最近我注意到一個有趣的悖論，關於人工智慧如何顛覆整個開發邏輯。多年來我們一直認為瓶頸在於缺乏能將需求轉化為程式碼的人力，建立了開發者金字塔，擴展「功能工廠」。但生成式AI徹底打破了這一切。現在程式碼幾乎免費產生——這已不再是競爭優勢。當編碼商品化，行數和提交速度變成噪音，它們根本不再代表任何意義。那麼問題來了：如果程式碼變便宜了，現在真正的稀缺資源在哪裡？

第一個想到的是——也許AI會取代管理層的人員？但這裡有一個根本性問題。AI擅長產生解決方案的選項，可能是個出色的顧問，但做決策並非計算任務。管理涉及一些AI無法勝任的事情：判斷價值觀(什麼是可接受的)、承擔責任並面對個人風險、通過社會契約管理衝突、處理未知變數（這些變數在訓練資料中不存在）。人類仍然是授權與責任的持有者——這點不會改變。

但真正令人擔憂的是：在我們處理這些問題的同時，開發層面正悄然出現危機。AI作為技術上的轉折點，推動資深工程師的生產力大幅提升——他們的效率多倍增長。而對於新手開發者來說，AI卻使情況變得困難。他們缺乏足夠的上下文來驗證神經網路的結果，也看不到像 race conditions 這樣的隱藏錯誤，這些錯誤被AI偽裝成簡單的黑客技巧。於是形成了一套新的招聘邏輯：招聘資深工程師，自動化初級工程師。聽起來合理，但卻是一個陷阱。

傳統上，組織會招聘新手來完成簡單任務——他們積累經驗、學習架構，成為未來的資深工程師。如果停止招聘新手，人才供應鏈將崩潰。五年後，公司將缺少下一代專業人才。初級工程師不再是未來的投資，而成為「加快交付」邏輯下的負擔。但這只是短期策略。

當實現一個功能的能力不再稀缺，競爭就會轉移到其他層面。贏家是那些能將混亂的願望轉化為清晰選項的人，能在寫程式碼前控制業務的本體論，能建立正確的市場反饋層。這是選擇層、世界模型層、測量層。這是合法性層——誰來授權變革；禁令層——誰來界定自動化的界限；數據層——基礎設施成為政治技術資產。

為了不在這個浪潮中淹沒，我們需要新的架構。在流程層面出現了 Truth Office——負責統一數據與測量的數據源所有者；Governance Cell——控制風險、擁有停止生產線權力的團隊；Semantic Core——本體論架構師。

但最重要的是——需要大規模的預設文化。這不僅僅是師徒制，而是一個有目的的計畫，讓新手開發者與經驗豐富的導師在實際產品團隊中合作。目標不是快速交付程式碼，而是培養批判性思維、傳遞「系統品味」。AI助手應該有一個針對新手的模式，利用蘇格拉底式對話，挑戰學習者、解釋決策、揭示知識盲點。

昨天我們比拼的是執行效率，明天我們將比拼的是學習效率與禁令的質量。能理解這一點的人將生存下來：AI可以在一秒內寫出程式碼，但將昨天的初級工程師轉變為具有批判性思維的工程師，只有有意識的人類環境才能做到。