為什麼程式設計師不該拒絕在沒有 AI 的情況下工作
程式設計師把 AI 當成工作門檻，短期看似更快，長期卻會累積維護債、扭曲績效衡量，並放大品質風險。
程式設計師不該把 AI 當成工作門檻，因為這會把短期速度換成長期維護債。
程式設計師應該停止拒絕在沒有 AI 的情況下工作，因為這個習慣正在扭曲生產力、墊高成本，還把品質問題藏到上線之後才爆出來。2025 年 METR 的研究指出，開發者使用 AI 時主觀上覺得更快，但實測結果反而更慢；到了 2026 年，團隊重跑實驗時，許多開發者甚至拒絕在沒有 AI 的情況下參與。這不是成熟，而是工具先變成依賴，團隊卻還沒學會衡量它的真實價值。
第一個論點
訂閱 AI 趨勢週報
每週精選模型發布、工具應用與深度分析，直送信箱。不定期，不騷擾。
不會寄垃圾信，隨時可取消。
AI 讓程式寫得更快，不代表讓系統更便宜。工程團隊真正買單的不是程式碼行數，而是可長期維護、可持續演進的系統。James Shore 的提醒很直接：如果 AI 把撰寫時間砍半，卻沒有降低維護成本，團隊只是買到短暫加速，卻背上永久債務。這對任何認真的 codebase 都不是划算交易。
這筆債已經有具體跡象。新加坡管理大學研究者在 4 月警告，AI 生成的程式碼會把長期維護成本帶進真實專案。這很重要，因為多數軟體預算不是花在發佈當下，而是花在之後的修 bug、重構、讀懂舊邏輯。功能若是快速上線，卻持續產生錯誤、脆弱依賴與難懂抽象，那不是成功，而是延後付款。
第二個論點
第二個問題是，AI 正在扭曲公司對績效的理解。Amazon 據報曾關閉內部 token 追蹤排行榜，因為員工用過度使用 AI agents 的方式去鑽制度漏洞。這說明 proxy 指標一旦被當成目標，就會把人推向追求可見的 AI 活動，而不是追求真正結果。最後組織獎勵的是「看起來很快」，不是「真的更有效」。
Uber 的案例更直接。據報它在 2026 年前四個月就燒光了全年 AI 預算，而 COO 也表示，這筆支出沒有帶來可衡量的專案數或生產力提升。這應該足以打破「AI 用得越多，價值就越大」的幻想。如果預算暴增、吞吐量卻沒變，那工具不是在增強組織，而是在放大費用。
反方可能怎麼說
最強的反方論點很簡單：開發者本來就已經在用 AI，而且在正確場景下，效率提升確實存在。對於重複性工作、樣板碼、測試生成、快速原型，AI 能消除原本拖慢團隊的摩擦。在人才稀缺、交期緊迫的環境裡，拒絕 AI 看起來就像拒絕槓桿。支持 AI 的人說得沒錯：忽視這些工具的團隊，會落後於善用它們的團隊。
但這個論點一旦把「偏好」變成「政策」，就站不住腳。問題不在於 AI 輔助本身，而在於拒絕在沒有 AI 的情況下工作，這會讓團隊更脆弱、更難衡量，也更依賴一個自己無法完全控制的工具。正確標準不是「處處用 AI」，而是「在有幫助的地方用，並證明它真的有幫助」。如果團隊無法審核輸出、無法追蹤維護影響、也無法在模型失效時照常交付，那他們不是採用了生產力工具，而是把判斷力外包了。
你能做什麼
工程師、PM、創辦人都應該把 AI coding 工具當成一個高產出、但品味不穩定的初階同事來管理：可用於草稿、腳手架與重複工作，但架構、安全性、以及會活超過一個 release cycle 的東西，必須保留人工審查。績效指標應該看缺陷率、審查時間、維護成本，而不是 token 數或自我感受的速度。如果 AI 真的有幫助，數字會證明；如果只是讓人覺得更快，軟體遲早會把債收回來。