Codex 之後，「我不會寫程式」這句話還成立嗎？

從「看不懂」到「好像能試試」

我觀察 AI 產業這幾年，最難量化的變化從來不是模型的 benchmark 分數，而是「普通人對技術的心理距離」。

OpenAI 把 Codex 整合進 ChatGPT 之後，這個距離正在以一種不太張揚、但相當紮實的方式縮短。

Codex 的核心能力並不新鮮——它是基於 GPT-4 架構、專為程式碼任務優化的模型，能讀懂自然語言指令並轉換成可執行的程式碼。但真正值得注意的，是它被放進 ChatGPT 介面之後發生的事：它不再只是工程師的加速器，它開始讓完全沒有程式背景的人產生「我好像也能試試」的念頭。

這個心理轉折，才是真正的產品突破。

Codex 到底在做什麼？

具體來說，Codex 在 ChatGPT 內的整合讓使用者可以用口語描述需求，系統會生成對應的程式碼，並且能在沙盒環境中實際執行、回傳結果。這意味著互動不再停在「給你一段 code，去 IDE 裡試試看」，而是直接在對話介面完成一個從描述到執行的完整迴圈。

根據 OpenAI 公布的測試資料，Codex 在 SWE-bench Verified 這個專門評估 AI 解決真實軟體工程問題能力的基準測試中，得分達到 72.1%，而去年同期的頂尖模型大約落在 40% 左右。這不是小步前進，是跨越式的能力躍升。

但數字只是背景。真正值得討論的，是這個能力躍升對「非工程師」意味著什麼。

人機協作的分工線，正在被重畫

過去我們談人機協作，預設的劇本是：人負責「想清楚要做什麼」，機器負責「把已知的解法跑快一點」。工程師還是不可或缺的翻譯者，把商業需求轉譯成機器能懂的語言。

Codex 之後，這條線開始模糊。

一個行銷企劃，過去如果想做一個簡單的資料分析腳本，他的路徑是：想清楚需求 → 找工程師 → 等排程 → 改需求 → 再等。現在的路徑可能變成：想清楚需求 → 跟 ChatGPT 描述 → 得到一個可執行的結果 → 自己調整。

這不代表工程師會消失（我在前幾篇文章裡已經反覆論證過這個問題，這裡不再重複）。但它確實代表「程式能力」這件事的門檻結構被重組了。以前是二元的：你會或你不會。現在開始出現第三種狀態：你不太會，但你能跟 AI 協作到足以解決問題。

這個第三種狀態，正是 Codex 最值得觀察的社會效應。

非工程師的新賽道

我接觸過幾個用 Codex 類工具做出具體產出的非技術使用者案例。一個法務人員用它寫出了自動整理合約條款的 Python 腳本；一個教師用它建了一個簡單的成績統計工具；一個設計師用它生成了自動重新命名批次檔案的指令。

這些人沒有一個打算轉職當工程師，他們只是解決了一個以前必須等別人幫忙才能解決的問題。

這個現象的另一面是：對工程師而言，Codex 也在改變工作的質地。重複性的樣板程式碼、基礎除錯、文件撰寫，這些過去佔用大量時間的任務開始被 AI 吸收，留給工程師的是更多架構決策、邏輯驗證、與跨部門溝通。能力邊界在兩端同時被推移。

協作的前提是：你得知道自己要什麼

這裡有一個常被忽略的前提：Codex 的輸出品質，高度依賴你的輸入品質。

「幫我寫一個程式」跟「幫我寫一個讀取 CSV 檔案、篩選出特定欄位、輸出成新 Excel 的 Python 腳本」，得到的結果天差地別。這不是 Codex 的弱點，這是人機協作的本質——機器放大你的清晰度，也放大你的模糊。

這代表什麼？「結構化思維」與「把需求說清楚的能力」，反而因為 AI 的普及變得更重要，而不是更不重要。工程師訓練出來的那種拆解問題、定義輸入輸出的思維方式，在 AI 協作時代依然是稀缺資產，只是它的擁有者不再只限於工程師。

重新定義你與程式的距離

我認為 Codex 進入 ChatGPT 最重要的意義，不是「AI 寫程式更強了」，而是它讓「會不會寫程式」這個問題開始變得不那麼二元。

對還在觀望的人，我想說的是：現在進入這個協作模式的成本，比任何時候都低。你不需要先學會 Python，你只需要先學會把問題說清楚。

從我的觀察角度，Codex 最值得持續追蹤的，是它對組織內部「技術民主化」的加速效果。當程式碼不再是特定職能的專屬語言，部門之間的協作成本、外包依賴度、產品迭代速度，都會跟著改變。

這個變化正在發生，速度比多數人預期的還快。