在生成式 AI 迅速普及的今天，許多初級開發者開始依賴 AI 工具來完成日常的編碼工作。然而，這種趨勢正悄悄地改變軟體工程的學習路徑。根據 InfoQ 訪談 Microsoft 與 GitHub 的 Scott Hanselman，當 AI 承擔了大部分的例行性工作時，業界面臨一個嚴峻的問題：如果初級工程師不再需要透過處理瑣碎、枯燥的基礎任務來磨練技巧，他們將如何成長為具備全局觀的資深工程師？
背景：AI 奪走了「刻意練習」的機會
在傳統的軟體開發學習過程中，初級工程師通常會從處理簡單的 Bug 修復、撰寫基礎功能或執行重複性高的維護工作開始。這些被視為「枯燥」的任務，實際上就像武術訓練中的基礎功，是讓開發者在實踐中理解系統運作、培養對程式碼敏感度的必要過程。
然而，AI Agent（能自主執行任務的 AI 代理）現在能極其高效地生成功能片段。當年輕開發者跳過這些基礎練習，直接進入高層級的「指令對接」或「氛圍開發（Vibing）」，他們可能會在短時間內產出成果，但卻缺乏對系統底層邏輯的深刻理解。這種現象導致開發者在缺乏基礎積累的情況之下的快速產出，容易讓他們產生一種掌握技術的錯覺，實則削弱了他們解決複雜問題的能力。
核心內容：導入醫療級的「導師制（Preceptorship）」
為了應對人才培育鏈條的斷裂，Scott Hanselman 建議軟體產業應參考護理專業的「導師制（Preceptorship）」。在醫療體系中，導師（Preceptor）是一個正式且特定的職位，其核心目標不是完成多少醫療操作，而是「培養出合格的護理師」。
將此模型轉移到軟體工程中，意味著企業需要設立專門的導師職位。這類導師的績效考核指標（KPI）不應是交付了多少行程式碼或完成了多少個功能，而應是他們成功培養出多少名合格的資深工程師。這種模式將導師的角色從單純的技術領隊（Tech Lead）轉變為人才的「鑄造者」，確保初級工程師在 AI 輔助開發的過程中，依然能獲得必要的指導、反饋與成長路徑。
技術脈絡解讀：AI 的能力邊界與人類的監督角色
在討論培訓模型之前，必須釐清 AI 在開發中的能力邊界。Hanselman 指出，AI 非常擅長「生成功能（Features）」，但在「設計架構（Architecture）」方面表現糟糕。AI 傾向於採取近視的視角，容易忽略整體脈絡，甚至在開發過程中不自覺地創造出所謂的「上帝物件（God Object）」——即一個承載過多功能、導致系統過於臃腫且難以維護的巨型結構。
因此，未來工程師的核心價值將從「撰寫程式碼」轉向「審核與協調」。人類開發者必須扮演審核者（Reviewer）的角色，確保 AI 產出的內容符合長期的架構目標，而非僅僅是短期內能跑通的程式碼。如果工程師失去了對程式碼的掌控力，將整個決策權交給 AI，系統最終會因為缺乏一致的設計理念而崩潰。
影響與限制：遠端工作、孤獨感與長期主義
除了技術層面的挑戰，現代開發環境的社會學因素也影響著人才成長。遠端工作、社群媒體成癮與 AI 的結合，將開發者推向了極度的孤立。當一個初級工程師在家中透過提示詞（Prompt）與 AI 互動，而缺乏與資深前輩在白板前討論、面對面交流的機會時，他們不僅失去了學習非正式知識的管道，更難以進入深度工作的「心流狀態（Flow State）」。
從企業經營的角度來看，許多公司陷入了「短期超最佳化（Hyper-optimization）」的陷阱，傾向於減少初級職位的招聘，試圖用 AI 取代低階人力以降低成本。然而，這相當於「吃掉種子玉米」而非將其種植。如果企業不願意在短期內投入成本培養初級人才，未來將面臨資深工程師短缺的危機，屆時只能依賴高價從競爭對手處挖角，而這會導致企業文化與技術積累的流失。
結論
AI 不會直接取代工程師，但那些追求短期效率而忽視人才培育的管理模式會。軟體工程不僅是電腦科學的應用，更是一種實踐工藝。在 AI 時代，業界必須重新定義教育與培訓，透過正式的導師制恢復對「人」的投資，並在高效的 AI 工具與必要的實體社交、深度思考之間取得平衡，才能確保軟體工程專業的持續傳承。
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。