Uber 點用 AI 代理減慢招聘、寫更多 Code

Uber 呢一輪 AI 轉向，最值得留意嘅唔係「機械人取代工程師」呢類戲劇化講法，而係一條更現實嘅人手效率數：花更多錢落 AI、放慢招聘速度，然後希望同一批員工交到更多貨。

最清晰嘅訊號來自 Uber 行政總裁 Dara Khosrowshahi。佢話，Uber 目前約 10% 程式碼改動係由自主代理產出，但相關程式碼喺合併入程式碼庫之前，仍然會由人類員工檢查 。

不是「唔要工程師」，而係少請一部分新增人手

Uber 目前講緊嘅，唔係工程師會即刻喺軟件開發流程消失。更貼地嘅理解係：公司想控制人手增長，同時用 AI 提高每位員工嘅產出 。

Khosrowshahi 形容，佢希望員工用 AI 將產出提高 20%、30%、50%，甚至 100% 。呢個講法背後嘅招聘邏輯好直接：以前需要更多軟件產能，就可能要加聘工程師；而家部分產能可以嘗試由 AI coding agents、開發工具、自動化流程同運算資源補上。

佢亦提過一個較長遠嘅可能性：未來部分「新增工程人手」未必一定由真人填補，而可能由 AI 代理同 GPU 等運算資源取代一部分增量需求 。不過，以目前已披露嘅資料睇，Uber 今日仍然係 human-in-the-loop 模式，即 AI 產出要有人把關 。

AI 喺 Uber 工程團隊做緊咩？

最大轉變係，AI 已經唔止係寫 Code 時彈出一兩行建議。Uber CTO Praveen Neppalli Naga 表示，公司已經大力投入 AI coding；95% Uber 工程師每月都有使用 AI 工具，而一個內部 AI 代理每星期約產生 1,800 次程式碼改動 。

Uber 嘅開發生產力工作亦唔只限於「幫你起草程式碼」。一場 Developer Productivity Engineering session 形容，Uber 嘅 AI 投資橫跨軟件開發生命週期，包括為大型單一代碼庫（monorepo）調整 coding assistant、用具代理能力嘅系統處理大規模程式碼遷移，以及將 AI 用於測試同 code review 流程 。

但控制點仍然係審核。Khosrowshahi 已講明，AI 生成嘅程式碼喺加入 repository 之前會由員工檢查 。換句話講，Uber 係用代理幫手準備同產出更多工作，而唔係宣稱所有生產環境工程都可以無人監督。

「10% 程式碼改動」不等於「10% 程式碼」

關於 Uber AI coding 嘅數字，好容易被混為一談。其實唔同數字量度緊唔同事情。

Khosrowshahi 所講嘅 10%，係指由自主代理產出嘅程式碼改動 。另外，The Pragmatic Engineer 報道指，84% Uber 開發人員屬於 agentic coding users，即使用命令列代理，或者喺 IDE 入面提出比簡單 Tab 補全更具代理式嘅請求 。同一篇報道亦指，喺 IDE-based tools 入面，有 65% 至 72% 程式碼屬 AI 生成 。

呢幾組數可以同時成立，因為佢哋量度嘅層面唔同：一個係自主代理完成嘅程式碼改動；一個係開發人員採用代理式工作流嘅比例；另一個係 IDE 工具入面 AI 生成程式碼嘅比例。實際啟示係：AI 可能協助起草相當大比例嘅程式碼，但真正被歸因為「自主代理產出並合併」嘅改動，係另一個較窄嘅指標 。

點樣令招聘需求減慢？

如果同一批工程師可以交付更多工作，Uber 就有機會喺工程產出增加嘅同時，唔需要以同樣速度增加人手。呢個就係公司「加大 AI 投資、減慢招聘」背後嘅經濟邏輯 。

不過，成本唔係消失，只係轉移。以前主要係增聘員工；而家仲要付 AI 工具、代理系統同運算資源嘅成本。有報道指，Uber 因 Claude Code 使用量急升，較預期更早用完 2026 年 AI coding 預算；Uber 亦有使用 Claude Code 同 Cursor 等工具 。呢類消息未必等同完整成本帳，但足以反映一個新現實：軟件產能開始被規劃成「人、代理、工具、基建」嘅組合。

AI 亦伸延到營運流程

Uber 嘅 AI 策略唔只係工程部門。Khosrowshahi 表示，Uber 多年來已經用 AI 為叫車行程定價，以及配對司機同乘客 。較近期嘅報道亦指，生成式 AI 同 agentic AI 正被應用於客服、司機 onboarding，以及部分工程開發生命週期，令某些流程減少人手介入 。

呢點重要，因為招聘壓力唔只來自寫 Code。如果 AI 可以加快客服、簡化司機上線流程，或者協助診斷內部服務問題，Uber 就有機會移走流程樽頸，而唔一定要按舊模式加同樣數量嘅人 。

對工程師意味住咩？

Uber 現階段展示嘅，係受監督嘅 AI engineering，而唔係「無工程師」模式。代理可以起草程式碼、準備改動、支援大型遷移、協助測試同 review workflow；但 AI 寫出嚟嘅程式碼仍然要有人類員工審核，先會合併入程式碼庫 。

真正受影響最大嘅，可能係新增人手增長。只要 AI 工具喺真實工作流入面持續可靠地提高產出，Uber 就可以喺擴大工程能力時，少請一部分本來可能需要增聘嘅人 。

但仍有一個未答完嘅問題：點樣量度真正生產力？採用率高、AI 生成比例高，證明工具已經深入工作流程；但佢哋本身未能精確證明，喺質素、可靠性、維護成本同長期工程負債計算之後，淨生產力到底提升幾多。對 Uber 以至其他科技公司嚟講，呢個先係 AI coding 由新鮮事變成管理制度之後，最難交代嘅部分。