在 InfoQ 的 QCon AI 會議中，Doubleword 共同創辦人兼執行長 Meryem Arik 分享了她對 2030 年軟體工程面貌的前瞻預測。Arik 指出，隨著 AI 能力的飛躍，軟體開發的核心矛盾將從「如何編寫程式碼」轉移到「如何管理海量 Token 成本」、「如何協調多代理人系統」以及「如何在非技術人員都能開發軟體的環境中維持系統穩定性」。她認為，未來的 IT 組織將不再是技術壟斷的堡壘，而會轉型為賦能全公司的平台團隊。
Token 成本管理與 Jevons 悖論
目前企業對 AI 的使用仍處於早期階段，但 Token 支出（Token Spend，指使用大型語言模型時消耗的計算單位成本）已成為顯著的財務壓力。儘管單個 Token 的價格因開源模型的競爭與蒸餾技術（Distillation，將大型模型的知識轉移到小模型以提升效率）而持續下降，但總支出卻在飆升。
這種現象符合 Jevons 悖論（Jevons Paradox），即技術進步導致資源利用效率提高，反而刺激了對該資源的需求增加。隨著應用從簡單的聊天機器人演進到 RAG（檢索增強生成，讓 AI 能讀取私有數據）、推理模型，最後發展至複雜的代理人（Agents）系統，每個階段對 Token 的需求量呈指數級增長。到 2030 年，如何精確地將 Token 成本歸因到具體業務並進行預算管理，將成為企業 IT 治理的核心議題。
軟體開發的民主化與 IT 角色轉型
Arik 預測，軟體開發的邊際成本將趨近於零。當非技術人員（Non-technical builders）能透過 AI 工具在數十分鐘內建構出功能完備的應用程式時，企業內部將出現「應用程式的寒武紀大爆發」。過去企業傾向於用少數幾個大型軟體（如 Salesforce）滿足所有需求，是因為開發與維護成本高昂；未來則會出現數以千計、高度客製化的微型應用。
這種趨勢將帶來嚴峻的治理挑戰，包括誰來對 AI 生成的程式碼負責、如何防止數據孤島（Data Silos）以及如何應對惡意 AI 攻擊。因此，IT 部門的角色將從「寫程式的人」轉變為「提供開發基建的人」。IT 團隊將演變成平台團隊（Platform Team），定義標準、建立問責框架，並提供安全且標準化的組件，讓非技術員工能在受控的環境中解決問題。
基礎設施的代理人化與並行架構
在基礎設施選擇上，AI 代理人正在成為新的「購買決策者」。由於許多 AI 編碼工具（如 Cursor 或 Claude）在生成方案時具有特定的偏好（例如傾向使用 Supabase、Vercel 或 Stripe），開發者在不知不覺中會被引導至特定的技術棧，導致一種新型的供應商鎖定（Vendor Lock-in）。
在應用模式上，Arik 提出了「測試時縮放」（Test-time Scaling）的概念，即投入更多推理計算量（Tokens）來提升模型智能。她預測，並行代理人（Parallel Agents）將取代目前的線性代理人成為主流。線性代理人採取順序執行，而並行架構則同時啟動多個子代理人處理任務，最後再進行結果聚合（Aggregation）。這種模式能顯著降低延遲、提高準確率，但也會帶來極端且不穩定的工作負載，對基礎設施的容量規劃（Capacity Planning）與記憶體管理提出更高要求。
法律監管與工程師能力模型的重構
在社會面，Arik 預期 AI 監管將在 2028 年後進入嚴格執行期。隨著 AI 對經濟產生實質影響，大眾的擔憂將轉化為政治壓力，導致 2030 年的工程師必須在極其嚴苛的法規環境下開發系統。
最深刻的變革將發生在工程師的能力定義上。傳統的軟體工程能力模型著重於技術棧（Tech Stack）的深度與系統所有權（Ownership）。但在 2030 年，純粹的編碼技能重要性將大幅下降。未來的頂尖工程師將更像是一位「指揮家」（Conductor），其核心價值在於： 第一，產品思維（Product Thinking），能精準定義需求並將其轉化為 AI 可執行的指令。 第二，多代理人協調能力，能同時管理 5 到 10 個 AI 代理人來交付複雜項目。 第三，效率最大化，即在薪資成本與 Token 消耗之間，尋找產出比最高的最優解。
總結來說，Arik 認為到 2030 年，AI 將不再是一個獨立的技術類別，而是融入所有軟體工程的基礎。屆時我們不再討論「AI 工程」，因為所有的工程開發本質上都將是 AI 驅動的。
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。