AI-First 的真正意義：當開發週期從六週縮短到一天，改變的不只是工具

最近一個令人驚訝的案例，讓我反覆思索：當一家僅有 10 位工程師的新創，宣稱他們 99% 的產品程式碼都由 AI 撰寫，並將過去需要六週的開發週期，壓縮到可以在一天內完成「發布、A/B 測試、根據數據否決、再發布新版」的完整循環時，這背後真正發生的變革是什麼？答案並非導入了更聰明的 Copilot 或更強大的模型。真正的關鍵在於，他們徹底拆解並重建了整個工程組織的作業模式，將 AI 從輔助工具（assistant）提升為主要建構者（builder），這才是 AI-First 時代最值得我們關注的核心議題。

為什麼多數企業的 AI 導入只停在「輔助」階段？

目前，多數公司導入 AI 的方式仍停留在「AI-Assisted」的層次。工程師在 IDE 中使用 GitHub Copilot 加速編碼，產品經理用 ChatGPT 草擬規格文件，QA 團隊則嘗試導入 AI 自動生成測試案例。這些做法確實能帶來效率提升，許多研究也證實了這一點。例如，一篇關於 Copilot 的學術研究指出，開發者在使用 AI 輔助工具後，完成任務的速度能提升超過 55%。

然而，這些都只是在現有工作流程上的優化。團隊的規劃、建構、測試、部署等核心流程並未改變，組織架構與成員角色也維持原狀。在這種模式下，AI 扮演的是一位稱職的副駕駛，能幫忙處理重複性工作、提供建議，但最終的駕駛權仍在人類工程師手上。這樣的增益是線性的，或許能帶來 10% 到 20% 的效率提升，卻無法觸及根本性的、數量級的改變。

我們常問：「AI 如何幫助我們的工程師？」但真正的問題應該是：「我們該如何重構一切，讓 AI 負責建構，而工程師提供方向與判斷？」

這種思維上的差異，正是「AI-Assisted」與「AI-First」之間最根本的分野。

AI-First 時代，工程師的角色將如何轉變？

前述將開發週期從六週縮短至一天的公司 CREAO，提供了一個 AI-First 的具體樣貌。他們從 2025 年 11 月開始建構 AI Agents，並在幾個月後，毅然決定從頭重構整個產品架構與工程流程。他們的核心理念是：假設 AI 是主要的建構者。

在這種模式下，工程師的角色發生了根本性的轉變。他們不再是程式碼的生產者，而是 AI Agents 的「賦能者」（enabler）。這個概念與 OpenAI 在 2026 年 2 月提出的「Harness Engineering」不謀而合：工程團隊的主要工作不再是撰寫程式碼，而是創造一個能讓 Agents 有效工作的環境與框架。當系統出現問題時，解決方案不是叫 Agent「再試一次」，而是反思：系統缺少了什麼樣的能力？我們該如何讓這個能力對 Agent 而言是清晰可讀（legible）且可強制執行（enforceable）的？

這種轉變意味著工程師的重心從「實作」轉向了「設計」與「監督」。他們從「造船的工人」變成了「設計船塢與航道的建築師」，其工作價值體現在整個系統的運作效率與 AI 的產出品質上，而非個人撰寫的程式碼行數。具體來說，工程師將負責：

• 設計系統框架：建立模組化、具備清晰 API 的架構，讓 AI Agent 能夠理解並操作。
• 定義核心能力：將複雜的任務拆解成 AI 可以執行的具體能力（capabilities），並為其提供必要的工具與權限。
• 建立回饋迴路：設計快速、自動化的測試與監控機制，以便對 AI 的產出進行驗證與判斷。
• 最終決策：基於數據與商業目標，對 AI 產出的多個版本進行評估、A/B 測試，並做出最終的部署或捨棄決策。

如何打造一個 AI 主導的工程組織？

要從 AI-Assisted 邁向 AI-First，是一場深刻的組織變革，而非單純的技術升級。這需要從流程、架構到文化進行全面的重新設計。這並非易事，但其帶來的效益是指數級的。

首先，是開發流程的重塑。傳統的敏捷開發可能是以週為單位（sprint），但在 AI-First 的模式下，迭代週期可以縮短到以天甚至小時為單位。這要求極致的自動化，以及能夠支撐快速實驗的基礎設施，例如強大的 A/B 測試平台。CREAO 的案例——早上 10 點上線、中午分析數據、下午 3 點下線——正是這種超高速迭代的體現。

其次，是技術架構的轉變。系統必須為 AI 而設計。這與 Andrej Karpathy 提出的 Software 2.0 概念相呼應，系統的行為不再完全由人類編寫的確定性程式碼定義，而是由模型在特定框架下學習與生成。這意味著架構需要更高的模組化、更清晰的介面，以及讓 AI 能夠輕易理解與操作的狀態管理機制。OpenAI 的 Assistants API 設計，就是一個讓開發者為 AI Agent 提供工具與框架的實踐案例。

最後，也是最困難的，是組織文化與思維的轉變。團隊必須擁抱實驗、接受失敗，並以數據作為最高決策依據。當 AI 成為主要生產力時，對人的評估標準也需要改變，從個人產出轉向對系統的貢獻與影響力。這需要管理層自上而下地推動，建立一個全新的 AI-First 營運模式。

將開發週期從六週縮短至一天，這之間巨大的差異，並非來自於更快的打字速度或更聰明的程式碼提示。它來自於一個根本性的轉變：我們不再將 AI 視為提高人類效率的工具，而是將其視為驅動價值創造的核心引擎，並圍繞這個引擎重新設計我們的組織、流程與角色。這條路充滿挑戰，但它通往的是軟體開發的下一個典範。

延伸閱讀

• CREAO 關於 AI-First 實踐的討論串
• The Impact of AI on Developer Productivity: Evidence from GitHub Copilot (Peng et al., 2023)
• OpenAI Assistants API 文件
• Software 2.0 by Andrej Karpathy

我是江中喬，專注於 AI Agent Architecture、Memory Governance 與 Cognitive Diversity，持續研究如何打造能夠長期協作、可信任且可治理的 AI 系統。