Anthropic 執行長：AI 可能在一年內取代大多數軟體工程師

這不是遠未來的科幻預測，而是基於 Anthropic 內部已經在發生的現實——該公司的工程師們已經停止手寫代碼。這場論壇上的發言，連同後續的澄清，揭示了 AI 驅動的軟體開發革命正在加速進行，同時也暴露了許多令人擔憂的問題：junior developer 的職涯路徑正在消失，技能衰退的風險迫在眉睫，而全球（包括台灣）的軟體工程師生態面臨前所未有的轉變。

Amodei 在 Davos 說了什麼？

在與經濟學人編輯 Zanny Minton Beddoes 的對談中，Amodei 直言不諱地表達了他對 AI 進展速度的驚訝。他說：「我 Anthropic 內部的工程師說，我已經不寫任何代碼了。我只是讓模型寫代碼，然後我編輯它，做周邊的事情。我認為我們可能距離模型從頭到尾做完軟體工程師所做的全部工作只有 6 到 12 個月。」

這個預測建立在一個核心觀察上：AI 正在進入一個自我強化的循環。Amodei 解釋，擅長編碼和 AI 研究的 AI 模型正在創造下一代模型，建立起一個加速迴圈。「關鍵問題是這個循環關閉的速度有多快，」他補充道，同時承認晶片製造和訓練時間仍然是主要的限制因素。

這個預測不是一時興起。早在 2025 年 3 月，Amodei 就曾預測 AI 將在 3 到 6 個月內寫出 90% 的代碼。到了 10 月，在 Salesforce 的 Dreamforce 大會上，他確認這個預測已經成真——在 Anthropic 的許多團隊中，Claude 確實在編寫 90% 的代碼。

Anthropic 內部的劇變：從預測到現實

要理解 Amodei 為何如此自信地做出這個預測，必須看看 Anthropic 內部到底發生了什麼。

代碼編寫方式的根本改變

根據 Anthropic 在 2025 年 11 月發布的研究報告，該公司工程師對 Claude 的使用方式已經完全改變：

• 手動代碼編寫幾乎消失：工程師們不再從頭開始寫代碼，而是讓 Claude 生成代碼草稿，然後進行編輯和審查
• 人工介入次數大幅下降：平均每個任務的人工輪次從 6.2 次下降到 4.1 次，減少了 33%
• AI 自主執行能力激增：Claude 可以連續進行的工具調用次數增加了 116%（從 9.8 次增加到 21.2 次），意味著需要人類干預的次數大幅減少

這些數字不只是抽象的指標，它們代表著開發工作流程的根本性轉變。工程師們的角色正在從「代碼製造者」演變為「代碼監督者和架構師」。

生產力的真實收益

Anthropic 內部的不同團隊報告了令人印象深刻的生產力提升：

• API 知識團隊：工程師們現在可以修復他們完全陌生的代碼庫中的 bug——這種工作以前需要召集資深工程師或花費數天來建立上下文
• 產品設計團隊：視覺和狀態管理變更的執行速度提升 2-3 倍
• 增長營銷團隊：運營得「像一支更大的團隊」，能夠處理傳統上需要專門工程資源的任務
• 推理團隊：達到了他們手工操作時會遺漏的邊界情況的全面測試覆蓋

但這些收益並非沒有代價。

被忽視的代價：技能衰退與職業風險

當 Amodei 宣稱公司可能需要同樣多（甚至更多）的工程師時，他沒有提及的是，這些工程師的技能構成正在發生根本性改變——而且不是所有人都能適應這種改變。

Junior Developer 的消失危機

最令人擔憂的現象是 junior 級別職位的急劇減少。根據多項研究：

• 史丹佛研究：22-25 歲軟體開發人員的就業從 2022 年末的高峰下降了將近 20%（截至 2025 年 7 月）
• 哈佛研究：檢查了 28.5 萬家美國公司和 6200 萬工作者，發現當公司開始使用生成式 AI 時，junior 就業在六季內下降 9-10%，而資深就業幾乎沒有變化
• 職位發布崩潰：2022 到 2024 年間，entry-level 職位發布下降了 60%

這不是因為 junior 被大規模裁員——而是因為公司根本停止招聘 junior。Google 和 Meta 招聘的新畢業生比 2021 年減少了大約 50%。Salesforce 甚至宣布 2025 年將停止 junior 招聘。

技能衰退的「監督悖論」

Anthropic 自己的研究中指出了一個關鍵風險：當工程師過度依賴 AI 時，他們監督 AI 的能力會受到損害。一位 Anthropic 工程師表達了這個憂慮：「我更擔心監督和監管的問題……我的技能衰退對我獨立完成任務的能力損害不如對我安全使用 AI 的能力損害大。」

賓州沃頓商學院的新研究調查了近 800 位美國公司決策者，發現：43% 的領導者擔心 AI 工具可能導致技能衰退。當自動化系統移除時，曾經發生在一家會計公司的案例顯示，員工對基本業務流程的技能已經完全喪失。

此外，9 成軟體工程師認為找工作比 2020 年更難，只有 6% 的人有信心在失去當前工作後能達到同樣的薪資。

代碼質量與安全風險

雖然 AI 生成代碼的速度令人印象深刻，但其質量存在嚴重問題：

• 安全漏洞：將近一半的 AI 生成代碼包含安全問題
• 邏輯錯誤：許多生成的代碼包含不安全的預設值和會開啟攻擊面的邏輯錯誤
• 缺乏深層理解：開發人員接受他們不完全理解的解決方案，導致系統知識的逐步喪失

Amodei 的澄清：「我們需要同樣多甚至更多工程師」

值得注意的是，在 2025 年 10 月 Salesforce CEO Marc Benioff 詢問 Anthropic 是否需要更少工程師時，Amodei 明確否認了這一點。他解釋說：

「人們不應該誤解 Claude 寫功能和解決長期 bug 的能力。如果 Claude 寫 90% 的代碼，這通常意味著你需要同樣多的軟體工程師。你可能需要更多，因為他們可以變得更有槓桿作用。他們可以專注於編輯代碼的 10%，或編寫最難的 10%，或監督一組 AI 模型。最終你會變得 10 倍更有生產力。」

這是一個重要但容易被忽視的區別。Amodei 的論點是重新平衡而非替換。然而，現實與這個樂觀願景之間存在巨大的鴻溝：公司實際上在做的是減少招聘，而不是重新部署現有人才。

台灣軟體工程師面臨的特殊挑戰

對於台灣的軟體工程師來說，這場全球 AI 革命帶來了獨特的挑戰和機遇。

市場變化跡象

根據 Motion Recruitment 發布的 2026 年薪資指南，台灣科技市場顯示出明確的分化趨勢：

• AI 專業角色激增：AI 相關職位增加了 49%，反映出 AI 雇聘的快速成長
• 高級職位薪酬下降：資深軟體開發人員的基本薪酬下降 10%，中級 SQL 開發人員下降 7%
• 專業化加速：科技市場變得日益專業化，技能差距擴大的速度超過大多數團隊可以內部補充的速度
• 新興領域：數據安全角色增加 30%，平台工程增加 29%

綠色就業機會

同時，台灣的環保及永續性工作面臨短缺。台灣環境部報告指出，綠領工作者短缺接近 3 萬個職位——是 8 年前的四倍。特別是軟體工程角色成為最緊缺的領域之一，約 6000 個綠色職位未填補。

反思：Amodei 的預測是否準確？

並非所有專家都同意 Amodei 激進的時間表。LessWrong 研究平台在 2026 年 1 月發表分析認為，達到「超人類編程能力」需要 5 到 6 年，而不是 6 到 12 個月。他們質疑「90% 代碼由 AI 編寫」的測量方式，指出這個指標可能受到定義不同而影響。

關鍵問題包括：

• 如何定義「由 AI 編寫的代碼」？是否包括所有生成的代碼或只有被合併的代碼？
• 大型複雜代碼庫中 AI 的表現是否如同小型、熟悉的項目一樣好？
• 安全性和合規性要求是否會限制實際採用？

Anthropic 自己承認了測量的複雜性，並指出他們應該在官方系統卡中更清楚地公布這些數據。

軟體工程的未來面貌

無論時間表多麼精確，以下趨勢似乎是確定的：

職位結構的變化

1. 資深工程師職位穩定或增長：具有 AI 整合和監督能力的經驗豐富工程師仍然是必需的
2. Junior 職位急劇減少：entry-level 機會正在消失，對年輕專業人士構成嚴峻挑戰
3. 新專業角色興起：提示工程師、AI 審計師、模型評估工程師等新角色正在形成
4. 地理套利縮小：遠端工作和 AI 的全球可用性可能會消除傳統的地理薪酬溢價

必需的新技能

• AI 協作能力：有效使用 AI 工具而不是與之競爭的能力
• 批判性思維：評估 AI 輸出並識別潛在問題的能力
• 安全和合規：確保 AI 生成代碼滿足安全和法規要求的能力
• 系統設計：專注於架構和高級設計，而非低級實現
• 跨領域知識：結合特定業務領域專業知識與 AI 工具的能力

對台灣開發者的建議

在這個轉變時期，台灣的軟體工程師應考慮：

1. 提升而非替換：學會與 AI 工具協作，而不是逃避它們。Claude、ChatGPT 等工具的掌握已成為基本技能
2. 往上游移動：如果可能，從 junior 級別向資深或架構職位發展。這些職位相對更安全
3. 專業化求生：考慮進入更專業的領域，如 AI/ML 工程（需求增加 74%）、安全工程或平台工程
4. 持續學習循環：定期在沒有 AI 幫助的情況下練習編碼，以保持批判性思維和深度系統理解
5. 多語言競爭優勢：台灣工程師的英文和中文能力可以在全球 AI 驅動的工作中提供優勢，特別是在 AI 提示工程和中文代碼審查方面

結論：驚人但需謹慎樂觀

Amodei 的預測可能過於樂觀，但趨勢是明確的：AI 正在迅速自動化軟體開發的大部分工作。Anthropic 內部發生的事情不是未來——它已經是現在。

對於業界來說，重要的是采取主動而非被動的立場。公司需要：

• 投資於員工的 AI 整合培訓，而不是簡單地減少招聘
• 建立監督機制以確保代碼質量和安全性
• 創造清晰的職業路徑，包括新興的 AI 相關角色

對於個人開發者來說，關鍵是認識到變化的速度，並主動適應。junior 開發者應該尋求導師指導，以便在 AI 時代獲得深度的系統知識。資深開發者應該擁抱 AI 作為增強工具，同時保持對技術的深入理解。

AI 不會在 6 個月或甚至 2 年內完全接管軟體工程。但它已經明顯改變了遊戲規則。在台灣，在全球——軟體工程師需要認識到這一點，並積極適應新的工作世界。這不是衰退時代的信號；對於那些準備好改變的人來說，這是轉變和機遇的時代。