最近軟體股很慘
最近軟體股很慘，被 AI 輾過後，搞的各種 XXX is dead 一直來，像是 SaaS, App 不用開發了啦 ... (死亡三兄弟都不知道存檔幾次了 XDD
不過真實世界是這樣的，已經在運行的 SaaS 佔整體的 99% 以上，不管 B2B or B2C。
B2B 是企業內在用的，像是 CRM / ERP / BI 之類的，這些都是企業內每天專業工作者在用。像是很多電商 (這波中槍的慘業之一) 的後台管理，不管是整合物流、金流、訂單、商品資訊，這些系統都是每天交易在用的。有沒影響，可以看看 Google / Facebook 一直想切入這塊，但發現就是好幾年 (>10y)，搞不起來。不然你以為 Amazon 20 多年都在吃素嗎？
B2C 就是一班鄉民會直接用到，舉例生活中去便利商店的結帳 APP，去各種餐廳的點餐系統、每年繳稅要用的系統、每天寫廢文要用的 Threads、每天要股票下單的 APP、追劇的 Netflix ...
這些，會被 AI 影響，就是開發上會增加開發效率，但也會增加風險。但那些「已經」在運行的系統，不是那麼單純的事，南山人壽慘案還歷歷在目。
維護 Legacy 系統不太容易，要推動改善也是困難重重。
技術面就是要處理各種年代已久的技術，像是 VB, Win32, Informix 等上古時期的東西. 各種年代累積下來的奇技淫巧 (智慧？) ... 一個出錯，就影響線上使用者。
推動改善，通常又是更難的事。除了要具備上述技術的底子與經驗，也要能夠具體掌握新知，然後了解政治生態，搞定內外圈的人，搞定使用者的期待，取得政治上的支持，取得預算，招募到對的人，組建團隊。。。然後，才剛開始。。。。
所以看到一個公共建設系統，例如台鐵好了，要改善售票系統，不難想像背後要面對的挑戰。
如果工作做的是完全沒有包袱的，新案子，那麼恭喜，你是受到眷顧的。因為這通常都是老闆的政治力發揮的效果，才會有這樣的案子誕生，才會有 HeadCount 招人。
新案子，代表捨棄舊的，或者有新目標，不需要考慮歷史因素，只需要往前看。挑戰的是：
- 過程中，團隊成員的角色不見得會完整，可能會缺東缺西。
- 組織結構的差異，或者產品在老闆權重的差異，可能會有制度的框架，也有可能完全沒有框架。
- 執行面要具備「從無到有」一手打造的能力，這個吃硬底子。
- 再來則是想像力，因為新的東西，通常會有目標、指標，但怎麼走過去，要自己想辦法，不會有太多規格細節，一切都要自己「唬爛」出來。
最近 Anthropic用 Opus 4.6 開了 16 個 agent，從零開始寫一個用 Rust 實作的 C 編譯器，目標是要能編譯 Linux 内核。
這件事情其實就是在做一件「已知」，而且非常確立的事情。規格清楚、驗證方法清楚、案例很多，但是規模很大。。。
但這整件事情，背後 LLM 訓練的資料本來就應該具備 Linux Source Code and Rust 所有的 Know How.
我前述的 Case ，例如南山人壽系統移轉個案，可以完全用 AI Agent 取代，上線大家都很放心金流交易沒問題，只是規模也很大。然後有人願意承擔這個風險？
這才是真實世界要面對的，就是誰來承擔風險？用 AI Agent ，什麼 Model 其實都很好，持續在進步也都是事實。但回歸現實，這些東西用在生產力上的時候，風險如何評估？以及後續的處理？
現在有很多人都說東西都是用 AI 在寫，然後也上 Production ，我覺得一定會有，漸進式的，直到風險可以完全控制為止。這段路要走多久？或者走多快，是由風險承擔能力決定的。每個產業的承擔與考慮角度不一樣，電商、金融、銀行、製造、航太 … 都不一樣。
製造應該是比較容易切入的，因為 Elon Musk 已經用機器人在製造 Tesla 了。。。其他呢？因為生產線，本來就是靠機器人在處理，只是把產線上的人類，換成人形機器人。。。
其他產業，應該是漸進式吧 … 但不會一瞬間，所有軟體工程師都沒工作了。倒是需要會指揮 AI 開發軟體的人需求會越來越多，過去的經驗，這個角色的紅利是架構師或者資深開發者，以及具備技術能力的產品經理。
原始資料
- 發表時間：2026/02/07
- 原文連結