過度仰賴AI開發恐致技能生疏，工程師借勞動異化理論提三類任務分流法則

根據數位時代報導引述 Every 工程師 Loren Stewart 的分享，將寫程式流程大量交給 AI 處理後，雖然功能交付顯著加速，卻也容易發現自身親手編程的能力出現生疏。他引用馬克思的「勞動異化」理論檢視這項現象，指出仰賴 AI 協作時可能引發四種隱形損失：無法向他人說清成果判斷依據、省去摸索繞路而減少對系統底層的理解、減少與同事討論脈絡的信任建立機會，以及喪失關鍵的實務練習機會。為防止能力退化，Stewart 建議依熟悉度把任務分成三類：已做過千次的例行事務交給 AI 全自動處理；希望搞懂的事務請 AI 在重大決定前暫停並說明理由；想要深造的新領域則堅持親自摸索。同時提醒工作者不須因 AI 效率高就無止境指派任務，應確認產出需求與驗證時間，適時停下。

值得帶走的重點

• Every 工程師 Loren Stewart 提出過度依賴 AI 寫程式會引發技能生疏，並以勞動異化理論分析可能的4大能力與認知流失風險。
• 過度依賴可能帶來的4種風險包括：無法掌握輸出成果的背後依據、缺乏親手試錯帶來的系統理解、減少與同事交流建立信任的機會，以及喪失維持手感所需之實戰練習。
• Stewart 建議將任務分為三類：高度熟練的例行工作全交給 AI；想搞懂的項目要求 AI 於決策前說明理由待人確認；想學的新技能則由自己親自操作摸索。
• 在增加新任務給 AI 前，應先自省是否有實際產出需求、是否有充裕時間檢視正確性，以及該任務是否具備個人練習與學習價值。