重點一：Aditya Agarwal 在一個週末用 AI 寫完過去五年份量的程式碼，這是一個資深工程師第一次意識到「我的核心技能正在變成免費商品」的心理紀錄。
重點二：他在 South Park Commons 觀察到，工程師面試中預測 AI 適應力的指標，不是學歷或年資，而是個人網站、Side Project、「那種停不下來的人」。這個發現正在重寫矽谷的人才估值邏輯。
重點三：適應 AI 的能力不是世代問題，是性格問題。15 年老將可以比應屆畢業生更快上手，分界線從來不是年齡，而是一個人面對變化時，本能上是靠近還是退開。
某個週末，Aditya Agarwal 打開電腦，和 Anthropic 的 AI 助理 Claude 一起寫程式。
這件事本身不值得記錄。但接下來發生的事情值得。
Agarwal 寫程式超過二十年。他是 Facebook 最早期的工程師之一，親手建立了平台的第一代搜尋引擎；後來擔任 Dropbox 技術長，把工程部門從 25 人擴張到一千人。程式碼是他職涯的根基，也是他花了整個成年生涯精煉的技藝。
那個週末結束後，他得出一個偏向 Emo 的結論：「我們再也不會手寫程式碼了。」
然後他補了一句更殘酷的話：「我非常擅長的事，現在已經免費且充裕。」
這篇發表於《The Information》的文章，是 Agarwal 在那個週末之後寫下的思考紀錄。它之所以值得深讀，不是因為它的結論（AI 會取代某些技能，這已經不是新聞），而是因為它罕見地誠實描述了一個資深技術人面對這個事實時的內心過程，以及這個過程如何改變了他身為投資人對「人才」的判斷標準。
曾經的 Dropbox 技術長，為何 Emo？
Agarwal 沒有跳過那個不舒服的部分。
他坐在那個週末的尾聲，看著 AI 替他生成程式碼，也看著 AI 代理人在別處自動搭建社群網路平台。那是他花了職涯早期最精華的年份在 Facebook 親手打造的東西。他寫道，那些 AI 產出的平台，在形式和功能上，已經和人類在早期網路上蓋出來的東西幾乎無法區分。
他用了一個詞：「wonder mixed with a profound sadness」，驚奇與深刻的悲傷並存。
這個反應值得停在這裡看一下。因為科技業討論 AI 的文章，大多數不是悲觀就是樂觀，鮮少有人願意承認這兩種情緒可以同時成立。Agarwal 的誠實在於：他沒有假裝自己一開始就興奮，也沒有用「這是機會！」的框架跳過那個失落。
失落是真實的。當你花了二十年磨一項技能，看著它在一個週末被一個不需要吃飯睡覺的工具複製出來，那種感受不是激勵，是定向障礙（disorientation）。
但他也記錄了接下來發生的事：定向障礙過去了。
產能爆發！5 天產出 5 年的量
接下來的五天，Agarwal 說他產出的程式碼量，超過了過去五年的總和。
他補充了兩個細節讓這句話站得住腳：第一，那些程式碼的品質比他過去獨立產出的更好；第二，那些專案的野心規模，是他以前根本不會啟動的，因為建造成本過高。現在，那些成本在一個下午就可以吸收掉。
這裡有一個關鍵的認知需要被點出來。Agarwal 不是在說「AI 讓我更快」。他說的是：AI 讓他開始做以前不敢做的事。
這是兩件不同的事。效率提升是量的改變，敢於嘗試本來不可能的事是質的改變。前者可以被量化，後者改變的是一個人的行動邊界。
人才篩選的舊地圖失效了
Agarwal 現在主持 South Park Commons，一個服務「正在摸索下一步該做什麼」的工程師與創業者的社群，同時也是創投基金。他在這裡觀察到了一個讓他重新校準判斷標準的現象。
第一個案例：一位成員在工程招募中進行了約 20 次為期一週的工作試用（work trial），結果發現工作年資和對 AI 工具的適應力之間，幾乎零相關。
第二個案例：另一位成員發現，能預測候選人 AI 適應力的指標，是「做過東西的痕跡」，包括有個人化的網站、有 Side Project、看得出來那個人熱愛製造事物。反過來，履歷上有 FAANG 經歷或名校學位，幾乎預測不了任何東西。
第三個案例最直接。某家公司在面試中刻意設計了「手動完成不可能在時間內做完」的程式任務，結果這個設計意外成了一個精準的篩選器，讓面試官可以立刻分辨誰在日常工作中真正在用 AI 工具，誰只是讀過相關文章。兩組人的程式碼產出量差距，不是 10%，而是接近 10 倍。
分界線不是年齡，是性格
這裡有一個外界普遍存在的錯誤假設需要被拆掉：年輕人比較容易適應 AI，資深工程師會抗拒。
Agarwal 的觀察直接否定了這個假設。他看過在業界深耕十五年的老將拿起這些工具，表現得非常出色；也看過剛畢業的新人把 AI 當成一個可以辯論的抽象概念，而不是一個今天就要用起來的工具。
分界線是性格傾向（dispositional），而非世代。
他把這個傾向描述為一種「無法停止修修補補的體質」：看到新工具就像看到謎題，必須在當天解開。當周圍的事物保持不動，他們會感到坐立難安（antsy）。這種特質，讓他們在每一波技術浪潮中都是最快衝向浪頭的那批人，不論幾歲。
他給這個觀察下了一個乾淨的對比：履歷（résumé）vs. 躁動（restlessness）。他說他會押注躁動。
在 AI 時代，「躁動性格」比漂亮履歷更可貴
這個觀察不只影響招募，它也在改變 Agarwal 作為投資人的判斷框架。
他說，現在讓他最感興趣的創業者，不是履歷最漂亮的人，而是那些「體質上就停不下來的人」。這話聽起來像老生常談，但在 AI 工具讓建造成本大幅崩落的現在，有了新的精確度：一個有躁動性格的人，在今天的工具環境下，能夠以過去的十倍速度把想法落地；而一個等待確定性再行動的人，已經慢了。
矽谷一直以精英主義自居，但 Agarwal 指出一個正在發生的悖論：這個產業花了幾十年建立一套崇尚學歷與資歷的文化，而 AI 正在讓這套文化快速過期。
他引用了 Paul Ford 在《紐約時報》的觀點，認為 AI 讓「建造」這件事的門檻降低，讓更多人有機會參與。但 Agarwal 補充了一層：這不只是工具的民主化，而是**我們重新定義「誰算是有價值的人」**的時刻。
適應力（adaptability）正在取代學歷成為新貨幣。而和史丹佛學位不同，它不需要靠出身取得。
Agarwal 文章的最後一段，藏著一個更深的問題框架。
他說，這段經歷讓他重新理解了「做一個人類是什麼感覺」。不是那種浪漫的「AI 永遠取代不了人」的版本，而是那個不舒服的版本：你必須放棄你曾經是的那個自己，才能成為你可能成為的那個人。
這話適用於個人，也適用於整個組織。那些在過去20年裡建立起一套「資深工程師 = 最高價值」文化的科技公司，接下來要面對的，是如何讓那套估值體系轉型，而不是讓它的慣性把整個組織拖住。
真正值得追蹤的問題，不是「AI 會不會取代工程師」，而是：當建造的邊際成本趨近於零，誰來決定什麼值得被建造？那個判斷力，是可以被訓練的嗎？還是它本來就只存在於那些停不下來的人身上？
資料來源：When Your Life's Work Becomes Free and Abundant — Aditya Agarwal, The Information
本文初稿為AI編撰，整理．編輯／李先泰
