一、案例定位

軟體工程團隊以生成式 AI 自動化重複 coding tasks。

二、學習目標

• 區分 automation 與 architecture work。
• 計算 automated-task share。

三、案例情境

Uber 將生成式 AI 用於 boilerplate code、linter errors、unit tests，也用來早期辨識 bugs／vulnerabilities、改善 stakeholder communication 與 prototype speed。

四、開始資料

五、分析方法

追蹤 automated task count、review time、defects escaped、prototype cycle。

六、計算結果

原書未提供量化 uplift。

七、結果分析與管理解讀

把 rote work 移交 AI 可以讓工程師專注高價值工作，但 security／testing approval 仍需人員負責。

八、AI 提問詞

依 task log 統計 AI automation share 與後續 rework。

九、思考／情境變動

**題目：**若 400 tasks 中 120 由 AI 完成初稿，share？

**參考解答：**30%。