企業為何難以有效導入 AI？PSPDFKit 創辦人的殘酷診斷

本文整理自 The Pragmatic Engineer Podcast 2026 年 1 月 28 日播出的單集，訪談 PSPDFKit 創辦人 Peter Steinberger。

{{< youtube 8lF7HmQ_RgY >}}

{{< spotify "episode/5Ie6QtG7V0KLK4BZBtiT7j" >}}

---

「我一點都不驚訝現在的公司用不好 AI」

當主持人 Gergely Orosz 問 Peter Steinberger：「你覺得大型企業要怎麼有效導入 AI？」的時候，Peter 的回答沒有任何外交辭令。

「公司會非常、非常難有效地採用 AI。因為這需要完全重新定義公司的運作方式。」

他說得更直接一點：「你可能可以把公司的人力縮減到 30%。這非常可怕，因為從經濟上來說，這會導致一場災難。很多人會在這個新世界裡找不到位置。」

這不是聳動標題，這是一個經營過 70 人公司超過 10 年的創辦人，基於自己的經驗做出的判斷。

問題不是技術，是組織

Peter 的論點核心是：AI 需要的人才類型，跟傳統軟體公司需要的人才類型，根本不一樣。

他拿 Google 舉例。在傳統的科技公司，你是工程師就是工程師，是設計師就是設計師，是 PM 就是 PM。這些角色有清楚的邊界，各司其職。你可以專精在一個領域，把那個領域做到極致。

但在 AI 時代？Peter 說：「這個新世界需要的是有產品視野的人，能什麼都做一點的人。你需要的人比較少，但每個人都要是高自主性、高能力的人。」

這話聽起來像是老生常談——「我們需要 full-stack、我們需要通才」。但 Peter 說的不只是技能層面的通才，而是思維層面的轉變。

他描述自己現在的工作方式：他設計系統架構，他做 UI/UX 的決策，他寫 prompt 指導 AI，他驗收輸出，他調整產品方向。這些事情以前可能分給四五個人做，現在他一個人做。不是因為他是超人，而是因為 AI 把「實作」這個環節接走了，剩下的都是「決策」——而決策本來就不應該分給太多人。

傳統組織的問題在於：它的設計是為了「讓很多人能夠協作」。所以需要 PR 審核流程，需要 JIRA ticket，需要站立會議，需要 design review。這些流程存在的原因是——你需要讓不同人之間的工作可以銜接。

但如果一個人（加上 AI）就能做完以前需要一個團隊的事？這些流程就變成了 overhead。

不只是裁員，是整個 workflow 要重新設計

Peter 強調，他不是在說「買幾個 Copilot 授權給員工，就可以裁一半人」。那太天真了。

他說的是：如果你真的想發揮 AI 的潛力，你需要重新設計整個 workflow。

舉例來說，他提到自己設計 codebase 的方式：「我設計 codebase 不是為了讓我自己方便，而是為了讓 AI 方便。我優化的目標不是我喜歡什麼，而是什麼對 AI 的摩擦最小。」

這是一個很細微但很關鍵的觀點。傳統的 codebase 設計，是為了讓人類開發者好讀、好維護。但 AI 的「好讀」標準不太一樣。AI 喜歡一致的命名、標準化的結構、好測試的架構。如果你的 codebase 是為人類設計的，AI 可能跑得不順。

同樣的邏輯可以延伸到組織。傳統的組織是為了「讓人類好協作」設計的。但 AI 的加入改變了協作的本質。如果你沒有重新設計組織，只是把 AI 塞進去，效果會很有限。

Peter 說這就像要做一個大型 refactor——不只是 refactor codebase，還要 refactor 整個公司。

「我可以用 30% 的人跑同樣的公司」

如果讓 Peter 現在重建 PSPDFKit，他會怎麼做？

「我可以輕易地用 30% 的人跑同樣的公司。」他說。「但找到對的人會很困難。你需要非常資深的工程師，不只是技術資深，還要知道哪些事情重要、哪些可以讓 AI 處理。」

他描述的這種人才畫像，說穿了就是「老闆型人才」——不需要別人告訴他該做什麼，自己就知道優先順序；不會糾結在細節裡，知道什麼時候該動手、什麼時候該 delegate。

問題是，這種人本來就很稀缺。在過去的組織裡，這種人通常是 tech lead 或 staff engineer 等級。現在，Peter 說的是「所有人都要是這種等級」。

這不是在說「找更好的人」這麼簡單。這是在說「需要的人才類型從根本上變了」。以前需要 10 個「還不錯」的工程師加 1 個「很厲害」的 tech lead。現在可能只需要 3 個「很厲害」的人，每個人都帶著自己的 AI 團隊。

我的觀察：這是一個殘酷的預言

Peter 的觀點讓我想到一個不太舒服的現實：AI 不會讓每個人的工作都變輕鬆，它會讓某些人的工作變得極有價值，讓另一些人的工作變得可有可無。

這不是 Peter 在幸災樂禍。他自己說「這在經濟上會是一場災難」。但他也沒有假裝這件事不會發生。

我覺得這裡有一個關鍵的洞察：AI 不是「讓每個人都能做更多事」，而是「讓能做決策的人可以做更多事」。

什麼叫「做決策」？判斷這個 feature 該不該做、這個架構該怎麼設計、這個 trade-off 怎麼取捨。這些事情，AI 做不了（至少目前做不了）。但一旦決策做完了，實作的部分，AI 可以接手。

在傳統組織裡，很多人的工作是「把決策轉化成實作」——PM 說要做什麼，工程師寫 code 讓它發生。但如果這個「轉化」的過程可以被 AI 取代，剩下的就只有「做決策」的人和「維運系統」的人。

這對個人的啟示是：你要往「做決策」的方向走。不管你現在的角色是什麼，問自己：我在日常工作中，有多少比例是在「做決策」，有多少比例是在「執行別人的決策」？如果後者的比例太高，你可能需要開始擔心了。

對企業的啟示是：你不能假裝 AI 只是「一個新工具」。如果你真的想發揮 AI 的潛力，你需要重新思考組織設計——誰做決策、怎麼協作、需要多少人。這不是 IT 部門可以搞定的事，這是 CEO 層級的決定。

結語：準備好被 refactor 了嗎？

Peter 用了一個很生動的比喻：這不只是 refactor codebase，而是 refactor 整個公司。

對個人來說，這意味著你的職涯可能也需要被 refactor。你現在擅長的事，可能在三年後變得不那麼值錢。你需要持續問自己：我的價值在哪裡？那個價值會不會被 AI 取代？如果會，我要往哪裡遷移？

這些問題沒有標準答案，而且答案可能每年都在變。

Peter 說他一點都不驚訝現在的公司用不好 AI。我想補充一句：如果三年後公司還是用不好 AI，那可能就不只是「用不好」，而是「被淘汰」了。

不管是公司還是個人，準備好被 refactor 了嗎？