為什麼這次合作比你我想的都大條
OpenAI 不再只是讓你跟 ChatGPT 聊天，它把最強程式助理 Codex 整碗端給印度 IT 龍頭 Infosys。對方直接把 Codex 塞進自家 AI 平台 Topaz，目標只有一個：幫企業把老到會掉渣的系統，90 天內翻新成會自己寫程式、自己修 Bug 的 AI 版本。
台灣工程師的加班人生要被翻桌了？
想像一下，你在一家 50 年製造廠當 MIS，老 ERP 用 VB6.0 寫，改個欄位要測試三天。現在 Infosys 跟客戶說：「把系統丟給我們，Codex 自動幫會幫你生出 .NET 8 版本，順便寫好單元測試。」聽起來像詐騙，但這次是 OpenAI 官方掛保證。
三大場景，Codex 直接接管
- 軟體工程：從需求文件到產出 Code，AI 先幫你產出 80%，工程師只要 Review。
- 老系統重構：把 COBOL、VB6、Delphi 丟進去，Codex 翻譯成 Java 或 C#，還附帶 Docker 化腳本。
- DevOps 自動化：連 CI/CD 的 YAML、Terraform 檔都一起寫好，一鍵部署到 AWS、GCP、Azure。
台灣企業會先衝的三個理由
- 缺工程師：104 資料顯示台灣軟體人才缺口 6 萬人，與其繼續徵才，不如讓 AI 先補位。
- 老系統風險：銀行、保險、製造業核心系統平均 18 年，改壞一次損失上億，AI 重構降低人為失誤。
- 預算砍半：Infosys 喊出「同樣專案，人力砍 40%，時程砍 30%」，老闆聽到直接簽名。
實際會怎麼跑？三步拆解
- 盤點：Infosys 顧問進場兩週，把 codebase 掃一遍，產出「AI 可讀懶人包」。
- 生成：Codex 分批翻譯，邊跑邊產測試案例，工程師每天只要按「Approve」或「Reject」。
- 上線：Topaz 直接把產出打包成容器，一鍵放進 K8s，舊系統平行跑，風險降到最低。
台灣人該擔心還是該嗨？
- 初階工程師：重複性工作被吃掉，但轉型做「AI Reviewer」身价比以前高。
- 資深架：終於不用半夜重構 legacy，把時間拿去設計新架構，薪水包更高。
- 老闆：預算變少、風險變低，還能跟股東說「我們 AI 轉型」，股價先漲一波。
下一步，台廠怎麼接招？
- 先盤點家裡的老系統：把 10 年以上、文件失傳的列優先清單。
- 小規模試點：找 1 個非核心模組給 Infosys 或本地 SI 試做，驗證 AI 重構品質。
- 培養「AI Reviewer」：工程師不必拚命寫 Code，要拚命讀 Code，看懂 AI 產出邏輯，才能簽核上線。
現在就打開公司系統清單，把最老、最不敢動的那支程式圈起來——說不定再過三個月，它就被 Codex 翻新成你認不出來的模樣。
