新智元報導
編輯：英智
【新智元導讀】當AI工具讓程式碼飛速生成，程式設計師的創造力卻面臨前所未有的挑戰。AI是解放雙手的魔法，還是扼殺思考的牢籠？揭密亞馬遜工程師的真實心聲！
未來的程式設計世界，會是靈感與效率的完美平衡，還是流水線式的程式碼工廠？
最近，亞馬遜的軟體工程師們發現，他們的日常工作正在發生微妙卻深刻的變化。
AI工具被廣泛引入，從程式碼生成到偵錯最佳化，程式設計師被要求以更快的速度交付成果。聽起來很酷，對吧？
AI寫程式碼，效率翻倍！現實卻沒那麼簡單。
一些程式設計師抱怨，AI的介入讓他們感到時間被壓縮，思考的空間被擠壓，工作節奏越來越像倉儲裡分揀包裹的工人：快速、機械、重複。
這種變化的背後，是亞馬遜對效率的無盡追求。作為全球電商巨頭，亞馬遜的倉儲以其高效的自動化流程聞名。
如今，這種「流水線思維」似乎正在滲透到軟體開發領域。
程式設計師們被要求使用AI工具，如程式碼補齊助手和自動化測試框架，以縮短開發週期。
結果呢？他們發現自己不再是「從0到1」的創造者，而是更像在流水線上組裝程式碼的工人。
過去，做一個複雜的專案可能需要一個月，甚至兩個月。現在，整個過程都受到監控，而且可以快速完成。
自工業革命以來，機器取代人類的焦慮從未消散。
歷史經驗顯示，技術變革更常見的影響並非裁員，而是工作降級——把複雜任務拆解為機械重複的簡單操作。
以前汽車廠的技工是老師傅帶學徒，後來流水線一上，所有人都變成鎖螺絲的工具人：每天重複幾百次同一個動作。
機器沒直接讓人失業，但把活都拆成了不用腦子的重複勞動。
創造力還是生產力？
現在這股風刮到程式設計師這裡了。
大家原本擔心AI會搶飯碗，結果發現更鬧心的是——工作沒變少，反而變得又快又粗糙。
程式設計，本該是一場腦力與創造力的狂歡。
好的程式設計師不僅要寫出能執行的程式碼，還要設計優雅的架構、預判潛在的錯誤，為程式碼擴展預留足夠空間。
但在AI的「助力」下，這種深度思考的機會似乎越來越少。工程師擔心因此失去重要的技能和晉升機會。
在亞馬遜，管理層對AI的推崇幾乎到了狂熱的地步。
他們相信，AI不僅能提升效率，還能讓程式碼品質更穩定。
亞馬遜CEO Andy Jassy 表示，AI為我們節省了數千年的開發時間。
然而，程式設計師們卻有不同的感受。
有人吐槽：「AI生成的程式碼就像速食，填飽肚子，但吃不出滋味。」
更有甚者，覺得自己的工作正在被降級，從高創造性的腦力勞動變成了機械化的程式碼搬運工。
亞馬遜CEO在股東信裡明明白白寫著：用AI能讓程式設計師效率飆升，誰慢誰就被對手淘汰。
他認為「速度」是保持競爭優勢的關鍵，生成式AI可以節省很多成本。
底下的工程師可受罪了：團隊人數砍了一半，程式碼量要求不變，全靠AI生成程式碼區塊硬撐。
一些亞馬遜的工程師坦言，他們現在更像是在拼湊AI生成的程式碼片段，而不是從頭設計解決方案。
該公司最近推出了可以自行生成大部分程式的AI工具。一名工程師稱這些工具「好得可怕」。
有人表示，許多同事不願意使用這些新工具，因為它們需要大量的反覆檢查，而且工程師們希望有更多控制權。
有位工程師表示，以前做個新功能能拖兩個星期，現在三天就得交差，每天瘋狂地複製貼上，連跟同事討論方案的時間都沒了。
AI給出程式碼的速度很快，但總感覺少了點「靈魂」。
更讓人擔憂的是，這種高強度的節奏可能正在扼殺程式設計師的創造力。
過去，程式設計師們有時間去鑽研一個複雜問題，甚至花幾天時間最佳化一個演算法。
如今，AI工具的快速輸出讓管理層對交付時間的期望水漲船高。
程式設計師們不得不在更短的時間內完成更多任務，思考的時間被壓縮到最低限度。
有人開玩笑：我們現在不是在寫程式碼，而是在和AI賽跑！
原本需要幾週開發的程式碼，幾天之內就要交付。程式設計師必須依賴AI才能跟上專案進度，否則就會影響績效。
當然，AI的引入並非全然壞事。
程式碼補齊、自動偵錯、甚至生成整段函數，AI確實讓一些重複性工作變得更高效。尤其是對於初學者或需要快速產出原型的專案，AI工具簡直是救命稻草。
程式設計師成了「審稿人」
亞馬遜的故事只是科技行業的一個縮影。
隨著AI的普及，越來越多的公司開始依賴這些工具來加速開發流程。
Shopify直接把「會不會用AI」寫進績效考核，Google更狠，搞了個AI生產力工具開發大賽，贏了直接發一萬美元獎金。
數據顯示，Google現在30%的程式碼都是AI自動生成的，程式設計師從創造者變成了「審稿人」。
但這也引發了一個深刻的疑問：當AI接管了越來越多的程式設計任務，程式設計師的未來會是什麼樣子？
是成為更高效的創造者，還是被困在流水線般的循環中？
亞馬遜管理層表示，AI幫忙搞定無聊的底層程式碼，程式設計師可以去搞架構最佳化、演算法升級這些高階的工作。
透過用AI完成升級舊軟體這種吃力不討好的工作，公司節省了相當於4500個開發人員一年的人力。
亞馬遜表示，AI是為了增強工程師的專業能力，而非取代，協作仍然重要。
對資深程式設計師來說，不用再浪費時間寫「hello world」確實能提升效率。
正如海外工廠的大量湧現使企業家能夠廉價、輕鬆地製造實體產品一樣，AI的興起可能會使軟體開發民主化，降低開發新應用程式的成本。
引入AI的結果，可能類似於19世紀和20世紀從手工勞動向工廠勞動的轉變。
但新人就慘了——以前靠寫測試程式碼、調介面練手，現在全被AI包辦了，好多初級工程師抱怨：都沒機會偵錯，怎麼學真本事啊？
AI可以是解放雙手的工具，也可以是壓榨思考的枷鎖。
程式設計師們看著倉儲裡的機器人，彷彿看到了未來的自己。
以前亞馬遜倉儲管理員每天走十幾公里找貨，現在站在原地等機器人送貨架過來，雖然不用走路了，但每小時分揀量從30件漲到300件，累得腰都直不起來。
AI幫著寫程式碼是快了，但每天要審幾百行自動生成的程式碼，眼睛都看花了，完全像是流水線品管員。
令人擔憂的節奏加快
亞馬遜內部有個小組，本來是抗議公司碳排放的，最近成了程式設計師吐苦水的地方。
該組織發言人、前亞馬遜員工Eliza Pan表示，這些抱怨主要圍繞他們的職涯會是什麼樣子，不僅是他們的職涯，還有工作品質。
從寫程式碼到讀程式碼的轉變，會讓工程師感覺自己像是工作中的旁觀者。
每天幾百人在群組裡聊：用AI寫程式碼會不會讓我以後連履歷都沒東西可寫？老闆只看程式碼量，不關心邏輯是否最佳化，這還有什麼技術含量？
有人提到了1936年通用汽車大罷工，當年工人也是因為流水線逼得太緊，現在程式設計師好像也快走到這一步了。
當然也有樂觀派。
有人打比方，「以前造車靠鐵匠敲鐵皮，現在靠機器沖壓，能說造車工藝倒退了嗎？AI只是把基礎工作標準化了，真正厲害的工程師應該去搞創新設計。」
對新創公司來說，AI簡直是救星。
以前招10個程式設計師才能搭建一個App框架，現在用AI工具，兩個人一週就能搞出原型。
在這個AI驅動的時代，程式設計師的角色正在被重新定義。
他們需要的不僅是更智能的工具，還有更多的時間去思考、去創造、去賦予程式碼以生命。
有人開玩笑說：以後面試該問什麼？
不是「會不會寫演算法」，而是「能不能快速審閱AI寫的程式碼」。
至於這是好事還是壞事——就像當年流水線剛出來時一樣，有人抱怨連連，有人默默適應，最後所有人都得跟著時代走。
技術進步的背後，總是伴隨著對人性與創造力的考驗。
當AI走進程式設計師日常
普林斯頓大學、麻省理工學院等機構的研究者，在微軟、埃森哲和一家匿名公司開展了大規模實地實驗，試圖透過真實的工作場景，探究生成式AI對軟體開發人員生產力的影響。
這項研究聚焦於GitHub Copilot，一款由GitHub與OpenAI合作開發的AI程式碼助手，能根據上下文生成程式碼補齊建議，已被超過130萬用戶和5萬家企業使用。
實驗涵蓋了近5000名軟體開發人員，其中微軟1746人、埃森哲320人、匿名公司3054人。
這些人員涵蓋了從初級到高級的不同職位，任務包括程式碼編寫、測試和專案管理等多個環節。
研究者透過GitHub的版本控制數據，追蹤了三個核心指標：
任務完成量（拉取請求數）：衡量開發人員完成的獨立工作單元，例如新增功能或修復漏洞。
程式碼活躍度（提交次數）：記錄程式碼修改的頻率，反映開發過程中的迭代效率。
編譯效率（建構次數）：評估程式碼編譯的成功次數，間接反映程式碼品質和開發流程的順暢度。
整體效率提升26%
研究者發現：使用Copilot的開發人員每週完成的任務量平均增加26.08%，程式碼提交次數增加13.55%，編譯次數大幅增加38.38%。
這表明，AI助手不僅加速了任務完成，還激發了更頻繁的程式碼迭代和測試。
實驗揭示了一個有趣的現象：經驗較少的開發人員對Copilot的接受度更高，且生產力提升更明顯。
初級開發人員的產出提升21%-40%，高階人員僅提升7%-16%。
為什麼新手更受益於AI？
新手更願意接受Copilot的程式碼建議，他們將AI視為智能助手，用於填補知識盲區。
新手常透過「試錯-編譯-調整」的循環學習，Copilot的即時建議減少了無效嘗試。
編譯次數的激增（+38.38%）反映了他們更頻繁地驗證AI生成的程式碼，而建構成功率未顯著下降，說明AI建議的整體品質可控。
儘管Copilot無需額外投資即可使用，仍有30%-40%的開發人員從未嘗試。
資深開發者更依賴手工程式設計的掌控感，認為AI可能破壞程式碼風格的一致性。
部分開發者擔心AI生成的程式碼存在安全漏洞或版權風險，尤其是在處理敏感專案時。
企業應針對性地推動AI工具普及，例如為新手提供培訓，鼓勵團隊將Copilot用於重複性任務（如程式碼模板生成），釋放高經驗員工的創新力。
新手可藉助AI加速基礎程式設計，騰出時間學習架構設計等高階技能；資深開發者則應聚焦AI難以替代的領域，如複雜系統最佳化和需求分析。
隨著AI技術的迭代，如何平衡工具與人類創造力，將成為所有知識型工作者需要思考的命題。
參考資料：
https://www.nytimes.com/2025/05/25/business/amazon-ai-coders.html
https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4945566