這幾天跟一個非工程背景的朋友聊天，他很興奮地跟我說他用 AI 做了一個自動化工具，從需求到部署全部靠 AI 完成，「我現在也懂怎麼用 AI 寫程式了」，他說這句話的時候眼睛是發光的，而我聽完之後心裡浮現的第一個念頭是：你確定嗎？
然後我馬上意識到，這個念頭本身踩到了一個我們一直極力避免的事情 - 專業的傲慢。
專業的傲慢：當經驗變成框架
工程師這個職業有一個很特別的地方，我們花了很多年的時間去理解一般人不需要理解的東西，資料結構、系統架構、邊界條件、錯誤處理，這些東西不是讀一篇文章，或者叫 AI 摘要之後閱讀就能懂的，是無數次 debug 到凌晨三點，無數次被 production incident 叫起來，慢慢堆出來的直覺，這些直覺讓我們很擅長判斷什麼東西「不太對」，但也讓我們很容易對”不在自己框架裡”的東西產生排斥。
這不是什麼新鮮事，在 AI 出現之前，我們就有「專業的傲慢」這個詞，工程師覺得 PM 不懂技術、所以提的需求距離落地太遠、不切實際，覺得設計師不懂效能、所以做的設計太理想化，覺得老闆不懂架構、所以下的決策太草率，這些判斷有時候是對的，但更多時候，它也讓我們錯過了從不同視角看問題的機會。
到了 AI 的時代，這個傲慢轉化成了一個新的形態：工程師不信任 AI。
一項調查顯示，96% 的工程師不完全信任 AI 的輸出，但只有 48% 會去驗證它 [1]，這個數字很有意思，不信任卻不驗證，意味著很多工程師的態度是「我知道你不靠譜，所以我直接不用或挑著用」，而不是「用了之後讓我來看看你到底對不對」。
METR（一個專注於 AI 能力評估的研究機構）在 2025 年 7 月發表了一項研究 [2]，他們找了一群有經驗的開源開發者，讓他們在有 AI 輔助和沒有 AI 輔助的情況下做真實的開發任務，結果讓很多人跌破眼鏡：使用 AI 工具的資深開發者，生產力反而下降了 19%。
19%，不是維持不變，是下降。
研究者的解釋是：這些有經驗的開發者花了太多時間在審查、修改、質疑 AI 的建議上，以至於抵消了 AI 帶來的效率提升，他們的專業知識讓他們能看到 AI 建議中的問題（這是好事），但同時也讓他們在 AI 已經給出正確答案的時候仍然花時間重新驗證（這是傲慢，但工程師一定會想: 不驗證我怎麼知道他錯了？）。
BCG 和哈佛的一項聯合研究 [3] 也發現了類似的模式：在需要創意的任務中，使用 GPT-4 的顧問表現比不用的高出 40%，但專家反而更慢採納 AI 的建議，而且更容易在 AI 給出正確答案時仍然堅持自己的判斷。
這裡有一個很微妙的點。我在之前的文章裡聊過，Agent 在你不知道的地方做假設，Agent 用摘要的方式讀東西會漏掉細節，Agent 的「已知」陷阱會讓他省略關鍵資訊，這些都是真實存在的問題，這告訴我們，工程師的警覺是有道理的。
所以問題不是在於警覺本身，而在於警覺變成了預設的拒絕。
我自己犯過這個錯，在用 AI Agent 做架構決策的時候，我會習慣性地先在腦中形成一個方案、框架、理論，然後才去問 AI，但問的方式往往是驗證、確認我已經想好的答案，而不是真的開放地讓 AI 去 Survey 所有的可能性，這就像一個醫生在看診之前就已經決定了診斷結果，檢查只是為了確認走一個過場。
所以有時候我會想，如果我當初讓 AI 自由地去搜尋、去研究、去提出我沒想過的方案，結果會不會不一樣？答案是「會」，我在後來的專案中多次嘗試不帶成見的讓 AI 去探索我的想像跟提案，它的確也提出許多有趣的做法，雖然需要經過修正跟驗證，但是因為 AI 不受我的經驗框架限制，他會找到我因為太熟悉某個領域而忽略的路徑，所以反而帶給我更多的可能性。
Derek Neighbors 在 2025 年的一篇文章 [4] 裡用了一個很犀利的詞：skill issue，他說那些堅持不用 AI 的工程師，問題不是他們「太資深」，而是他們缺乏一個新的技能，那就是跟 AI 協作的技能，這個技能跟寫程式一樣需要練習，而拒絕練習本身就是一種傲慢。
但我要在這裡做一個重要的平衡，也讓工程師安心一下：專家跟 AI 的組合，到目前為止仍然是表現最好的組合。
Kasparov 在西洋棋界提出的「Centaur」概念至今仍然成立，專家加 AI 勝過純 AI，也勝過新手加 AI，放射科醫師加 AI 的診斷準確率超過任何一方單獨的表現，所以工程師的專業知識不是 AI 時代的問題，問題是這個知識變成了一道牆，把 AI 的可能性擋在外面的時候。
在下一篇裡，我們來看這道牆的另一面：當非專業的人把 AI 的能力當成自己的能力時，會發生什麼事。
參考資料
[1] “96% Engineers Don’t Fully Trust AI Output, Yet Only 48% Verify It” — Engineering Leadership Newsletter, 2025. https://newsletter.eng-leadership.com/p/96-engineers-dont-fully-trust-ai
[2] “Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity” — METR, 2025/07. https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/
[3] “Navigating the Jagged Technological Frontier” — BCG x Harvard Business School, 2023. https://www.hbs.edu/ris/Publication%20Files/24-013_d9b45b68-9e74-42d6-a1c6-c72fb70c7571.pdf
[4] “The Skill Issue: Why Engineers Who Dismiss AI Won’t Make It” — Derek Neighbors, 2025/06. https://www.derekneighbors.com/2025/06/11/the-skill-issue-why-engineers-who-dismiss-ai-wont-make-it
支持這個系列
如果這系列文章對你有幫助，考慮請我喝杯咖啡
請我喝杯咖啡
