AI搶走的不是工作，而是工作的內容——下一個十年，誰能留下來？

數據顯示AI目前並未大規模消滅就業，但工作的結構正在悄然重組。從丹麥到日本，從軟體工程師到放射科醫師，一場關於「人類還能做什麼」的深層辯論已經開始。

2025年，軟體工程師的核心競爭力是「寫出好程式」。2026年，同樣的職位，考核標準變成了「能不能看出AI寫的程式哪裡出了問題」。

職業沒有消失。但這份工作，已經不是原來那份工作了。

這個細節，精準地捕捉了當前AI浪潮中最容易被忽視的真相：AI正在替代的，是「任務」，而不是「工作」本身。

數字說什麼

先看事實。美國主要工作年齡層（25至54歲）的就業率目前仍接近歷史高點。針對美國企業財務長的調查顯示，「幾乎沒有近期因AI導致整體就業下降的證據」。歐洲企業的調查結果類似——儘管AI帶動了生產力提升，但裁員現象並不顯著。

Geoffrey Hinton，現代AI的奠基人之一，曾預言放射科醫師將很快被AI取代。現實卻是：放射科醫師的需求比以往任何時候都高。

丹麥學者 Humlum 與 Vestergaard（2026年）對大量職場數據進行分析後發現，AI普及後，多數勞工確實轉移到了新任務，但ChatGPT推出兩年後，薪資與工時的變化仍在2%以內。改變的不是工作的量，而是工作的結構。

結論很清楚：AI目前替代的是任務，不是職業。

為什麼有些工作更抗AI

經濟學家 Luis Garicano、Jin Li 與 Yanhui Wu 提出了一個有用的分析框架：把職業想像成一束任務，關鍵在於這些任務「綁得緊不緊」。

如果一份工作的各項任務可以輕易拆分，交給不同的人或機器來做，那它就是「弱束縛型」職業，AI滲透的速度會更快。反之，如果各項任務必須由同一個人完成才能發揮價值，那它就是「強束縛型」職業，對自動化的抵抗力更強。

放射科醫師是強束縛型的典型例子。AI確實能讀影像，但與病患溝通、整合複雜臨床資訊、承擔醫療責任——這些任務必須由同一個專業人士串連，才能形成完整的醫療服務。

但弱束縛型職業的消失也不是一夜之間的事。研究者指出，只要市場需求持續擴張，即使AI介入，整體工作量仍可能增加。問題在於需求飽和之後——那才是真正的分水嶺。

廣告合作

[email protected]

三種倖存者：專家、通才、創業者

原文作者將AI時代的近未來就業分為三種形態。

第一種是專家（Specialist）。從事強束縛型職業的人——外科醫師、建築師、優秀的寫作者——AI輔助他們，但無法取代他們工作的核心。

第二種是通才（Generalist），也是最值得深思的一類。作者以日本「上班族（Salaryman）」系統為例：日本大企業長期讓員工在不同部門輪調，從人資到會計到產品開發，培養出一批「什麼都懂一點」的人。這套系統過去被批評為低效率的根源，但在AI時代，它的邏輯可能重新成立。

原因在於：AI的錯誤是不可預測的。它在某些任務上出色，在另一些任務上卻會「自信地犯錯」。企業需要的，是能夠隨時發現這些漏洞、填補這些漏洞的人——不是某個領域的深度專家，而是能夠靈活切換、快速學習、對AI輸出保持批判性判斷的通才。

第三種是小型創業者（Small Business）。AI降低了許多行業的進入門檻，讓個人或小團隊得以完成過去需要大型組織才能做到的事。

這對華人世界意味著什麼

從台灣、香港到東南亞華人社群，這場討論有幾個值得特別關注的角度。

台灣的科技人才困境：台灣長期以半導體與硬體製造見長，但隨著AI工具快速普及，軟體工程師的技能要求正在急速轉變。過去「會寫程式」是進入科技業的門票，現在這張票的有效期正在縮短。台灣的工程教育體系能否跟上這個節奏，是個值得追問的問題。

中國大陸的雙重壓力：中國大陸的情況更為複雜。一方面，政府積極推動AI國家戰略，百度、阿里巴巴、華為等企業加速AI應用部署；另一方面，製造業就業人口龐大，AI帶來的任務替代效應若集中在某些產業，社會衝擊將遠大於歐美。此外，中美科技脫鉤的背景下，中國AI發展走的是一條與西方不同的路徑，其對就業結構的影響也可能呈現不同面貌。

東南亞的機會窗口：對越南、印尼、菲律賓等勞動力成本較低的東南亞國家而言，AI的普及既是威脅，也是機會。若能在AI工具普及的早期階段培養出大量「AI通才」，這些國家可能在全球勞動力市場中找到新的定位。

那麼，現在該學什麼？

這是整篇討論中最難回答、也最無法迴避的問題。

十年前，「去學寫程式」是最常見的職涯建議。這個建議並沒有錯——只是它的有效期比任何人預期的都短。現在，沒有人能夠自信地說出一個等效的答案。

原文作者坦承，他認識許多花了十年以上研究AI時代工作未來的學者，「沒有人找到令人滿意的答案」。AI能力的「凸凹性」意味著，即使是最合理的預測，也可能在技術下一次躍進後迅速失效。

目前看來，相對可靠的方向不是某個具體技能，而是一種能力組合：對AI輸出保持批判性，能夠快速學習新工具，在不確定性中保持判斷力，並且願意持續更新自己對「AI能做什麼、不能做什麼」的認知。