AI · 2026.03.08 · 6 min read

努力也會通膨:AI 時代,軟體工程師為什麼不能只會寫 code?

努力不是最重要的,選擇才是。AI 時代真正會貶值的,不只是技能,而是放錯方向的努力。軟體工程師的角色,也正從寫 code 走向解決問題。

努力也會通膨:AI 時代,軟體工程師為什麼不能只會寫 code?

努力會通膨

很多人從小被教導一件事:只要足夠努力,人生就會越來越好。

努力讀書、努力工作、努力學習更多技能。只要做得更多、學得更多、付出更多,自己的價值就會慢慢上升。

我曾經也非常相信這件事。

三十歲以前,我一直以為人生的公式很簡單:

只要學得更多、做得更多、吸收更多新知,人就會慢慢變成更優秀的人。

那時候我甚至會把人生想像成一個「加分遊戲」。如果現在的分數不高,那就慢慢幫自己加分。今天多學一點、明天多做一點、後天再進步一點。

照這個邏輯走下去,一年之後,你可能就從六十分變成一百分,甚至三百六十五分。

雖然我不是數學家,但這個想法聽起來真的很好,好到幾乎不像是真的。

後來我才慢慢發現一件殘酷的事。

努力了這麼久,別說三百六十五分,連六十分的及格線,有時候都摸不到。

於是我開始懷疑。

是不是我還不夠努力?

是不是我的資質本來就比較差?

還是我到底做錯了什麼?

當一個人努力過了頭,就很容易開始不停地檢討自己。

那段時間,我其實真的有一種快要放棄的感覺。

直到很後來,我才慢慢理解一件事:

問題可能不是我不努力,而是我把努力放錯了地方。

努力也會通膨

很多人會把「努力會通膨」誤會成一件事:努力沒有意義。

但真正的意思其實不是這樣。

努力會通膨的意思是:

當一種努力變得越來越容易被複製、被標準化,它的稀缺性就會下降。

這其實很像貨幣。

當市場上的錢印得越多,每一張鈔票的價值就會變薄。

努力其實也是一樣。

當市場上努力的人越來越多,努力本身的價值就會開始下降。

所以問題從來不是「我要不要努力」。

真正的問題是:

我現在正在努力的事情,三年後、五年後,還值錢嗎?

這其實是 AI 時代最現實的一個問題。

努力不是最重要的

很多人會問:那是不是努力不重要了?

不是。

努力仍然很重要。

但更重要的是:你把努力放在哪裡。

我後來慢慢理解一件事:

你做什麼事情,其實比你多努力還要重要。

如果你每天都在做一些高重複、低判斷、容易被模組化的工作,那麼你投入越多努力,其實只是更快進入努力的通膨。

在 AI 出現之後,這件事情變得更明顯。

很多過去需要大量時間與人力完成的工作,現在可能幾分鐘就能完成。

例如寫程式。

以前只要會寫程式,就可能是一個很稀缺的技能。

但現在 AI 讓寫程式這件事情變得更快、更便宜,也更容易被複製。

所以真正值錢的,已經不再只是「會不會寫 code」。

而是:

你能不能利用 AI 和程式去解決現實世界的問題。

這兩者其實差很多。

前者只是執行。

後者需要判斷。

你必須知道問題在哪裡,什麼事情適合交給 AI,什麼事情不適合交給 AI。

你還要能把模糊的需求拆解成可以落地的流程。

所以真正需要升級的,不是工具。

而是你選擇問題、定義問題、解決問題的能力。

努力,不費力

講到這裡,我其實會想到一本書:《努力,不費力》。

書裡提醒我們一件很重要的事:

不要把拼命,誤以為是成效。

這本書談到三個層次。

第一:不費力的狀態

很多人習慣把自己逼到極限。

但真正高品質的工作,往往來自一個穩定、清晰、放鬆的狀態。

在真實的世界裡,真正稀缺的不是時間,而是專注力。

你可能每天工作十幾個小時,但真正有效率的時間,其實沒有那麼多。

如果你的心是亂的,那麼你學再多、做再多,也只是把混亂放大而已。

第二:不費力的行動

不費力並不是偷懶,而是用更小、更穩定、更持續的方式前進。

把大的目標拆解成小目標。

從最小可行的行動開始。

把複雜的事情變得簡單。

這其實很像寫程式。

真正厲害的工程師,不是把系統寫得越來越複雜,而是能把問題拆解得乾乾淨淨。

只留下最重要的部分。

第三:不費力的結果

真正長久的成果,很少來自短期的爆發。

更多時候,它來自延續、系統、累積與複利。

當一件事情可以被重複、被系統化、被自動化,你的成果就會慢慢長出來。

就像 DNA 一樣自然延伸。

歸零,不是白費

如果有一天,你發現自己努力的方向可能錯了,其實也不用太害怕。

歸零並不是白費。

歸零更像是把人生的杯子重新空出來。

有一個很經典的禪宗故事。

一位學者去請教禪師什麼是禪。

禪師為他倒茶。

茶杯明明已經滿了,但禪師仍然繼續倒。

茶水溢了出來。

學者忍不住說:「杯子已經滿了。」

禪師回答:「你就像這個杯子。如果不先把它空出來,就裝不進新的東西。」

很多人對努力的想像也是這樣。

不是努力不夠,而是已經太滿了。

滿到沒有空間去思考:

為什麼我要努力?

我是在為誰努力?

我現在做的事情,真的值得我繼續做下去嗎?

所以歸零不是從零開始。

而是放下那些已經不再適用的想法。

慢慢把分散的力氣收回來。

再把它們放到真正重要的地方。

AI 時代的努力

在 AI 時代,世界其實不缺努力的人。

缺的是更精準的努力。

未來真正值錢的人,未必是最忙的人。

很多時候,反而是那些能夠:

  • 看準問題
  • 選對戰場
  • 把工具變成成果的人

這件事情不只發生在工程師身上。

設計、寫作、行銷、教育、顧問,很多工作都一樣。

工具越強,槓桿越大。

所以很多重複性的努力,未來其實會越來越不值錢。

真正重要的是方向。

然後用最好的工具。

用最有效率的方法。

做少量但精準的投入。

別再崇拜努力

所以不要再一直問自己:

我是不是還不夠努力?

我要不要再更拼一點?

真正值得問的問題其實是:

我現在做的事情,未來會累積嗎?

它會變成一種長期的能力與資產?

還是只是一種很快就會貶值的努力?

努力很重要。

但努力從來不是什麼神奇的武器。

如果沒有選擇,努力有時候反而會把你推得更遠。

不一定會把你帶到對的地方。

在 AI 時代,真正的分水嶺不是誰比較努力。

而是誰能把自己的努力放在有複利的事情上。

當你開始做真正重要的事情。

努力就不再通膨。

它會慢慢累積。

然後帶你走向更清楚的方向。

#AI 時代#努力也會通膨#努力但不費力#軟體工程師#選擇

wp_id: 838 · 原 WP URL: https://lashiblog.zeabur.app/2026/03/08/effort-inflation-ai-engineer-choice/

喜歡這篇?

訂閱電子報,週二、週六各一封。

訂閱電子報

More

相關文章

Obsidian + Notion + Claude 工作流:長期知識、任務資料庫與 AI 串接怎麼分工

Obsidian、Notion 和 Claude 要怎麼一起用?這篇用 Why / What / How 說明長期知識、任務資料庫、內容排程與 AI 整理的分工,幫你設計一套不會越用越亂的 AI 知識工作流。

Obsidian Vault 架構怎麼設計?資料夾、MOC、Tag、Inbox 與 AI 可讀性

Obsidian Vault 架構怎麼設計才適合長期知識管理與 AI 整理?這篇用 Why / What / How 說明資料夾、MOC、Tag、Inbox、永久筆記、CLAUDE.md 與 AI 可讀性設計,讓 Claude 更容易幫你整理 Markdown 第二大腦。

Kie AI API 教學:圖片生成 API、Nano Banana、Seedance 怎麼串接?

Kie AI API 怎麼用?這篇整理 API key、非同步 task、callback、圖片生成、Nano Banana、Seedance 影片生成與常見錯誤排查,適合想把 Kie AI 串進自動化流程的人。