Anthropic 研究：AI 輔助編程對初級工程師學習能力的影響
近期 Anthropic 發布的一項實驗數據，在工程師社群引發了不小的討論，這份研究直接觸及了當前產業界最不願面對的隱憂，也就是生成式 AI 究竟是在幫助我們進化，還是在削弱我們解決問題的能力。這項實驗邀請了五十二位初級工程師，讓他們在不同的環境下學習一個全新的 Python 函式庫 Trio，這是一個處理非同步寫程式的工具，具有一定的學習曲線。
研究結果相當令人不安，使用 AI 輔助的小組，在後續的概念測試中僅獲得百分之五十二的平均分數，而完全手動的小組卻能達到百分之六十八。這百分之十七的落差，並非單純的數值波動，而是反映了工程師在理解力與除錯能力上的實質下降。身為一名在產業現場觀察多年的工程師，我認為這份數據揭示了一個長期被忽視的結構性危機。
📦 既有學習模式與產業慣性的拆解
- 過往學習新技術的過程高度依賴閱讀官方文件與源碼，這是一個建立基礎認知的必要路徑。
- 傳統的寫程式過程強調透過不斷的嘗試與錯誤來修正邏輯，這種認知掙扎是形塑工程師心智模型的核心。
- 工程師習慣透過邏輯推理來進行除錯，而非依賴機率性的建議，這確保了問題解決的可重複性。
- 知識的獲取往往伴隨著痛苦的思考過程，這種摩擦力雖然降低了短期的產出速度，卻保證了長期技術深度。
- 產業中對於品質的評估，過去是基於開發者對每一行程式內容的掌控程度，而非僅僅看最後的運行結果。
🛠️ 新變化帶來的結構性影響
1. 虛假的生產力成長
實驗數據顯示使用 AI 的開發者平均僅節省了兩分鐘的作業時間，這在統計學上幾乎可以忽略不計，這種現象就像是一條看似截彎取直的交流道，雖然縮短了表面上的導航里程，卻因為在匯流處產生了嚴重的資訊超載與驗證困難，導致交通整體流速反而因為頻繁的認知回堵而停滯不前。
2. 提示詞工程帶來的隱形成本
參與者花費了將近百分之三十的時間在琢磨如何與 AI 溝通，而非思考問題的核心邏輯，這代表工程師的注意力正在從解決技術難點轉向如何操控黑盒工具，猶如在管線系統中花費過多精力去修補漏水的接頭，卻遺忘了水流本身的流向與壓力設計是否符合邏輯。
3. 認知掙扎的全面消失
低分組的開發者傾向將所有問題丟給 AI 生成後直接複製答案，完全避開了理解原理的過程，這種行為讓學習過程失去了必要的阻力，就像是為了省力而拆除了所有的水泵與壓力閥，雖然表面上流體可以順暢流動，但整個系統卻失去了推動高層次邏輯運行的核心動力。
4. 除錯能力的退化與依賴
部分開發者僅在遇到問題時求助 AI 修復錯誤，而不去深究錯誤產生的根源，這導致他們的除錯視野被侷限在極小的局部範圍內，我推測這將導致未來系統維護的複雜度大幅提升，因為沒人能從全局視角理解這些由 AI 拼接起來的邏輯。
5. 學習曲線的崩塌
高分組的開發者是將 AI 作為問答對象來深挖概念，而非單純索取程式碼，這兩者之間的差異決定了技術實力的天花板，如果開發者一開始就習慣讓 AI 接管思考，可能會導致初級工程師晉升為資深開發者的路徑被徹底截斷。
📊 影響評估與產業觀察
對於初級開發者而言，這份數據是一個嚴肅的警訊，如果我們在職涯初期就習慣於這種低摩擦力的開發模式，極有可能在不知不覺中喪失了處理複雜架構的能力。我認為未來軟體開發領域的貧富差距將會擴大，具備獨立思考能力並將 AI 視為輔助工具的工程師，將會與那些只會複製 AI 建議的工程師拉開極大的距離。
從商業角度來看，企業雖然希望透過 AI 提升開發品質與速度，但如果這份速度是以犧牲團隊整體的理解力為代價，那可能是一筆賠本生意。長期而言，企業可能需要重新定義培訓機制，甚至在教育訓練中刻意移除 AI 工具，以確保工程師能夠建立紮實的底層邏輯。我懷疑目前市場上過度吹捧 AI 開發工具的風氣，某種程度上掩蓋了人才素質可能大幅下滑的結構性風險。
這種影響也將波及到軟體外包與電商系統的穩定性，當大量的系統是由一群理解力下降百分之十七的工程師透過 AI 組裝而成時，系統崩潰後的修復成本將會呈指數級增長。對於產品經理與行銷人員來說，這代表未來技術團隊的交付品質可能變得更不穩定，即便交付的速度看起來變快了，隱藏的技術債可能早已在暗處堆積。
🔒 未來的核心挑戰
這項研究讓我們必須重新審視人機協作的本質，工具的演進應當是為了延伸人類的智慧，而不是取代思考的過程。如果我們無法在開發效率與深度學習之間找到新的平衡點，那麼這場由生成式 AI 帶來的技術革命，最終可能會變成一場集體的認知倒退。
我們是否應該在工程師的成長過程中，刻意保留一定程度的低效與痛苦，以換取更深層次的技術掌握力？
個人觀點
這就是我昨天那篇文章裡最擔心的問題，也是我想辦法讓小夥伴不要陷入的困境，至少我還有一點能力協助他們。
Junior 工程師未來會有兩種結果，一種是永遠就只是個 Junior 工程師，一個會逐漸進化成資深工程師。
我認為不幸的消息是，這幾年的 Junior 工程師站在一個很動盪且很糟的起點，很多人可能白白浪費了幾年，而且養成了錯誤的習慣，讓自己未來更難拉回到正軌上。
有些人把 AI 時代和過去比喻成開車和騎馬，我則認為這是錯誤的比喻，它僅能是手動檔和自動排擋的差別而已，你可以輕鬆一點去操縱機械，但你還是得理解原理、習慣路況、了解法規。如果你不想當現代車輛駕駛，你當然可以去選擇搭大眾運輸工具或直接請司機，但當工程師就是要成為駕駛，而不是當個普通使用者。