1. AI 取代開發者失敗的原因：程式碼品質與維護成本問題 [1]

AI 曾被寄予厚望能取代開發者並降低成本，但實際上卻導致程式碼品質下降、維護成本飆升，並增加了資安風險，反而加重了資深開發者的負擔。

1.1. AI 程式碼效率的假象與實際問題 [9]

  1. AI 程式碼產出速度快但品質差 [9]
    1. AI 預期能將程式碼產出速度提高 4 到 10 倍，理論上能更快推出產品並增加利潤。 [10]
    2. 然而，程式碼產出速度快不等於程式碼品質好，這正是 AI 程式碼效率問題的核心。 [13]
  2. 程式碼流失率大幅增加 [15]
    1. 程式碼流失率是指程式碼被編寫、修改或丟棄的頻率。 [16]
    2. 根據 GitClear 對 2.11 億行程式碼的分析，自 AI 程式碼導入以來，流失率增加了一倍多。 [17]
      • 2021 年，流失率約為 3.3%，意味著每 1,000 行程式碼中，有 33 行需要重寫或丟棄。 [18]
      • 到了 2025 年，流失率增加到 6.87%，導致維護和審查成本增加，並帶來漏洞。 [25]
    3. 開發者花越多時間修復錯誤程式碼，就越少時間開發新產品，而理想的流失率應盡可能接近零。 [20]
  3. AI 程式碼存在嚴重資安風險 [27]
    1. Veracode 分析顯示，100 到 150 個大型語言模型（LLM）生成的 AI 程式碼中，有 45% 至少包含一個已知的安全風險。 [27]
    2. 這表示只有略多於一半的 AI 生成程式碼能通過基本的安全測試。 [28]
    3. 不同程式語言的失敗率有所差異：Java 的失敗率超過 70%，Python 則約為 38%。 [29]
  4. AI 程式碼未能有效提升產品交付速度 [33]
    1. DX 研究公司在 2024 年 11 月至 2026 年 2 月間分析了 400 多家公司，發現儘管 AI 工具使用率增加了 65%，但軟體交付量並未顯著提升。 [33]
    2. 每位開發者完成的 Pull Request（PR）數量中位數僅增加了 7.76%，顯示 AI 帶來的效益微乎其微。 [36]
  5. AI 輔助軟體的總持有成本更高 [40]
    1. 原本被宣傳為能降低成本的 AI 技術，反而成為成本倍增器。 [41]
    2. 2026 年的產業分析預測，到 2027 年，AI 輔助軟體的總持有成本（TCO）將比傳統開發高出 30% 到 40%。 [42]
    3. GitClear 的數據顯示，若未妥善管理，使用 AI 程式碼兩年後，維護成本可能達到傳統水準的四倍。 [44]
    4. 修復兩倍多的錯誤既耗時又昂貴，且錯誤一旦進入正式產品，問題會更嚴重，除了工程成本外，還可能導致資安事件、合規罰款和法律問題。 [43]
    5. AI 程式碼生成速度雖快，但因錯誤百出，導致審查流程堵塞，審查人員需花更多時間確保程式碼正常運作，使得公司在審查期間持續虧損。 [50]
    6. 最終，AI 並未取代開發者，反而創造了新的需求，讓開發者來清理其造成的混亂。 [57]

1.2. AI 導致初階開發者人才斷層與產業結構變革 [59]

  1. 科技業裁員主要針對初階開發者 [59]
    1. 2022 年至 2025 年間，科技業裁員數萬名開發者，其中主要被裁減的是負責基礎工作的初階開發者。 [59]
    2. 公司選擇 AI 而非初階開發者，因為 AI 訂閱費用遠低於初階開發者的年薪。 [62]
    3. 數據顯示，2023 年至 2024 年間，初階科技職位發布量下降了約 25% 至 35%，新畢業生招聘量比疫情前水準下降約 50%，此趨勢延續至 2025 和 2026 年。 [64]
  2. 資深工程師需求激增，但角色轉變 [68]
    1. 與初階開發者裁員同時，對資深工程師的需求卻大幅增加。 [68]
    2. 2024 年，要求 10 年以上經驗的職位申請量增加了 27%，要求 5 到 10 年經驗的職位申請量增加了 40%。 [69]
    3. 2026 年初，資深職位佔 IT 職位總數的 41% 以上，遠超整體市場。 [70]
    4. 然而，這種資深職位激增是「虛假的復甦」，掩蓋了初階職位的崩潰。 [72]
  3. 軟體開發產業結構從金字塔轉變為鑽石型 [74]
    1. 過去，團隊結構像金字塔，初階開發者從底部開始培訓，逐步晉升為中階和資深職位。 [75]
    2. 現在，結構更像鑽石型，初階開發者招聘量極少，中階和資深開發者變得炙手可熱。 [77]
    3. 「初階職位」的定義也改變了，現在通常要求 2 到 5 年經驗，導致真正的初階求職者面臨嚴峻市場，比 2022 年縮小了約 35%。 [79]
  4. 資深工程師成為「全職清潔工」 [84]
    1. 產業結構倒置是為了應對 AI 生成程式碼的錯誤和漏洞。 [84]
    2. 公司急需資深開發者來查找和修復 AI 程式碼中的錯誤。 [85]
    3. 過去，初階開發者負責基礎程式碼編寫、測試和改進，減輕了資深開發者的審查負擔，讓他們專注於高階任務。 [89]
    4. 現在，由於 45% 的 AI 程式碼存在安全漏洞，且需要兩倍多的額外工作，資深開發者的角色轉變為「全職清潔工」。 [93]
    5. 這種情況導致資深開發者倦怠感增加，整個組織效率停滯，抵消了 AI 取代初階開發者帶來的理論速度提升。 [96]
  5. 初階開發者人才斷層的「死亡螺旋」 [99]
    1. 削減初階職位實際上破壞了未來的人才管道。 [100]
    2. 過去，初階開發者透過多年經驗逐步晉升，但現在這條鏈條斷裂了。 [102]
    3. 在短短兩到三年內，產業可能面臨中階工程師嚴重短缺的問題，因為他們沒有經歷過修復 AI 錯誤的學徒階段。 [105]
    4. 這產生了一個令人擔憂的矛盾：如果沒有初階開發者獲得經驗成為資深開發者，那麼新的資深開發者將從何而來？ [106]

2. 科技巨頭的隱藏債務與「AI 洗白」現象 [108]

科技巨頭為 AI 基礎設施投入巨資，卻面臨投資回報壓力，導致他們透過「AI 洗白」來合理化裁員和成本削減，以維持股價。

2.1. 科技巨頭的 AI 投資與隱藏債務問題 [108]

  1. AI 投資未能帶來預期效益 [108]
    1. 選擇用 AI 輔助而非取代開發者的公司已開始受益，AI 對他們而言是「力量倍增器」。 [108]
    2. 但對於那些因 AI 而「掏空」的公司，AI 卻是「力量除數」，導致成本飆升而利潤停滯。 [109]
  2. AI 支出熱潮與廉價債務的累積 [112]
    1. 科技公司裁員並非主要因為 AI 效率大幅提升，而是因為更深層次的原因。 [113]
    2. AI 支出熱潮始於疫情前利率接近 0% 的「廉價資金」時期，科技巨頭大量舉債以擴張業務和回購股票，推高股價。 [116]
    3. 疫情期間，微軟和亞馬遜等公司認為封鎖改變的消費者行為將持續，因此大舉招聘開發者以啟動 AI 建設，並透過更多債務來資助增長。 [118]
    4. 疫情結束後，全球經濟因政府注資而通膨飆升，聯準會為抑制通膨而多次升息，導致科技公司的利率從 0.25% 飆升至約 5%。 [122]
    5. 這些廉價債務突然變得不再廉價，對背負 1.65 兆美元表外債務且不斷增長的五大科技巨頭來說是個巨大問題。 [127]
  3. 表外債務規模驚人且風險巨大 [128]
    1. 儘管償債成本更高，科技巨頭仍加倍投入 AI 基礎設施建設，導致表外負債自 2022 年以來增長了八倍。 [129]
    2. Meta 擁有最大的隱藏負擔，約 4,200 億美元，幾乎是其報告債務的三倍。 [132]
    3. Oracle 的表外承諾暴增 30 倍，達到約 2,730 億美元；Alphabet、微軟和亞馬遜也持有其餘部分。 [133]
    4. 這種巨額債務對投資者具有誤導性，因為公司將這些義務保留在主要資產負債表之外，掩蓋了真實的槓桿率。 [135]
    5. 投資者和信用評級機構可能因此低估財務風險，導致資產價格虛高，這是在「玩火」。 [137]
    6. 這種「創意會計」手法類似於幾十年前安隆案的核心問題。 [139]
    7. 大部分負債是資料中心的長期租賃、硬體採購承諾等固定且強制性的支付，這增加了另一層風險。 [140]
    8. 如果 AI 熱潮帶來的預期收入未能及時覆蓋利息，這些公司將面臨財務懸崖，其債務規模甚至超過少數國家的 GDP。 [142]

2.2. 投資者壓力與「AI 洗白」現象 [145]

  1. 投資者對 AI 效率炒作失去信心 [145]
    1. 在 AI 炒作時期，投資者大量投入科技巨頭，相信高額回報會很快實現，推高了這些公司的股價。 [146]
    2. 如今，股市約三分之一的價值集中在所謂的「七巨頭」公司，但這種集中是危險的。 [150]
    3. 聰明的投資者不再相信 AI 效率的炒作，他們要求科技巨頭拿出實際的利潤。 [151]
  2. 科技巨頭面臨的財務困境 [153]
    1. 科技巨頭已在 AI 上投入數兆美元，並計劃投入更多，同時又在削減預算以彌補疫情期間的過度支出並資助 AI 建設。 [153]
    2. 在高利率環境下，平衡這些帳目變得更加困難。 [155]
    3. 投資者要求看到營收增長，或至少在支出與回報之間建立更可持續的平衡，這意味著大規模裁員和其他形式的成本削減。 [156]
  3. 「AI 洗白」：將裁員歸因於 AI 效率以維持股價 [159]
    1. 當公司誠實地承認問題時，市場會做出負面反應。 [159]
      • 2023 年 Salesforce 裁員 8,000 人，理由是過度招聘和宏觀經濟疲軟，導致股價在隨後幾個月下跌約 32%。 [160]
      • Nike 裁員約 800 人以加強自動化，股價因此下跌近 35%。 [161]
    2. 然而，如果公司將緊縮政策和裁員歸因於 AI 效率，市場反應則截然不同。 [163]
      • 2023 年 Meta 宣布大規模裁員，明確與「效率年」和 AI 重新分配掛鉤，其股價在隨後一年飆升超過 190%。 [164]
      • Alphabet 在 2023 年初裁員 12,000 人，同時強調 AI 整合，股價在一天內上漲約 5%。 [166]
    3. 2026 年對 S&P 500 公司的研究發現，56% 宣布與 AI 相關裁員的公司，股價平均下跌 25%。 [168]
    4. 但如果公司表示「我們裁減 10% 的員工是為了將資金轉移到高利潤的 AI 代理上」，股價就會上漲，因為市場將其解讀為未來的利潤。 [169]
    5. 這一切都歸結於公關策略，創造了 CEO 將任何成本削減措施包裝成 AI 轉型的強大動機，這種做法被稱為「AI 洗白」。 [171]
  4. 「AI 洗白」現象日益普遍 [174]
    1. 2026 年 5 月，Challenger, Gray & Christmas 報告指出，AI 成為裁員最常被引用的原因，而兩年前這類別幾乎不存在。 [175]
    2. 德意志銀行 7 月的分析發現，2026 年上半年財報電話會議中提及 AI 顛覆的次數比 2025 年底增長了 310%。 [177]
    3. 當 CEO 提及 AI 效率時，通常會伴隨裁員。 [178]
      • 2026 年初，亞馬遜 CEO Andy Jassy 表示，由於 AI 效率提升，公司將需要更少的人力，隨後裁員 16,000 人。 [179]
      • Meta 裁員 8,000 人，同時將 7,000 人轉移到 AI 職位，將此舉包裝為「AI 優先未來」的必要重新分配。 [181]
    4. 這種日益明顯的趨勢有助於維持股價在可能被嚴重高估的水準，但並未解決隱藏債務、有問題的 AI 程式碼以及開發者人才可能永久性流失的根本問題。 [183]

3. AI 經濟的三種未來情境 [184]

AI 經濟的未來存在三種可能情境：最佳情況是 AI 帶來生產力爆炸式增長，最差情況是引發全球經濟崩潰，而最有可能的是緩慢的泡沫消退，導致市場永久性分化。

3.1. AI 經濟的最佳、最差與最可能情境 [184]

  1. 最佳情境：AI 帶來生產力爆炸式增長（15% 機率） [184]
    1. 根據高盛、麻省理工學院和國際清算銀行的 2026 年數據，目前生產力下降只是暫時現象，是新技術革命的「安裝階段」。 [184]
    2. 有人預測，到 2027 年底，AI 模型將實現可靠的「代理推理」，從程式碼生成發展到完整的系統架構和自我修復。 [185]
    3. 屆時，所有程式碼問題將消失，開發生產力將呈指數級增長，全球 GDP 將大幅提升，使巨額隱藏債務變成精明的投資。 [187]
    4. 所有被取代的員工將轉型為高價值的 AI 協調角色。 [189]
    5. 這種情況發生的機率約為 15%。 [190]
  2. 最差情境：AI 泡沫破裂導致全球經濟崩潰（25% 機率） [191]
    1. 這種情況可能像 2000 年的網路泡沫破裂，但規模更大。 [191]
    2. 僅少數幾家公司因 1.65 兆美元的表外負債而破產，就可能引發信用緊縮，導致 AI 泡沫破裂。 [192]
    3. 數兆美元的全球財富將被抹去，資料中心將被廢棄，能源合約變成有毒資產。 [193]
    4. 初階開發者人才斷層將成為永久性問題，由於沒有初階職位，資深開發者又因維護錯誤的 AI 程式碼而精疲力盡，科技業可能萎縮高達三分之一。 [195]
    5. 隨之而來的是嚴重的全球經濟衰退，軟體的未來將難以預測。 [197]
    6. 這種結果發生的機率約為 25%，雖然仍相對較低，但比最佳情境更高。 [198]
  3. 最可能情境：緩慢的泡沫消退與市場永久性分化（最有可能） [199]
    1. 最可能的結果是「混亂的中間地帶」，即炒作緩慢消退而非災難性崩潰，導致市場永久性分化。 [199]
    2. 「AI 洗白」的敘事最終將失效，市場將不再獎勵提及 AI 的公司，而是懲罰那些無法證明實際收益的公司。 [200]
    3. 只有 5% 到 12% 選擇「輔助」而非「取代」人類的公司將開始產生可觀的回報。 [202]
    4. 1.65 兆美元的負債將繼續被償還，但會日益拖累增長，科技巨頭將經歷多年的緊縮以償還隱藏債務。 [203]
    5. 軟體開發產業將轉變為一種或多或少永久性的「鑽石型」結構，由少數精英團隊利用 AI 運作。 [205]
    6. 這些團隊將由數量不斷減少的中階工程師支援，幾乎沒有初階開發者。 [206]
    7. 產業將面臨更高的成本、斷裂的人才管道以及需要十年或更長時間才能清除的債務後遺症。 [207]
    8. 這已是最好的情況。 [208]
    9. AI 效率不再是企業流行語，而是經濟大規模轉變的警訊。 [209]
    10. 如果你是初階開發者，且你的 CEO 開始談論 AI 效益，那麼最好開始找工作了。 [211]