WEF：AI 吃掉初階開發工作，新手到資深工程師的成長階梯正在斷裂

軟體產業長期有一條清楚的成長路徑：新手從簡單的錯誤修正、樣板程式與測試撰寫開始，在大量重複中建立對系統的直覺，逐步接下更複雜的任務。而世界經濟論壇的分析指出，AI 正在抽掉這條路徑的第一級台階。

問題的結構相當清楚。初階任務之所以交給新人，並非因為它們不重要，而是因為它們難度適中、錯誤成本可控，剛好適合練習。這些任務同時完成了兩件事：產出工作成果，以及訓練人。而當 AI 能更快更便宜地完成同一批任務，企業自然會減少初階職缺——但被一併移除的，是訓練功能。

後果會延遲顯現。短期看，團隊生產力上升、人力成本下降，數字很好看。而三到五年後，當現有的資深工程師退休或流動，本該遞補上來的那一代並不存在——因為他們從未獲得成長所需的練習機會。這是典型的「現在省下、未來付出」的結構。

這對教育端的意涵相當直接。過去大學不必負責這一段——產業會在職訓練。而當企業的訓練功能萎縮，補位的壓力就回到教育體系。實務上這意味著幾件事：課程必須讓學生接觸真實規模的程式碼庫，而非只寫作業級的小專案；必須刻意保留 AI 不代勞的環節，讓學生經歷除錯、閱讀他人程式、在既有系統中做修改的過程；而產學合作的實習設計也需要重新思考——若實習內容全是 AI 能做的事，學生學不到東西。

WEF 也指出另一項變化：資深工程師的能力組成正在改變。當程式碼產出自動化，價值移向系統設計、需求釐清、跨團隊協調與對 AI 產出的審查判斷。這意味著養成路徑不只是「補回失去的台階」，而需要重新設計成不同的形狀。

對台灣的資訊教育與技職體系而言，這個警訊值得提前處理。台灣的軟體人才培育高度依賴業界的在職訓練，而這正是最先被 AI 侵蝕的環節。若不及早在課程中補上，缺口會在幾年後以「找不到資深工程師」的形式出現。