半場哨響
你帶著上半場的節奏走回休息室，覺得自己練了幾年的基本功還算穩，語法記得熟、手速也不差、框架換了幾輪都跟上了，然後教練走進來，表情很平靜，但說了一句讓所有人愣住的話：
「下半場，規則改了」
Stanford SIEPR 最近公布的數據，就是那聲哨音：22 到 25 歲的軟體工程師，就業率從 2022 年的高點下降了將近 20%
這不是淘汰賽，沒有人被判出局，但比賽的計分方式變了，而還在用上半場戰術的人，會越來越難得分
舊賽局 vs. 新賽局
上半場獎勵的是什麼？手速 誰打字快、誰記得更多語法、誰能在最短時間寫出最多行程式碼 — 那就是得分，這是一場短跑，拼的是個人執行力
新賽局不一樣了
新賽局更像籃球：你不需要每一球都自己投，你需要的是閱讀場上局勢、知道什麼時候傳球、什麼時候自己切入、什麼時候叫暫停重新佈陣得分的方式，從個人技巧變成了戰術指揮
我過去一年就是在打這場新賽局
一個人的先發陣容：我怎麼用 AI 跑 15 個專案
我目前同時在跑 15 個客戶專案 — 醫療 AI、教育平台、護理機構管理系統、個人品牌網站、財務管理工具，每一個都有真實客戶、真實需求、真實的上線壓力
以前這種規模，你需要一整支球隊：一個 PM 當教練、兩個工程師當主力、一個設計師、一個 QA，至少 4-5 個人
現在我一個人上場，但我帶著 AI 當隊友
這不是因為我是什麼超級球員，這是因為裝備升級了，就像網球從木拍換成碳纖維拍 — 同一個選手，揮拍速度和精準度完全不同層級，工具變了，一個人能覆蓋的範圍就變了
我下一個 prompt，AI 產出 80% 可用的程式碼，我描述一個功能，它幫我拆出技術架構，一個原本要花兩天的 API，現在一個下午，這不是任何人的失敗，這是裝備世代的自然演進
新賽局的計分規則
規則變了之後，有些技能的「得分價值」飆升，有些則被壓低了
一、教練能力 > 球員能力
上半場，你是場上的球員，親自跑、親自投，新賽局裡，你的角色更像教練 — 你要能把一個模糊的戰術意圖拆解成清楚的跑位指令，你要能在 AI 跑完一輪攻勢之後看出哪裡有漏洞，你要能整合 AI 的輸出變成一個能上線的系統
以前，技術總監不需要每一行 code 都自己寫，但他知道戰術怎麼跑、哪裡有地雷，現在這種「帶隊能力」正在往下普及，一個懂得指揮 AI 的工程師，能做到過去整組人才能做的事
打字速度和語法記憶？那是上半場的體能測試，新賽局考的是戰術智商
二、讀懂比賽 > 純粹體能
這是我這一年體會最深的事，而最清楚的例子，不是來自賽前分析，是來自一次比賽中的突發狀況
有一個教育專案，二十五個學生在考試期間幾分鐘內同時提交錄音，語音辨識服務因為並發請求而記憶體不足，分數消失了，學生收不到回饋，老師也看不出哪些有被處理
這種 bug 在賽前的戰術板上看不到，在訓練賽裡也不會出現，它只有在真正的比賽壓力下才會爆開，除錯需要你同時理解：使用者期望什麼、系統實際做了什麼、兩者為什麼對不上，這需要人的判斷、即時溝通，還有願意親自上場看現場狀況的態度，而不是只在休息室裡看數據
再舉一個例子，客戶說「我想要一個會員系統」，這句話就像球員跟你說「我想得分」— 背後有十種戰術：想鎖住回購？想建立社群？想蒐集名單？想做分級定價？如果你不去問、不去理解他的生意邏輯，你做出來的系統可能技術上完美，但方向完全錯
AI 可以把「會員系統」的技術面做到位，但它沒辦法告訴你：這個客戶根本不需要會員系統，他真正需要的是轉介紹機制
這個判斷，就是「讀懂比賽」的能力，AI 做不到
三、賽後檢討變成核心技能
教練看比賽錄影帶，不是為了欣賞，是為了抓問題
當 AI 可以快速產出大量程式碼，誰來看錄影帶？能夠 review AI 寫的 code、找出邏輯漏洞、確保測試覆蓋到真正的邊緣案例、在部署之前抓到問題 — 這些「賽後檢討」的能力，重要性反而提升了
以前，把球投進去就是大部分的工作，現在，確保每一球都投對地方，才是真正的挑戰
觀眾（客戶）在乎什麼？
觀眾不在乎你是一個人上場還是五個人輪替，他們在乎三件很具體的事：
- 比賽節奏 — 發出需求後三十分鐘內收到回應，而不是等三天才聽到「收到」，當你有 AI 幫你處理前置作業，你的反應速度就是別人的三倍
- 比分 — 說好上線日期就真的上線，AI 幫你把例行工作壓縮，你就有餘裕處理意外，而不是每次都在趕死線
- 關鍵球的判斷 — 客戶說「這個功能先不做」，你聽得出他其實是預算不夠還是方向要調整，然後給出對應的建議，這是 AI 做不到的場上閱讀
當工具讓一個人可以打出以前一整隊的水準，對觀眾是好事，但如果你能提供的只是「跑戰術」，那個部分 AI 越來越能代勞了，真正讓人想買票進場看的，是你在這三件事上的表現
場邊指導：三件事讓你在新賽局搶到位置
不是唱衰，是希望你比我當年更快適應規則改變
一、把 AI 當隊友，不要跟它比衝刺
你不需要比 AI 跑得快，那場百米你一定輸，而且根本不是你該參加的項目
你需要練的是團隊配合：怎麼把戰術意圖傳達清楚讓 AI 給出有用的傳球、怎麼在 AI 跑完一輪進攻後看出哪裡有空檔、怎麼把它的輸出整合成一套能上場比賽的陣型，這是一種叫做「工程判斷力」的技能 — 以前是老將才需要的，現在越早練越好
二、練場上閱讀 — 理解「為什麼跑這個戰術」比「怎麼跑」重要
會讀懂場上局勢再決定跑位的球員，在新賽局裡的價值，比只會死背戰術手冊的球員大得多
你不需要變成教練，但你需要理解：場上每一步跑位，是為了回應一個真實的比賽局面，越早培養這種場上閱讀能力，你的即時判斷就越準
三、強化 AI 上不了場的位置：溝通、決策、創意
AI 可以幫你跑完全場，但它讀不懂客戶說「這個功能先暫停」背後是預算問題還是方向問題，它沒辦法在賽後記者會上說服所有人接受你的戰術，它想不到連客戶自己都沒看到的進攻路線
溝通、決策、創意 — 這些是球場上 AI 站不了的位置，不是跟它搶同一個先發名額，而是站到它根本無法出賽的位置上
規則變了，但比賽還在繼續
Stanford 的數據是中場的記分板，告訴我們市場正在重新定義「工程師的得分方式」，這個轉型對提早看到規則改變的人是搶分機會，對繼續用舊戰術的人是失分壓力
適應的人，會比以前更強，不是因為比賽變簡單了，而是因為裝備升級之後，真正的戰術智商更值錢了
規則變了，但只要你還在場上，就還有機會得分
我是 Young，全端工程師，也是這場新賽局的參賽者，目前用 Claude Code 一個人跑 15 個客戶專案，如果你想聊 AI 開發、接案模式或怎麼適應新規則，歡迎找我