AI 帶給前後端工程師什麼機會? 前後端工程師該如何調整?

過去兩年，當談到 AI 對傳統前後端工程師的影響，在社群中最常聽見一種典型的 AI 末日說，意即當某個新的 AI 模型或工具被推出，這類論點的人就會說「XXX 完蛋了」。

例如 GPT-4 推出時，有一個拍下 UI 圖轉成簡易前端的展示，當時就有許多這類論點的人說「前端工程師完蛋了」。

然而，比起這種末日說，我們看到反而是機會，傳統前後端工程師能在 AI 時代有更大的發揮。當然，這也會需要一些調整。因此，在這期雙週報想來談談 AI 帶給傳統前後端工程師什麼機會? 以及前後端工程師該如何調整?

在往下談之前，想先說為什麼我們認為 AI 末日說與我們的觀察不符。回到前面提的例子，從事實的角度來看，GPT-4 出來這麼久，甚至後面的 4o 與 o1 模型出來，前端工程師都沒有完蛋，甚至各大公司，甚至 OpenAI 本身都持續在招募前端工程師。

退一步來說，即使現在有 v0 或 Bolt 等生成式 UI 工具，前端工程師的工作，還有很大一部分沒辦法由 AI 代勞。以先前社群在傳的前端水很深的圖來說，現代的前端工程師，會越來越往下走。

這意味著，在 AI 出現後，前後工程師的價值更加提高。因為前後端工程師可以透過 AI 工具，從那些繁瑣的任務被釋放出來。不過這也代表著，只會簡單且繁瑣的任務的人，不再會是市場所需要的。與此同時，工程師能往更有挑戰性，同時能帶來更大成就感的面向深入發展。

然而，什麼是對傳統前後端工程師來說，更有挑戰，同時能帶來更大成就的機會呢?

AI 帶給傳統前後端工程師的機會

我們的觀點是往 AI 應用層走，有滿滿的機會等著探索與開發。吳恩達教授在 2024 年底給的《AI, Agents and Applications》演講提到，雖然在社群中很多人都關注在底層的模型 (例如 OpenAI 的 GPT，或是 Anthropic 的 Claude)。他認為這沒有什麼不好的，但他認為要讓技術層級的發展獲得成功，我們需要在應用層級上獲得成功。

從他的觀點看，在應用層級上的成功，能創造更多的收益，才能進一步灌注讓更底層的基礎技術能持續發展。進一步說，他認為對多數的台灣公司而言，專注在開發 AI 應用將能獲得最好的機會 (詳見該演講 2:05 秒的投影片)。

Sequoia 今年發表的《Generative AI’s Act o1》一文談到就如同在雲端世代，因為各種基礎建設 (例如 AWS、Cloudflare、Snowflake 等等)，讓開發軟體應用變得很簡單，因此催生了許多軟體 SaaS 產品。而在 AI 的基礎模型發展蓬勃之際，基於 AI 而生的應用，會是新的市場前景。

開發應用，或者基於底層的模型來進一步打造產品，這完全是過去前後端工程師在做的事情。這也是為什麼，我們認為這些 AI 技術、基底模型的出現，對前後端工程師反而是機會，因為能把原本在做的事情，拓展到新的領域上。

前後端工程師該如何調整?

基於上一段的描述，在市場上，會需要有能夠運用各類 AI 模型與工具，來創造軟體產品、開發 AI 應用的工程師，而傳統的前後端工程師，幾乎是最容易跨足這個新領域的族群。

不過，開發 AI 應用所需要的技術與工具，有許多是在過往前後端工程師的技術棧不存在的，這是前後端工程師需要調整的地方。要能夠進一步去學習使用不同的工具，來開發在 AI 時代的應用。

具體來說會有以下 (但不限於以下)

• 提示詞工程 (prompt engineering)
• 微調 (fine-tuning)
• RAG (retrieval augmented regeneration)
• 向量資料庫 (vector database)
• 評估 (eval)
• 代理 (agent)
• 多模態應用開發 (multi-modal)
• 本地優先的 AI 應用 (local-first AI)

感興趣的讀者，這些主題都會是 E+ 成長計畫 (連結) 在 2025 年將會涵蓋的主題文內容，推薦可以加入 E+ 一起在這些面向學習與精進。

除了這些技術與工具外，我們也推薦在 AI 快速演進下，前後端工程師要去加深對領域的掌握、學會透過 AI 工具協助提升自己的生產力。同時，在使用 AI 工具的同時，不要失去自己的思考。

關於這些要點，我們在 E+ 的主題文中都有更詳細的說明。想了解更多的讀者也歡迎加入閱讀 (連結) 。