代理的风险：人工智能如何迫使我們承擔它，以及為什麼德國將遭受損失

2026年7月8日，Julian Habekost發表了一篇題為「代理的風險：人工智慧如何迫使我們承擔它，以及為什麼德國將遭受損失」的文章。作者以生動的比喻開場：AI代理的出現，就像是超級智能的外星人自願降臨地球並為人類服務。在軟體工程領域，只需輸入四句話的指令，AI代理便能閱讀原始碼、搜索網路、自我辯論程式碼、修改代碼、編寫測試以發現錯誤、修復錯誤，並以一種我們原本應該做到但從未做到的方式記錄一切。整個過程僅需十分鐘，而幾個月前這還是一整天的工作量。

作者作為一名資深工程師，指出他現在越來越不願意審查他人的AI代碼，因為所有人的代碼都由AI生成。他認為，工程師與AI代理的關係就像資深員工與初級員工，但既然每個人都能直接使用AI，再讓初級員工傳遞任務給AI已無意義。這導致了初級軟體工程師就業市場的崩潰。作者強調，這不是技能問題，而是代理權的分配問題：傳統企業層級結構不允許太多人擁有代理權，因為代理權伴隨著風險。

作者任職於企業研發部門，從事實驗性創新項目，團隊能夠快速迭代並容忍失敗。這使得他們成為代理式AI的最大受益者之一，因為他們可以同時探索多達七個不同的方案，而不是像以往那樣只有兩個。作者期望每位團隊成員都能提出方向與想法，這正是行使代理權的體現。

在生產環境中，情況則不同。維護既定軟體時，最終決策權仍掌握在少數人手中，而這些決策者現在也有AI代理可用。因此，人類初級工程師在生產維護中幾乎不再有需求。作者指出，許多人誤以為這是技能進步的問題，但實際上這是關於角色與授予的代理權。AI代理實際上大幅降低了編程的學習曲線，因為你可以直接請它們解釋代碼或技術。作者舉例說，有完全沒有深度學習經驗的團隊成員，在AI代理的幫助下從頭開始貢獻了一個具有競爭力的神經網絡，並能在理論討論中辯護其設計決策。作者的弟弟，一位歷史和音樂教師，在發現代理式AI開發後開始學習編程，成功請求AI為他的DJ副業開發了一套記帳軟體，並意識到即使只有一點編程知識，也能對AI代理的結果產生巨大影響。

作者定義了「代理風險」：人類行動（或故意不行動）所帶來的機會成本風險。他指出，擁有機會的人才有機會成本風險。AI從兩方面改變了風險結構：它提供了更多機會和更大代理空間，同時使許多事情變得更快更容易，因此代理的風險-回報曲線變得更加陡峭。去年被視為低到中等風險的事情，現在可以快速甚至微不足道地嘗試。如果每個人都能做到，那麼經濟回報就有限。找到並構建重要的事情，現在需要對問題和技術有更深層次的理解，並與實際受眾驗證，這更像是在寫電影劇本。

在大型企業中，傳統的層級是：執行在底層，「如何」在中層，「什麼」在頂層。對於軟體工程來說，執行和一半的「如何」已被AI代理解決，剩下的是一半更難且與外部因素和利益相關者相關的「如何」，以及核心的「什麼」。作者認為，在深度科技初創企業中，CEO負責「什麼」，但技術可行性和市場前景是同一枚硬幣的兩面，分開責任如同在賽車中讓兩人分別控制油門和剎車。深度科技初創企業的CTO角色常被誤解，實際上並非只是首席高科技清潔工。

隨著AI代理負責執行，工程師和經理的角色將趨同於項目領導者，類似於CEO。傳統項目經理如果無法與AI代理討論技術，說明其技術深度不足；而工程師則需要學習驗證想法影響、與客戶和利益相關者溝通，克服「重新發明輪子」、「非我發明」等工程師常見問題，並承擔代理風險。作者認為，AI暴露了工程師與管理層衝突中的懶惰與自欺，因為很快所有人都將變得相似。原本的底層執行、中層方法、頂層目標將變為每個層級都有「什麼」，只是預算和風險特徵不同。問題在於，企業層級能否將風險對應到具體的責任承擔者。文章最後提到，在大型企業層級中，代理風險被粉碎，導致不當的行動。