自動化越多，工作越多？Dan Shipper 的 AI 悖論觀察

> Meta Shift

我認為「AI 會大量取代工作」這個論調根本就搞錯方向了。Dan Shipper 在最新的 podcast 中提出一個反直覺的觀點：自動化越多，反而需要更多人力和更多工作。這不是什麼烏托邦幻想，是他在 Every 這間 30 人全員 AI 重度使用者公司觀察到的實際現象。

現象描述：自動化反而創造更多工作

Dan Shipper 的觀察很有意思，他發現當 Every 的每個員工都開始大量使用 AI 之後，公司並沒有裁員，反而工作量和複雜度都增加了。這個現象有幾個關鍵證據：

首先是 forward deployed engineer 這個新職位的出現。Dan 認為這會是「最有價值的新職位」，這些工程師專門負責讓 AI agent 跟現有系統整合，處理各種邊界情況。這不是取代工程師，是創造了一個全新的專業領域。

其次是他對 PM 和設計師的看好。Dan 的預測是「PM 會在 AI 時代茁壯」、「full-stack 設計師會變成超級英雄」。原因很簡單：AI 讓技術門檻降低了，但產品策略和使用者體驗的重要性反而提升了。

第三個關鍵證據是 Every 內部的實際運作。他們現在每個員工都跟公司內部的「super-agent」定期對話，但這個 agent 需要人來訓練、維護、優化。自動化了某些重複性工作，卻創造了更多需要人類判斷和創意的工作（來源：Lenny's Newsletter podcast）。

分析：為什麼自動化會創造更多工作

這個現象背後的邏輯其實跟歷史上每次技術革命都一樣。

技術面的原因

AI 目前的能力還是有限的。Dan 提到「automation is a lie」，意思是現在所謂的自動化，其實還是需要大量人工介入。每個 agent 都需要人來監督、每個自動化流程都需要人來處理例外狀況。就像他說的「every agent needs a human」。

而且 AI 工具本身就創造了新的工作類型。Cursor 編輯器一年賺一億美金（據報導），證明 AI-assisted 的工作模式有巨大市場。但使用這些工具需要新的技能：prompting、agent training、workflow design。這些都是全新的專業技能。

商業面的邏輯

Dan 對 SaaS 股票很樂觀，他說「我現在就會買 SaaS 股票」。原因是 AI 改變了 SaaS 的商業模式：用戶會帶著自己的 AI token 進來，這反而提升了 SaaS 的 margin。

更重要的是，AI 降低了建立新產品的門檻，市場上會出現更多軟體，需要更多人來做產品策略、市場推廣、客戶成功。Every 就是很好的例子：他們用 100% AI 生成的程式碼做出 5 個產品，達到 7 位數營收，但團隊規模沒有縮減。

歷史對比

這讓我想到 2000 年代網路泡沫後的情況。當時大家也覺得網路會取代很多傳統工作，結果是創造了更多工作：UX 設計師、SEO 專家、社群媒體經理、growth hacker，這些職位在 1990 年代根本不存在。

SpaceX 是另一個好例子。火箭回收技術大幅降低了發射成本，結果是什麼？太空產業爆發性成長，創造了更多航太工程師的需求，不是更少。

Meta 判讀

這個趨勢我給 Meta Shift 等級。

原因很簡單：這直接挑戰了「AI 會造成大規模失業」的主流論調。如果 Dan 的觀察是對的，那我們對 AI 對就業市場的影響需要重新思考。

從投資角度來看，這意味著 AI 相關的教育訓練、工具開發、整合服務會是未來幾年的大機會。Dan 提到的 forward deployed engineer、AI-native PM、full-stack designer，這些都是全新的人才類型，市場供需嚴重不平衡。

而且這個趋勢跟技術發展的時間線吻合。現在的 AI 還在「輔助」階段，離真正的「取代」還有一段距離。METR 的 AI 能力評估報告顯示，當前的 AI 在複雜任務上還是需要人類協作。

我的建議

如果你是工程師，現在該做的不是害怕被取代，而是學習如何「騎在模型上」。Dan 說得很對：「the only thing you need to do to stay employed is ride the models」。

具體來說：

1. 學習 AI 工具鏈：不是指會用 ChatGPT，而是理解 AI agent 的架構、prompt engineering、model fine-tuning。Cursor、Claude Code 這些工具要熟練使用。

2. 培養整合能力：未來的工程師更像是「AI 指揮官」，需要協調多個 AI agent 完成複雜任務。這需要系統思維和架構設計能力。

3. 跨領域學習：純技術已經不夠了，要理解商業邏輯、使用者需求、產品策略。Dan 看好的 PM 和 designer 都有一個特點：他們懂技術，但不只懂技術。

如果你是非工程師，機會可能更大。AI 讓技術門檻降低，但創意、策略、溝通這些人類核心能力的價值反而提升了。現在是學習基本程式概念的好時機，不是為了轉行當工程師，而是為了更好地跟 AI 協作。