隨著 ChatGPT、GitHub Copilot、Figma AI 等工具越來越普及，許多正在轉職、或剛踏入工程師領域的人，心中都會出現同一個問題：
「我現在學寫程式，會不會還沒學好，就被 AI 取代了？」
這個擔心並不奇怪，尤其對成人轉職者來說，時間與成本都很現實。 但真正的問題不是「AI 會不會取代工程師」，而是：
**AI 會淘汰哪一種工程師？**
答案其實很清楚。 AI 不會搶走你的工作，但會淘汰那些不會用 AI、也沒有基本功的工程師。
## 為什麼 AI 沒有想像中那麼萬能？
很多初學者第一次接觸 AI 工具時，會抱持一個錯誤期待：
- 只要我下一個指令，AI 就能幫我完成所有事情 - 問題問得很模糊，卻期待得到完全正確的答案 - 跟 AI 對話兩三次沒有得到理想結果，就認定 AI 不好用
但實際上，這樣的狀況並不是 AI 不夠聰明，而是使用方式出了問題。
AI 本質上仍然是電腦系統，它不會理解你的意圖，只會根據你給的條件、背景與限制產生結果。 當你自己對問題不夠熟悉，就很難寫出好的提問，也很難判斷 AI 給你的解法是不是合理。
## 為什麼網路上看起來「AI 寫程式很簡單」？
你一定看過這類文章或影片：
- 用 AI 一天做出完整網站 - 不用學程式，也能用 AI 做專案 - Vibe Coding，看感覺寫就好
這些內容確實存在，但有一個關鍵背景常常沒有被說清楚：
**大多數示範 AI 開發的人，本來就有工程底子。**
他們通常已經具備：
- 對程式架構的理解 - 知道哪些地方「看起來能用，其實不能上線」 - 有能力判斷錯誤與技術風險
AI 對他們來說，是提升效率的工具，而不是替代學習的捷徑。
## 真實案例：AI 做得出來，但你接不住
最近我遇到一個很具代表性的例子。
有人使用 Figma Make 的 AI 功能，幾秒鐘就生成一個視覺完整、設計漂亮的網頁介面，甚至能直接串接 Google Maps API。
從結果來看，速度快、效果好，看起來像是工程師可以少學很多東西。
但實際下載專案後才發現，Figma Make 使用的是 React 框架來建立專案。
專案內容不是單純的 HTML，而是包含數十個檔案的 React 結構，包含 component、hook、設定檔與專案流程。
對沒有學過 React 的人來說，問題不是「能不能生出來」，而是：
- 完全不知道該從哪裡改 - 不知道哪些檔案是關鍵 - 不知道這樣的結構為什麼存在
這時候，AI 並沒有讓開發變簡單，反而讓事情變得更複雜。
## 為什麼基礎不穩，用 AI 反而更容易卡關？
對正在轉職或剛入行的人來說，很容易產生這樣的想法：
「我先用 AI 撐著，之後再補基礎。」
但實際上，這樣的學習方式很容易出現以下問題：
- 不知道 AI 生出來的程式碼在做什麼 - 無法判斷這樣寫對不對、好不好 - 改一個小需求，卻牽動整個專案 - 錯誤發生時，只能一直把錯誤貼回 AI 問
最後會陷入一個循環： 程式碼很多，但理解很少。
這對初入行工程師來說，其實是非常危險的狀態。
## 面試官問「會不會用 AI」，真正的意思是什麼？
現在越來越多公司在面試工程師時，會問一句話：
「你會不會用 AI？」
這裡的「會不會」，並不是指聊天、查資料或生成圖片，而是指你能不能：
- 用 AI 協助你拆解需求 - 用 AI 幫助你設計系統與資料結構 - 在遇到 bug 時，利用 AI 快速縮小問題範圍 - 判斷 AI 給的解法是否適合實際專案與團隊規範
AI 是工程師的輔助工具，而不是替你負責結果的人。
## AI 時代，真正會被淘汰的是哪一種工程師？
在 AI 快速發展的環境下，真正容易被淘汰的，通常不是學生或轉職新手，而是：
- 多年來沒有持續補強基礎知識 - 對框架與工具只會用，不知道原理 - 無法清楚解釋自己寫的程式在做什麼 - 缺乏學習策略，只依賴經驗累積
當 AI 出現時，這樣的工程師會特別焦慮，因為 AI 會直接放大他們的弱點。
## 給轉職者與初入行工程師的關鍵建議
如果你正在轉職，或剛進入工程師這個產業，請記住一件事：
**AI 不會阻止你入行，但它會要求你更清楚自己在做什麼。**
在大量使用 AI 之前，請先累積以下能力：
- 基本語法與資料結構 - 對專案流程的理解 - 至少完成過一到兩個完整的小型專案 - 能清楚說明自己的程式在解決什麼問題
當這些基礎穩定後，AI 才會真正成為你的助力，而不是壓力來源。
## 結語：AI 不是門檻，而是放大鏡
AI 不會突然讓你失業，但它會快速放大每個人的差距。
對有基礎的人來說，AI 是加速器。 對沒有基礎的人來說，AI 是焦慮製造機。
如果你願意把時間花在打底、理解與累積專案經驗上，那麼 AI 時代，反而會是你最好的機會。