AI 正在讓科技業變成「傳統產業」
當技術不再是護城河，我們該掌握什麼？
過去十年，「科技業」三個字代表著光鮮亮麗、高門檻與不可替代性。但在生成式 AI 爆發的今天，AI 正在讓許多科技產業變成了「傳統產業」。
這並不是說科技業將會衰退，而是指它「不再神秘」。寫程式、開發系統不再是少數人的黑魔法，而是逐漸變成像操作機台一樣的標準化技能。
這讓我回想起過去我在政大東亞所求學的一段經歷。東亞所是個專門研究中國政治與兩岸關係的學術殿堂，理論往往艱澀且深鎖在象牙塔中。為了打破隔閡，許多教授們致力於「知識科普」，努力將高深的學術語言「轉譯」成大眾聽得懂的邏輯。當時出版《中國大陸概論》、《從一所看一學科：政大東亞所與台灣的中國大陸研究》等書籍，正是貫徹這個概念，目的是讓更多人能參與討論，因為知識的普及才是真正推動社會理解、推動進步的關鍵。
而現在，我看到了這種普及化的奇異點。
過去我在 Threads 上觀察網友討論政治議題，發現許多人開始透過 ChatGPT 來理解複雜的政治理論與現實脈絡。以往要獲取這些知識，往往得先知道專有名詞，再透過 Google 搜尋權威來源。但 Web 1.0 畢竟是單向的知識輸出，閱讀門檻仍高；而進入學院體系深度研究，雖然互動性高，卻是極少數人的特權。
現在，人們可以直接與 ChatGPT 對話，觸碰到知識的核心與多元觀點。這是我第一次感受到 AI 帶來的衝擊——它讓各種知識理論在「取得」與「轉譯」上的成本大幅降低。
同樣的邏輯也發生在軟體業。原本屬於少數工程師的「程式碼」，被 AI 轉譯成了人人都能操作的自然語言。這預示著我們將迎來「文明加速」——可是，當技術變得不再神秘、門檻被夷平的同時，我們該如何重新定義自己的價值？
一、未來，AI 就是像水電一樣的基礎設施
回想幾年前，雖然 AlphaGo 的問世造成轟動，但當時誰也沒想到 AI 竟然會變成像水電一樣的日常存在。其實直到 Transformer 模型（也就是 ChatGPT 背後的基石技術）橫空出世，AI 才真正站上了歷史舞台，以 Chat 的形式與一般大眾有了第一次的親密接觸（我也是在那時才開始接觸 AI）。
那一刻，世界變了。甚至我相信在不久的未來，我們不會因為一家公司「有水電」而覺得它很厲害。因為 AI 將成為數位世界的基礎設施。
我們也看到應用層面的演進：從最初單純的 AI Chat 諮詢，到現在各行各業積極採用 AI Agent（人工智慧代理） 來加速流程。這與過去的自動化工具並不相同，AI Agent 不只是「節省時間」，更是在「持續活化產能」。
當 AI 像水流一樣滲透進每一個環節，除了少數開發模型的頂尖企業外，其餘企業比拚的可能不再是「誰擁有 AI」，而是「誰能用 AI 創造出最好的服務」。當技術本身不再是優勢，如何運用這項基礎設施才是關鍵。
二、拒絕販賣焦慮：AI 是來解決「結構性問題」的
在這樣的變革下，「AI 會讓人類失業」的論調一直在網路上流傳——今天是工程師首當其衝，明天不知道輪到哪個產業。但我其實並不喜歡這種說法，因為它將人類與 AI 放到了對立面。我們必須釐清一個區別：
- 職業的本質，是一場追求效率的精確分工。 若 AI 能代理日常事務，人類反而將流向「解決問題」與「決策方向」的高價值區塊——這是一場逐步 Upskill（技能提升） 與 Reskill（技能重塑） 的過程。
- AI 的強項，是解決那些規模過大、重複性過高的任務。 例如海量的數據分析、重複性的程式碼生成、跨語言的即時翻譯。這本質上並不會剝奪人類在創意、同理心與複雜決策上的價值。AI 不是來搶工作的，它可能是來幫我們把時間贖回來的救世主。
最近我參加了 Cursor Meetup，聽了 Ian（Cursor 第 7 號員工） 的分享，讓我悄悄地證實了上面的想法。他的個人工作流展示了如何與 AI 協作，透過「Plan Mode」（讓 AI 先規劃、再執行程式碼），將腦中稍縱即逝的靈光一閃（Flash Idea）快速轉化為現實。這個場景讓我產生了 3 個深刻的體悟：
- 審核力（Approve or Reject）： 我們必須掌握更細致的產業知識，才有能力去驅動、判斷 AI 的表現，進而決定是 Approve 還是 Reject。
- 探索知識邊界（Knowledge Boundary）： 我們不再受限於個人經驗，而是可以要求 AI 跳脫框架：「有什麼是我沒想到的？」或「哪裡還可以優化？」。很多時候迭代不夠快，是因為回饋來得不夠快，而現在的 AI 已經能提供即時的高品質的反饋。
- 流程力（Workflow）： 我們必須很清楚制定流程來驅動 AI，讓 AI 能夠不斷地自動工作下去，我們才能夠真正做到省下時間「去海邊釣魚」。
這正是 AI 時代最理想的狀態：人們負責定義與審核，AI 負責持續執行，甚至過程中跟著 AI 一起進步。
三、決勝點回歸：跳脫 JD 的框架，成為「解決問題的人」
如果技術變得廉價，那我們該追求什麼？今年我在 PyCon 2025 的一場演講中找到了答案。
當時，台下許多聽眾焦慮地問著講者——FastAPI 的作者 Sebastián Ramírez (Seb)：「AI 時代來臨，美國軟體業大裁員，我們現在學的技術會不會派不上用場？會不會找不到工作？」
Seb 分享了他獨特的成長路徑。他沒有讀大學，甚至求學階段大多是自學（Home Schooling）。他說，他從未抱持著「學習技能是為了找工作」的想法，而是「學習技術是為了去解決問題」，甚至當時 FastAPI 只是為了解決某一個小問題，沒想到大家都有共同的痛點。
他給了現場所有人一個極具啟發的觀點：
「如果你能解決一個產業的小問題，你未來就能解決更大的問題。當你能持續解決問題，你就會有價值，很多人會拿著錢來找你，這才是你的價值所在。」
這段話讓我反思許久。我們身邊有太多人，在現有的社會結構下，被市場上的 JD（Job Description，職缺描述） 給綁架了。我們習慣看著條列式的需求去填補自己的技能樹，彷彿只要符合了結構，就能獲得安全感。
但在 AI 讓科技業「不再神秘」的今天，這種「為了就業而學習」的結構正在瓦解。
真正的護城河，不再是你會寫多少種語言擁有多少技能，而是你對於這個產業的 Domain Know-How 有多理解，能夠提出更好的 Solution —— 你是否深刻理解某個產業的痛點？你是否知道哪裡有「真實的問題」等待被解決？
一個懂 AI 的資深會計師，價值絕對高於一個只會寫 Code 但不懂會計流程的工程師。因為前者是「用技術解決問題的人」，而後者只是「技術的操作者」。
結語
回顧從東亞所看見的知識科普推動到親身經歷 Threads 上網友們利用 AI 的知識探索。甚至享受 Seb 在 PyCon 分享的職涯哲學與 Ian 在 Cursor 分享的工作流，這一切在過去可能需要好幾年的探索與轉化，但現在卻真真實實地感受到時代正在跳躍。
AI 帶來的技術平權與知識轉譯，正在加速科技文明的進程。在這個時代，紅利不屬於那些焦慮技術被取代、死守著 JD 框架的人，而屬於那些敢於踩在 AI 肩膀上，去解決產業真實問題的人。
我相信，未來許多往往只在科技業的概念——如快速迭代、快速失敗（Fail Fast）——將會慢慢滲透到一般產業上面，促使整體產業升級，速度可能比我們預期來的快。
這是一個技術普及、專業落地的時代。或許我們應該停止焦慮，轉向成勇敢地找到你熱情的產業，抓緊你的 Domain Know-How，享受迭代與進步帶來的複利，那才是無法被複製的護城河。
