Finews
台灣最好懂得財經、科技新聞網!
帶給你最有用的新聞資訊。
Finews
台灣最好懂得財經、科技新聞網!
帶給你最有用的新聞資訊。

這聽起來像是一個極端的職場情境,但對於全球最大的加密貨幣交易所之一——Coinbase的工程師們來說,這卻是真真實實的考驗。在人工智慧(AI)浪潮席捲全球科技產業之際,Coinbase執行長布萊恩·阿姆斯壯(Brian Armstrong)採取了一項極具爭議的鐵腕政策:對於未積極採用公司內部人工智慧程式碼助理工具的工程師,他選擇了直接解雇。

這項決定不僅在科技圈引起軒然大波,更深刻揭示了在高度競爭的金融科技領域,企業領導者如何以果斷甚至激進的姿態,推動人工智慧技術的全面整合,並對員工的技能適應與企業文化帶來深遠的影響。今天,我們將深入探討這個事件背後的故事,看看Coinbase為何如此急切地擁抱AI,以及這對整個產業和你的職涯可能意味著什麼。
在這樣的背景下,以下是Coinbase推行AI政策的幾個主要原因:
對於Coinbase這樣走在金融科技尖端的公司來說,人工智慧不再只是個「可有可無」的選項,而是決定未來競爭力的關鍵。執行長布萊恩·阿姆斯壯對內部的人工智慧採用速度感到不滿,認為大家還不夠積極。於是他做了一個非常大膽的決定:他要求所有工程師必須在短短一週內,至少註冊並嘗試公司提供的人工智慧程式碼助理工具。

這項指令並非單純的建議,而是強制性的。對於少數沒有在規定時間內遵循指示,且沒有提出合理原因的員工,阿姆斯壯採取了果斷的措施——即時解雇。你可以想像,這在公司內部引起了多大的震撼!但阿姆斯壯的目標很明確,就是要向全公司傳達一個清晰的訊息:人工智慧的應用,已經是Coinbase未來發展的非選擇性核心策略,不容妥協。這項政策不僅展現了Coinbase在AI轉型上的堅決態度,也凸顯了加密貨幣交易所在技術創新上的急迫性。
在推行這項政策的同時,Coinbase也實施了以下支持措施:

為了幫助員工適應,Coinbase也積極舉辦「人工智慧衝刺」(AI speed run)這類的培訓會議,讓員工分享使用經驗,加速AI工具的普及。他們的目標非常雄心勃勃,期望在當前季度結束前,能有高達50%的程式碼由人工智慧工具輔助生成。目前,這個比例已經達到33%,相較於微軟和Google的20%-30%來說,算是領先。
為什麼像Coinbase這樣的科技巨頭,會如此大力推動人工智慧的應用呢?其中一個最主要的原因就是效率提升。在軟體開發領域,人工智慧程式碼助理工具,例如知名的GitHub Copilot和Cursor,已經展現出驚人的能力。它們能夠根據工程師的指令或現有程式碼,快速生成新的程式碼片段,甚至自動修復錯誤,大幅縮短開發時間。
這就好像,你以前寫作業需要一個字一個字敲,現在有了一個非常聰明的私人助手,能夠幫你把大部分的草稿都準備好。對於Coinbase來說,這意味著能夠更快地推出新產品、修復問題,並在激烈的市場競爭中保持領先。不只Coinbase,許多科技巨頭,包括Google和微軟在內,都積極要求員工將人工智慧工具整合到日常工作流程中。

Google執行長桑達爾·皮蔡(Sundar Pichai)就曾明確表示,員工必須利用人工智慧工具,才能在激烈的「人工智慧軍備競賽」中保持領先。這場數位化的浪潮,正重新定義工程師的工作職能與技能要求。傳統的編碼能力固然重要,但現在,快速學習和適應新技術,理解如何有效指揮和利用AI程式碼助理,已成為職場適應和生存的關鍵技能。未來,你與AI工具協同工作的能力,可能比單純「寫程式」的能力更被看重。
以下表格簡要比較了傳統程式碼開發與AI輔助程式碼開發的差異:
| 特點 | 傳統程式碼開發 | AI輔助程式碼開發 |
|---|---|---|
| 主要負責人 | 人類工程師 | 人類工程師 (與AI程式碼助理協作) |
| 程式碼生成速度 | 較慢,依賴人工輸入 | 快速,AI自動生成部分或大部分 |
| 程式碼品質來源 | 人類工程師的經驗與技能 | AI模型訓練數據 + 人類工程師審核 |
| 主要效率瓶頸 | 人工編寫、查找資料、修復錯誤 | AI生成內容的審核、調校與風險評估 |
| 重要挑戰 | 錯誤率、開發週期長 | AI生成程式碼的可靠性、安全性、長期維護性 |
| 關鍵職能轉變 | 編寫、測試、維護 | 提示工程、審核、整合、風險控管 |
| 人類監督必要性 | 程式碼審查確保品質 | 極高,尤其在關鍵系統(如金融) |
儘管人工智慧為軟體開發帶來了巨大的效率提升,但它並非沒有挑戰。當我們開始讓AI生成大量的程式碼時,這些程式碼的品質、安全性以及長期的維護性就成了新的議題。支付公司Stripe的共同創辦人約翰·科里森(John Collison)就曾對企業過度依賴人工智慧生成程式碼的長期維護與運行提出質疑。他擔心,如果沒有足夠的人類監督,這些自動生成的程式碼可能會累積成一個難以管理的「垃圾場」。
前OpenAI工程師也曾提及類似的擔憂,指出人工智慧生成程式碼的儲存庫可能演變成「垃圾場」,凸顯品質管理是重要挑戰。想像一下,如果你有一堆自動產生的作業,但你卻無法理解或檢查它們的正確性,那會有多麼危險?
特別是在涉及金錢流動的金融系統中,這些風險更是不能輕忽。布萊恩·阿姆斯壯本人也承認,在如金融系統等高風險領域,不能「隨性編碼」(vibe-coding),也就是不能只是憑感覺或信任AI,而忽略嚴謹的驗證過程。他強調,仍需確保人類監督和嚴格的程式碼審查機制,以保障系統的穩定性和安全性。這代表了在推動技術創新時,風險管理與人類的專業判斷依然是不可或缺的防線。因此,未來工程師的角色可能從單純的「寫程式」轉變為更著重於「審核」、「優化」與「管理」AI生成的程式碼。
我們可以透過以下表格,簡單比較傳統程式碼開發與AI輔助程式碼開發的差異,以及其中需要注意的環節:
| 特點 | 傳統程式碼開發 | AI輔助程式碼開發 |
|---|---|---|
| 主要負責人 | 人類工程師 | 人類工程師 (與AI程式碼助理協作) |
| 程式碼生成速度 | 較慢,依賴人工輸入 | 快速,AI自動生成部分或大部分 |
| 程式碼品質來源 | 人類工程師的經驗與技能 | AI模型訓練數據 + 人類工程師審核 |
| 主要效率瓶頸 | 人工編寫、查找資料、修復錯誤 | AI生成內容的審核、調校與風險評估 |
| 重要挑戰 | 錯誤率、開發週期長 | AI生成程式碼的可靠性、安全性、長期維護性 |
| 關鍵職能轉變 | 編寫、測試、維護 | 提示工程、審核、整合、風險控管 |
| 人類監督必要性 | 程式碼審查確保品質 | 極高,尤其在關鍵系統(如金融) |
除此之外,Coinbase還實施了以下措施來確保AI工具的有效整合:
Coinbase對人工智慧的重視,不僅僅停留在工程師的程式碼開發層面。事實上,人工智慧的應用已經擴展到公司的各個角落。例如,除了工程團隊以外,設計團隊也大量使用AI工具來加速創意發想和原型設計。更值得注意的是,就連執行長布萊恩·阿姆斯壯本人,也廣泛運用人工智慧輔助他的日常管理和戰略決策。
這意味著人工智慧不再只是一個讓技術人員更有效率的工具,它已經成為一種幫助高階管理層分析數據、預測趨勢、甚至制定重要決策的利器。想像一下,AI能夠快速處理龐大的市場數據,辨識出潛在的風險或機會,提供給決策者參考。這不僅是一場技術革新,更是一場涉及企業各層級的全面性企業文化與管理模式變革。
這種由上而下的策略性轉變,旨在透過人工智慧優化整體營運流程,提升決策精準度,進一步推動產業結構轉型。這告訴我們,無論你的職位是什麼,未來你都有機會在工作中與人工智慧互動,甚至利用它來做出更好的判斷。這正是數位化時代下,企業追求效率提升和競爭優勢的必經之路。
以下表格展示了AI在不同企業管理層級中的應用:
| 管理層級 | AI應用 | 效益 |
|---|---|---|
| 高階管理 | 數據分析與趨勢預測 | 提升決策精準度,及時識別市場機會與風險 |
| 中階管理 | 項目管理與進度追蹤 | 優化資源分配,確保項目順利進行 |
| 基層管理 | 自動化日常任務與報告生成 | 減少工作負擔,提高工作效率 |
Coinbase的「AI鐵腕」事件,無疑為全球企業界樹立了一個警示標誌。它不僅展示了在新興技術主導的時代,企業科技轉型必須具備的速度與魄力,也突顯了在擁抱人工智慧帶來的巨大效率紅利時,所面臨的人員技能重塑、企業文化衝擊及潛在風險管理等複雜挑戰。
對於我們每個人來說,這場人工智慧革命不是遙不可及的未來,而是正在發生的現實。你可能會問,我該怎麼辦?最重要的是保持開放的心態,積極學習和適應新技術。無論你是否是工程師,理解人工智慧如何運作、如何利用AI工具來提升你的工作效率,都將是你在這個新時代中保持競爭力的關鍵。
未來,企業領導者如何在加速AI導入與確保品質安全之間取得最佳平衡,並有效引導員工適應這場前所未有的科技變革,將是決定其能否在激烈市場競爭中持續領先的關鍵。而對於我們個人,這是一個充滿機會的時代,只要你願意學習和改變,就能在這波浪潮中找到屬於自己的位置。
免責聲明:本文僅為教育與知識性說明,內容不構成任何財務、投資、法律或專業建議。任何投資均存在風險,讀者應自行評估並諮詢專業人士的意見。
Q:Coinbase的AI政策對員工有什麼具體要求?
A:員工必須在一週內註冊並開始使用公司提供的AI程式碼助理工具,否則可能面臨解雇。
Q:AI工具在程式碼開發中的主要優勢是什麼?
A:AI工具可以提高程式碼生成的速度和質量,減少錯誤,並加快產品的上市時間。
Q:企業在推動AI轉型時應注意哪些風險管理措施?
A:企業應確保人類監督和嚴格的程式碼審查機制,特別是在高風險領域,以保障系統的穩定性和安全性。