「如果你不想被 AI 取代，那就去學 AI。」這句話是過去幾年科技圈最常聽到的職涯建議。但如果有一位從 1990 年代就開始寫神經網路、創造了 AI 提示語言 SudoLang、曾任 Adobe 生成式 AI 旗艦產品 Firefly 工程經理、三年前年收入高達 50 萬美元（以匯率 32 計約新台幣 1,600 萬元）的資深工程師，最終卻因為 AI 浪潮與科技業寒冬而付不起房租，被迫帶著未婚妻睡在車裡、靠健身房會員資格洗澡，「去學 AI」在當前的環境下真的還是有用的嗎？
近日，JavaScript 領域知名技術作家與軟體架構師 Eric Elliott 在 Medium 專欄 Effortless Programming 發表了一篇自白文章 AI Made Me Homeless: How a $500k/Year AI Engineer Lost Everything。他於 10 月 29 日在 X 上分享此文，貼文瀏覽數在數日內突破 230 萬次觀看，相關討論也延燒到 Threads、LinkedIn 與 Hacker News 等平台，揭開高薪科技人在結構性轉型下的脆弱面，成為白領知識工作者關注的議題。近日他又發了 Part 2。
從 1990 年代寫神經網路到主導 Firefly 平台，AI 浪潮的造浪者
在討論這個故事之前，必須先釐清一個關鍵事實。Eric Elliott 並非因為抗拒新技術而被淘汰的傳統工程師。他在文中直言，自己早就懂 AI，甚至參與打造了這波正在取代人力的 AI 革命。他具備下列背景：
- 技術作者與導師：著有 O’Reilly 出版的《Programming JavaScript Applications》與《Composing Software》等三本軟體工程書籍，在開發者社群具有高度影響力，指導過的工程師包括博士級人才。
- 深厚的 AI 與架構經驗：他在 1990 年代便寫出第一個神經網路，並在大語言模型爆發初期設計了結構化 AI 提示語言 SudoLang。2012 年他擔任 Stanford Research Institute 分拆新創的 Tech Lead 時，因華爾街日報 WorldStream 產品獲得 Webby Award 提名。
- 一線大廠實戰經驗：曾參與 Adobe Creative Cloud、Adobe Firefly、Google Search、YouTube 等產品開發，也曾協助打造後來被 Google 收購並整合進 YouTube 的音樂人平台 BandPage。他在 Adobe 擔任生成式 AI 產品 Firefly 的工程經理（Engineering Manager, Generative AI），帶領團隊建立 Firefly Client Platform。
然而，正是這樣一位比多數人更懂 AI 的資深專家，擁有 28 年專業經驗，卻在三年間經歷了獨立業務崩解、漫長求職、大廠裁員、重建失敗與現金流斷裂的連鎖反應。
崩塌時間軸：從年收 50 萬美元到睡在車上的四個階段
根據 Elliott 兩篇原文的說明，這場危機並非單一事件所致，而是「AI 改寫商業模式」、「科技業裁員潮」與「個人財務緩衝耗盡」交織而成的困境：
| 階段 | 關鍵衝擊 | 實際影響 |
|---|---|---|
| 第一階段：獨立事業崩解 | 2020 年 GPT-3 問世後 Mentorship 需求開始轉弱，2022 年 11 月 ChatGPT 上線後，部落格月閱讀數從約 70 萬跌至 7 萬，再跌至 7 千，數月內流失約 99% 讀者 | 顧問與開發者 Mentorship 業務的主要客戶來源消失，舊客戶陸續畢業卻沒有新客戶補上，收入崩跌 |
| 第二階段：一年求職空窗 | 尋找工程主管職缺耗時約一年，期間持續動用積蓄維持生計 | 取得 Adobe Firefly 工程經理職位後，從洛杉磯搬到舊金山灣區，旅館與搬家費用耗盡剩餘積蓄，到職時帳戶幾乎歸零 |
| 第三階段：大廠裁員 | 在 Adobe 工作約兩年後，2025 年 10 月因管理層變動遭裁員 | 原本已在升遷名單上，直屬主管離職後，新管理層在尚未見面前便已另有安排，隨即進入第二次長期求職 |
| 第四階段：重建失敗與驅逐 | 重返顧問業務後接到一筆大案，原預期做到第三季，卻在第二季初提前結案，營收一夜之間減少約 90% | 無力負擔新租屋的房租，2026 年夏天遭到驅逐，廉價汽車旅館的錢用完後，與未婚妻及兩隻貓住進車裡 |
1. AI 直接摧毀了「人類技術導師」的客戶來源
在進入 Adobe 之前，Elliott 長年經營軟體顧問與開發者 Mentorship 業務。個人開發者每週付費接受指導，資金充裕的新創則委託他訓練整個工程團隊、招募工程主管，客戶包括疫情期間成長最快的新創之一 Hopin。他的技術文章是主要的客戶獲取管道，部落格在高峰期每月約有 70 萬次閱讀。
2020 年 GPT-3 推出後，開發者開始嘗試 AI 輔助寫程式，Mentorship 需求已開始轉弱。2022 年 11 月 ChatGPT 上線後，數百萬人突然擁有隨時可問的 AI 家教與程式助理。他在文中反問，當 AI 能即時回答問題，誰還會付費找人教寫程式、找人當導師。更致命的是部落格流量崩盤，幾個月內從約 70 萬月閱讀跌到 7 萬，再跌到 7 千。他嘗試過影片等不同內容形式，但沒有一種能穩定帶來新客戶，最終承認業務已無法維持。
這並非個案。前端課程作者 Josh W. Comeau 也在 2026 年 7 月公開表示，多位課程創作者的營收下滑超過五成，原因之一正是 AI 能提供個人化教學，降低了購買付費課程的誘因。
2. 企業以 AI 精簡編制，「學會 AI」不再保證就業
Elliott 原以為憑藉數十年經驗，找一份工程管理職位並不困難，結果求職耗時約一年，期間持續消耗積蓄。進入 Adobe 後，他帶領團隊建立 Firefly Client Platform，讓 AI 功能能快速整合到各種應用介面，主管也將他列入升遷名單。但主管離職後，新管理層另有打算，他在 2025 年 10 月遭到裁員。
他在文中描述當前的勞動市場，企業一邊大舉投資 AI，一邊縮減人力，大量經驗豐富的工程師、架構師與主管同時湧入市場，爭搶日益縮小的職缺，求職者動輒投出數百份履歷。依他引述的數字，2026 年美國科技公司已宣布約 17 萬個職位裁減，Microsoft 近期更向約 6 萬名員工提出自願離職方案。他本人多次進入最終面試，但始終沒有收到錄取通知。
3. 「你應該把錢存起來」，為何 50 萬美元年薪撐不過兩次空窗期
第一篇文章刊出後，不少讀者質疑年薪 50 萬美元的人不該淪落至此，問題出在他沒有儲蓄。Elliott 在續篇中正面回應，表示自己確實有可觀的存款與退休投資，但一連串財務壓力疊加在一起：
- 他曾將 25 萬美元個人資金投入自己創辦的音樂科技新創。團隊曾與 Sir Mix-a-Lot、N.W.A. 的 Arabian Prince、Tegan and Sara 等音樂人洽談，但雙邊市場需要資本才能同時吸引創作者與聽眾，投資人一致表示「找到領投再來談」，產品最終未能上市，投資全數損失。
- 兩次各約一年的求職空窗，全靠積蓄支撐。
- 50 萬美元年收入中有一半是分期歸屬的認股權，並非現金。
- 稅後收入的一半用於支付贍養費。
- 居住在舊金山灣區，三房租金中位數每月 4,503 美元。
- 患有遺傳性疾病，需頻繁就醫，即使有保險，每次自費仍達數千美元。
他的結論是，自己並非從未儲蓄，而是積蓄撐不過兩段漫長的經濟衝擊期。他也提醒，多數美國人的財務緩衝遠比他起步時更薄，依他引述的調查，約六成美國人靠薪水過活，聯準會研究則顯示超過三分之一的成年人無法用現金支應 400 美元的緊急支出。
離開 Adobe 後，房東收回房屋迫使他再度搬家。隨後他接到一筆規模可觀的案子，一度以為找到出路，不料案子在第二季初提前結束，公司營收一夜之間減少約 90%，而他未能及時找到足夠的新客戶補上缺口。零星的小型專案偶爾能維持溫飽，卻付不起房租，2026 年夏天遭到驅逐。他在文中坦言，自己出身勞工家庭，父親曾同時打兩三份工維持家計，家裡沒有錢，也沒有可以長期支援他的富裕人脈。
社群的兩極論戰與讀者的即時援手
這篇文章在 X、Threads 與 Hacker News 等平台引發討論，輿論主要呈現兩種截然不同的視角：
- 結構性風險派：許多工程師與白領工作者深感共鳴，認為這是知識工作者的「礦坑金絲雀」（產業用來評估風險的說法）。過去科技圈習慣將失業歸咎於個人不夠努力或不懂新技術，但當一位參與打造 Adobe Firefly、創造 SudoLang 的資深 AI 工程師都淪落至此，「去學 AI」在結構性縮編面前顯得力不從心。
- 個人財務管理派：另一派讀者則質疑標題將無家可歸完全歸咎於 AI 並不精確。批評者認為，年薪 50 萬美元已屬美國前 1% 的高收入階層，若非將大筆資金投入高風險新創，加上未能隨收入下滑及時調降固定開支，不至於在失業後迅速失去住所。Hacker News 上也有留言批評他在求助文章中使用 AI 生成配圖，反而削弱了讀者的同理心。
儘管論戰激烈，開發者社群仍在第一時間展現了互助精神。Elliott 在第一篇文末公開了 Venmo 與 Cash App 帳號尋求協助，依續篇所述，24 小時內朋友、前同事與陌生讀者的捐款已足以支付一間公寓的首月租金。續篇的更新段落證實他已付清首月租金，暫時離開車廂，但仍需約 2,000 美元處理逾期車貸與牌照更新，同時公開徵求企業內部推薦，希望找到穩定工作。
他也在續篇中描述申請社會救助的經驗。他符合加州失業給付與 CalFresh 食物補助的資格，但前者花了數月的電話追蹤才領到錢，後者的個案工作者負荷過重，每次聯繫都不記得他是誰。他寫道，安全網本應在人墜地前接住，但他的沒有。過去半年讓他不至於挨餓的，是朋友、家人與讀者的接濟。
當 AI 改寫職場規則，科技人該如何自處？
CyberQ 認為，Elliott 強調自己並不反對 AI。他從 1990 年代就在使用 AI，每天用它建置產品、教學、協助企業導入，也相信 AI 能帶來科學發現、新藥開發與教育普及上的巨大豐裕。但他指出，多數人靠出售勞力維生，當 AI 能取代更多勞力，生產力的收益主要流向技術擁有者與導入企業，被取代的勞工則失去收入。若不改變分配方式，技術豐裕與普遍貧窮可能並存。
他在兩篇文章中提出三個層面的警訊與主張：
- 創業不是出路：AI 讓寫程式的門檻大幅降低，但找到客戶的門檻並未消失。當數百萬人都能用 AI 做出應用程式，App 市場只會更擁擠，對新失業者而言，靠軟體謀生反而更難。
- 社會安全網跟不上：加州失業給付上限為每週 450 美元，每月約 1,950 美元，在加州難以支應房租與基本生活，而且申請流程動輒拖上數月。失業給付的設計前提是短期內能找到下一份工作，而這個前提正在消失。
- 下一次金融危機與全民基本收入：他認為 AI 讓各產業得以用更少的人運作，數百萬人同時失去收入後，房貸、房租與信貸違約將連鎖擴散，衝擊可能超過 2008 年金融海嘯。他主張推動足以維持有尊嚴生活、依地區生活成本調整的全民基本收入（UBI），經費來源應由自動化獲利的企業承擔，包括 AI 模型供應商、雲端基礎設施業者與晶片製造商，並隨可量測的勞動力取代規模逐步擴大。
CyberQ 觀察，從個人職涯與風險管理的角度來看，這起事件也為所有科技從業人員帶來三個具體啟示：
- 「懂 AI」已成基本門檻，不再是超額溢價的保證。當 AI 工具抹平了寫程式與技術實作的門檻，單純販售「技術知識」或「中階實作」的商業模式最容易遭到瓦解。
- 破除高薪幻覺，拒絕線性外推的財務規劃。科技業的高薪往往伴隨著高波動與短週期，帳面收入中的認股權也未必能即時變現，切勿以巔峰時期的年薪作為長期固定支出與高風險單一投資的基準。
- 建立至少 12 至 24 個月的低風險現金流護城河。Elliott 的案例顯示，兩次各一年的求職空窗加上一次創業失利，就能耗盡原本可觀的積蓄。在組織重組與技術迭代日益劇烈的時代，高流動性的緊急預備金與多元收入來源，才是抵禦職涯黑天鵝的最後防線。
延伸閱讀
Eric Elliott GitHub 個人頁：https://github.com/ericelliott
About Eric Elliott（ericelliottjs.com）：https://ericelliottjs.com/about-eric-elliott
O’Reilly 作者頁：https://oreilly.com/people/eric-elliott/
