在系統裡。
所以我現在更在意的,不是 AI 幫我做多少事,而是:能不能把我的判斷方式拆出來,變成原則、規則、流程,再透過 AI 與制度賦能給團隊。
個人底蘊 → 經驗顯性化 → 原則與規則 → 工作流 → AI 協作 → 團隊使用 → 組織能力
這其實也是一場管理方式的改變
做到這裡,我開始發現,AI 改變的其實不只是技術工作。它也逼著管理者重新思考:到底什麼才叫管理?
過去很多管理,靠的是主管親自看、親自問、親自拍板。團隊小、產出有限時,這種方式可以運作。
但當 AI 把產出速度拉高之後,如果管理方式沒有一起改變,最後只會出現一個新的問題:前面愈快,後面愈塞。
如果所有 AI 產出最後都要主管逐筆確認,那 AI 並沒有真正降低管理成本,只是把瓶頸從執行端搬到主管身上。
所以我現在愈來愈不把「所有事情都經過我」當成控制。真正的控制,應該是:角色清楚、責任清楚、權限清楚、例外清楚。
管理者真正要設計的,不是每一件事情都怎麼審,而是哪些事情可以直接往前、哪些事情要由專業角色 Review、哪些事情一定要升級、哪些決策只有主管能做,以及出了問題能不能回頭追溯。
這時候,管理就從逐筆控制,變成設計控制系統。
當 AI 開始產碼,工程師的角色也會跟著改變
這也回到我為什麼把 Code Review 交還工程團隊。
如果 AI 愈來愈能承擔程式產生,那工程師的價值就不能只剩「我寫了多少 Code」。工程師真正需要往上移的,是理解系統、判斷架構、審查結果、控制品質、發現風險、判斷是否可以 Merge、確認變更是否破壞邊界,以及確保結果可以追溯。
所以未來工程師的角色,不只是 Builder,也會增加 Reviewer、Governor、Supervisor 的責任。
不是不寫程式,而是「寫程式」不再是唯一核心價值。
我重新切了一次責任
第一層:AI Execution
AI 負責大量可標準化的實作工作,例如需求轉換、程式產生、文件、測試草稿、基本檢查。
第二層:Engineering Governance
工程師負責 Code Review、技術判斷、品質、測試、整合、Merge、異常處理。工程師不只是問「這段 Code 能不能跑?」而是要問:這個變更應不應該進入產品?
第三層:Architecture & Operating System
我負責整體架構、產品邊界、制度、工作流、責任設計與重大決策。
也就是說,我的角色不應該是 Review every output,而是 Design the system that governs outputs。
AI 真正改變的,不只是工具,而是責任邊界
我現在愈來愈覺得,真正的 AI-Native 開發,不只是「原本工程師寫 Code,現在 AI 幫忙寫」。如果只是這樣,還只是個人生產力提升。
真正進入組織之後,問題會變成:誰定義需求?誰決定架構?AI 可以做到哪裡?誰 Review?誰有 Merge 權限?誰承擔結果?哪些情況必須升級?怎麼留下證據?
這些其實都是治理。
AI 愈能做,工程師愈不能只會做。
而主管也是一樣。AI 愈能做,主管愈不能只靠自己看、自己問、自己拍板來管理。
未來真正重要的,不只是執行能力,而是判斷、責任、架構、治理與制度設計。
我重新回到第一線,不是為了證明自己還會多少技術,而是用實作驗證我腦中想做的事情到底能不能成立,再把過程裡真正有效的判斷與方法留下來,透過 AI、制度與工作流,賦能給團隊,最後沉澱成組織能力。
AI 對我真正的價值,不是讓我做得更多,而是讓多年累積的判斷、方法與經驗,可以被拆解、被執行、被團隊使用。
而我現在對管理也有了另一個理解:
管理的成熟,不是所有事情都經過主管,而是即使不經過主管,組織仍然知道什麼可以往前、什麼需要停下來、什麼時候必須做出判斷。