草根影響力新視野  林林

AI從「會聊天」發展到「會上工」，職場的震動不再是科幻橋段，而是日常決策的一部分。國際機構的判讀其實很一致：衝擊面很廣，常見情況不是整批職位消失，而是工作內容被重新切割、重寫。以IMF的估計，先進經濟體約六成工作會受AI影響，其中一半偏向被增能，另一半則面臨部分任務被取代、薪資與招募條件被重新定價的壓力。

WEF的人力盤點也說得直白：到2030年，所謂「工作結構變動」大約改寫兩成以上的職位版圖，整體仍可能呈現淨增，但前提是大規模再技能化。更讓人有感的，往往不是資深職位瞬間蒸發，而是入門匝道變窄：企業縮減或外包白領入門職，履歷先被系統刷過，職缺描述也可能由系統生成。求職者投了上百封仍無回音的挫折，於是變成在和演算法比賽，彷彿「上岸」之前先得學會對題、對格式、對關鍵字。

文科理科誰更吃香？與其押單邊，不如學會混搭。生成式AI特別擅長可文字化、可規則化的白領任務，因此文書、行政、基礎彙整、客服、助理等工作最先感到壓力。ILO的提醒更接近現實：多數情境不是全面自動化，而是「增強」與「重分工」。換句話說，許多文科常見入口職會被迫升級：不再只負責產出，而要能審核、策展、溝通、處理例外、持續優化，並且對結果負責。

圖片取自:(示意圖123rf)

理科也別太早開香檳。AI同樣會把「寫程式、做分析」中可模板化的部分商品化，讓純技術執行更競爭；同時，基礎設施、資安、資料治理、模型監控與合規等需求反而上升。WEF把AI與資訊處理列為最具轉型力的趨勢之一，指向的不是「會寫」而已，而是「能把系統做對、做穩、做可驗證，還做得合規」。懂架構、懂風險、懂責任，會比懂語法更稀缺。

從OECD的觀察看，AI暴露度常與教育程度、白領職務關聯更高，「學歷越高越安全」的老話開始失靈。更準確的分水嶺，反而是三種能力：

一、把問題說清楚（界定需求、倫理、利害關係人與邊界）

二、把工具用正確（資料素養、AI協作、驗證、風險控管）

三、把結果交付出去（跨域溝通、產品化、現場落地）

如果想記得更牢，給它一個人機協作的SOP：先定義，再生成，再驗證，最後由你承擔責任。

對個人而言，策略不必是「轉系」，而是「拆解任務」：找出工作裡最容易被模型吃掉的那20%，把它從手工勞動改成你決策、AI加速；把作品集做成可驗證的交付（報告、流程、教材、程式、簡報、案例與反思），讓價值可被看見、可被轉移。把AI當成第二語言，不是每次都追求寫得更快，而是學會下指令、看限制、敢校正。對政府與企業而言，重點也不是喊口號，而是把再訓練、轉職支持、工時與績效制度一起調整，否則AI不只會把效率做大，也會把不平等做大。

因此，文科要變強，可以補一點數據與工具，讓思辨更能落地；理科要變貴，得補一點敘事與人性，讓技術更值得信任。AI時代最值錢的職業，不是單純「文」或「理」，而是能把人、制度與機器接起來的那種人。說到底，別只問誰吃香，更該問自己願不願意把技能從單點，做成一桌菜：可端上桌、可遷移，還可再創造。