AI技術越來越普及的時代，軟體工程師無時無刻不面臨著放空大腦的誘惑，只要輸入需求，AI就能在幾秒鐘內給出解決方案。專案順利完成、Bug也立即修正，但工程師的能力卻毫無長進，人們正逐漸習慣以未來的能力為代價，換取眼下的工作效率。
Google雲端AI部門總監、知名軟體工程師艾迪．歐斯曼尼（Addy Osmani）近期撰寫文章向大眾呼籲，不要將「學習」外包給AI模型，現在這種輸入訊息讓AI給出答案的固定模式，正讓科技業陷入嚴重的「認知放棄」（cognitive surrender）危機。
歐斯曼尼直言，雖然AI能在當下快速修正程式碼中的錯誤，但人類的思維模式卻毫無進步。這種為了達成「完成任務」的盲目依賴，對在長期職業生涯中保持敏銳度可能造成負面影響，隨著成千上萬次缺乏思考的互動影響，工程師在沒有AI協助下獨立構建系統的能力正在逐週退化。
多項研究發現，過於依賴AI會導致能力下滑
這不是歐斯曼尼的個人說法，多項權威研究都發現了類似的趨勢。Anthropic於2026年初進行的一項試驗中，讓兩組工程師學習新的Python程式庫。雖然有AI輔助與純手動學習的兩組人馬完成速度相同，但在隨後的理解力測驗中，AI組的正確率僅有50%，遠低於手動組的67%。
有趣的是，在AI組內部，僅利用AI複製貼上生成程式碼的工程師，測驗得分甚至跌破40%；反之，利用AI詢問概念性問題者，得分則超過65%。這證明決定結果的不是工具，而是使用者的態度。
此外，麻省理工學院的「Your Brain on ChatGPT」研究也透過腦電圖測量發現，隨著外部輔助程度增加，大腦各部分的連通性會逐漸降低，其中使用大型語言模型的大腦連通性最弱。
在撰寫完文章後，高達83%的大型語言模型使用者甚至無法回憶或背誦自己剛產出的任何一行內容。研究人員將此定義為「認知負債」（Cognitive Debt）——在今天省下了腦力，明天就必須付出失去批判性思考能力的代價。
另一項發表於計算機協會人機互動會議（CHI 2026）的研究也指出，若在任務一開始就讓大型語言模型介入引導問題框架，即便後續工作由人類獨立完成，仍會顯著降低決策品質。
AI會就好？仍有任務需要工程師獨自面對
歐斯曼尼指出，目前的AI工具預設環境與用戶體驗設計，完全是為了「縮短開發週期」與「減少按鍵次數」等指標而優化。但他強調，工具消除了所有摩擦，然而學習往往存在於摩擦之中，即使Claude、Gemini都推出了類似學習模式的功能引導人們思考，高壓工作中仍幾乎無人使用。
有人認為，如果AI都能做，為何我還需要理解？這就像以前開發者需要學習機器語言，現在幾乎不用一樣，是正常的技術演進。
不過，歐斯曼尼解釋，對於重複性的程式碼或用過即丟的腳本，委派給AI的確符合經濟效益；但對於真正的核心軟體而言，放棄思考讓AI處理終將面臨問題。例如AI產生幻覺時，面對看似合理實則錯誤的答案，只有具備足夠專業知識的工程師才能識破。
又或者系統崩潰除錯時，AI生成的程式碼同樣會出錯，工程師不理解架構便無法找出根源；或者基礎架構變更時，當框架更新或安全審查出現結構問題，無法單靠提示詞解決，需要工程師手動進行系統遷移，這就仰賴工程師自身的本事。
越用越笨還是相輔相成，怎麼用AI決定未來方向
歐斯曼尼表示，這不代表AI只會讓人越用越笨，而是取決於你怎麼使用這項技術。AI同樣可以培養出優秀的工程師。
他建議，在向AI尋求解答前，應先自行撰寫兩三句話的假設，用AI的回答來驗證自身理論。在進入陌生領域時，應優先要求AI解釋運作原理與權衡取捨，徹底理解概念後再要求程式碼。
同時，應將AI的輸出結果視為菜鳥工程師的成果，抱持批判態度審視內容，並適當退回而非測試通過就盲目合併。最後，偶爾手動重寫AI生成的程式碼，並在對話結束前多發送一則指令，要求AI說明其設計思路，都是避免能力退化的有效方法。
「『產出』與『學習』是兩個獨立的指標。你的主管與客戶只會關心前者，而後者只能靠你自己。」歐斯曼尼表示，他寧可只交付80%的成果並換取100%的學習，也不願本末倒置，耽溺於眼前的便利，犧牲未來專業技能的發展潛力。
資料來源：Addy Osmani部落格
本文初稿為AI編撰，整理．編輯/陳建鈞
