Meta用一整年證明Agent無法取代員工：事故增四成，工程師救火多七成

Meta近日一份內部實驗結果在開發者圈掀起波瀾：該公司花費整整一年時間，試圖以AI Agent（智慧代理）大規模取代工程師人力，最終卻以失敗告終。數據顯示，採用AI代理的團隊事故發生率不降反升，整整增加了四成，而工程師投入「救火」的時間更暴增七成。這項結果等同於為當前席捲科技業的AI取代人力浪潮，澆下一盆冷水。Meta的實驗始於2025年初，當時生成式AI的進展讓高層對自動化編程寄予厚望。內部多個團隊被要求將日常維運、程式碼修補，甚至功能開發等任務，大量交由AI Agent執行，目標是將工程師從繁重的重複性工作中解放出來。理想藍圖中，工程師只需負責審核AI產出的程式碼，並在關鍵時刻介入即可。

然而，理想與現實的差距在實驗中期便逐漸浮現。AI Agent雖然能高速產出程式碼，但對系統的整體理解始終停留在表面，無法像資深工程師一樣掌握複雜的業務邏輯與隱性需求。尤其當問題涉及跨部門系統整合、歷史遺留程式碼，或是需要依據模糊需求做出商業判斷時，AI代理的表現便急遽下滑，錯誤決策的連鎖反應隨之而來。事故率的四成增長是最直接的警訊。這些事故涵蓋線上服務異常、資料處理錯誤、以及因AI自動修改程式碼而引發的連鎖故障。更讓管理層頭痛的是，AI犯錯的模式與人類截然不同，往往難以預測，也難以重現，這使得傳統的除錯流程幾乎失靈。工程師花費在釐清問題根源的時間，遠比親手撰寫程式碼要多得多。

所謂「工程師救火時間增加七成」，正是實驗失敗的具體寫照。原本被期待能「減輕負擔」的AI，反而讓工程師陷入無止境的後勤支援。他們必須在AI誤改的數百行程式碼中找出問題、回滾異常變更、修復受影響的資料庫，還要安撫因此受到影響的業務部門。一名參與實驗的Meta工程師私下抱怨，過去寫程式時還有餘裕思考架構設計，現在卻整天忙著收拾AI留下的爛攤子，工作成就感蕩然無存。這項實驗結果，也在矽谷引發了關於「AI取代論」的深度辯論。支持者認為，Meta的失敗在於過度激進，將尚不成熟的技術直接推向核心生產環節，屬於執行層面的失誤，而非AI技術本身的瓶頸。

他們主張，若能將AI定位為輔助工具，而非取代者，並建立嚴格的程式碼審查機制，結果或許會截然不同。但反對者則指出，Meta的規模與工程實力在全球名列前茅，如果連Meta都無法馴服AI Agent，其他企業更難以奢望短期內實現全面自動化。他們強調，AI目前的本質仍是「高效率的模仿者」，而非「理解者」，它擅長處理有跡可循的任務，卻在面對開放性、跨領域問題時暴露致命短板。值得關注的是，這並非Meta首次在AI應用上踩雷。此前該公司推出的多項AI客服功能，也曾因答非所問而遭用戶投訴。這些案例似乎暗示，從自動回覆到自動編程，AI在取代複雜人類工作的道路上，仍有相當漫長的距離要走。

Meta內部的後續檢討報告指出，未來推動AI輔助開發的重心，將從「取代人力」轉向「強化協作」。具體方向包括：限定AI僅處理高度標準化、低風險的任務；建立AI操作的完整稽核軌跡，以便快速回溯錯誤；以及培訓工程師掌握「AI協同開發」的新技能，而非單純依賴AI產出結果。從宏觀角度來看，Meta這一年來的實驗，其實也是整個科技產業嘗試擁抱AI的縮影。在資本市場的推波助瀾下，各家公司無不卯足全力宣示AI轉型決心，但實際落地時往往發現，企業內部複雜的既存系統、模糊的商業目標、以及組織間的溝通摩擦，都是AI難以跨越的鴻溝。這起事件也替企業管理者提供了重要啟示：AI確實能提升生產力，但它絕非萬靈丹。

盲目追求自動化，忽略人機協作的本質，最終只會換來更沉重的維運成本與士氣打擊。Meta的工程師們用一整年的時間與高達四成的意外事故，驗證了一個樸素的道理——在程式開發的世界裡，理解永遠比速度更重要，而這正是目前AI最欠缺的能力。