在軟體界打滾多年，我對產業的走向一直有自己的判斷。現在網路上充斥著各種 AI 賣課，這本來不令人意外；但很多所謂「AI 寫程式」的課程，我看得十分警覺——因為很多時候，這類課程其實在販售人的焦慮，而不是在教育技術。
先說清楚：我並不懷疑 AI 寫程式的能力。我自己也會用 AI 輔助寫程式，而且它真的能提速、能補細節、能讓開發更有效率。但問題是：我們為何要寫程式？ 程式的目的不是「為了寫程式而寫程式」，而是為了解決實際問題——快速、準確、可重複地處理任務。若 AI 已經能直接解決問題，為何還非得把它包成一個「程式產品」？
很多人會說：「以前不會寫程式，現在有了 AI 我就能做出產品了。」這種想法把重心弄反了。寫程式是工具，核心仍是找出真正的問題——問題識別、需求規劃、用戶體驗、商業模型，這些才是決定成敗的關鍵。現在 AI 能幫你產出程式碼，但找到「該做什麼」與「如何設計才能被市場接受」的能力，並不能被 AI 自動替代。
如果你只是想完成年輕時沒能做的專案或夢想，用 AI 生成程式碼來「做出成品」是可行的；但要把這個成品變成賣得動、有利可圖、能持續成長的事業，難度遠高於單純的程式碼生成。換句話說：程式碼不再是稀缺資產，問題定義與解法設計才是。那麼寫程式還有沒有未來？有，但型態會改變。真正有長期價值的軟體人才，會往下列方向去深耕：
- 懂得問 AI：把 AI 當成超級工具，你必須會設計好的問題、評估 AI 回答、驗證結果。
- 系統性思考與問題拆解：能定義問題、分層解法、設計可驗證的指標。
- AI 研究與工程化：真正的 AI 開發（深度學習、強化學習、模型訓練、架構設計）仍需程式與數學基礎。
- 資料工程與評估能力：資料蒐集、清洗、標注與模型評估，這些是 AI 成敗的關鍵。
- 產品化與風險管理：隱私、資安、監管、模型偏誤的防範與補救策略。
總結來說：AI的出現，不必恐慌，但要調整思維。上「教 AI 寫程式」的課，如果你只是想滿足「會做一個東西」的成就感，那沒問題；但如果你把它當作通往職場競爭力或創業成功的捷徑，請三思。未來屬於能把 AI 當工具、同時掌握問題識別與系統化解法的人。那才是真正的「超級個體」，也才會是真正能夠會運用AI的人，而且有長遠的發展性，不然去上課，可能只是學到個過時的技能，被AI指數級別的升級，不斷地被甩在後面。
