當人工智慧讓「職涯階梯」消失：AI筆記 2030 前，人類職場正在悄悄走向一場人才斷層危機

從年終裁員潮開始的變化：職場正在加速進入「無梯化時代」

根據報導，每到年末，企業通常會做兩件事：檢視績效與調整成本。然而 2025 年的裁員潮卻與以往不同，它並不是企業景氣衰退的單純產物，而是生成式人工智慧被全面部署後的第一波衝擊。

從科技、金融到專業服務業，各種裁員公告在全球激增。研究顯示，生成式 AI 與經濟緊縮雙重作用下，企業開始重新審視整個組織結構，其中三種人力最先被放上檯面：

中階管理者──流程自動化讓管理責任被技術吸收。
入門職位──原本作為訓練新血的任務被工具取代。
可分割的例行性工作者──AI 能以更高效率完成的項目被直接外包給模型。

短期看起來，企業彷彿找到了節省成本的新途徑。然而經濟學家與管理學者提出警告：裁員不是問題的終點，而是長期人才供應斷裂的起點。

類似的警訊並非第一次出現。在 MIT 與普林斯頓過去對自動化浪潮的研究中，學者已指出「技能梯度消失」會造成整個產業在 3–7 年後面臨人才匱乏。如今，生成式 AI 加速這個過程，使原本緩慢的職涯階梯，在短短幾年內開始瓦解。筆者透過 AIMochi 筆記工具統整資料，一起來看看學者怎麼說!

AI 把工作做更快，但也讓「學習的時間」消失

報導指出，生成式人工智慧不只提升效率，更改變了工作的邏輯。

傳統的技能培養方式，從 16 萬年前的人類社會至今，始終建立在一個基本模式上：一個新手與一位專家一起處理真實的任務，在過程中累積經驗、犯錯並改善。

這是一條天然的職涯路徑：從嘗試 → 接觸困難 → 在高手協作下累積洞見 → 成為能解決複雜問題的人。

然而生成式 AI 的導入讓企業能夠以「專家速度」處理工作，大量任務不再需要新手參與。對公司而言這是提升效率；對人類勞動力而言，卻是一個龐大的結構性空洞。

麥肯錫（McKinsey）在 2024 年的勞動力研究中指出：

能透過 AI 大幅節省時間的工作，其入門職位的聘僱比例在五年內下降約 14%。
高技能職位仍然需要人類，但人才的輸送管道開始中斷。

換句話說，AI 並沒有取代頂尖人才，而是讓人類失去成為頂尖人才的踏板。

醫療示例：新手失去舞台後，整個產業開始產生斷層

職涯梯度被切斷的最典型案例，來自醫療領域。

在 2010 年代，機器人手術逐漸普及後，有研究發現：

初階外科住院醫師在傳統四小時手術中，可參與多個關鍵步驟。
但在機器人手術中，他們的實際操作機會只剩下 10–15 分鐘。

幾年後結果非常明顯 ── 新一代外科醫師的獨立操作能力開始下降。

此問題在 2023 年後被多項醫學研究持續證實：
依賴自動化的科別，其新手醫師累積的實作經驗與 20 年前相比大幅減少。長期來看，這不僅關係到職涯發展，更關係到整個醫療體系的品質。

這正是研究者所說的：當 AI 削減了新手的參與度，就會削弱整個產業的接班能力。

企業為了節省短期成本，卻忽略長期的人才培養，最終可能反而將自己推向風險。

企業集體選擇 AI，形成跨產業的「負外部性」

當每間企業都在問「今天怎麼省錢？」時，很少有人在問：三年後還找得到能做這份工作的新人嗎？

學者將此現象形容為一種「跨企業的市場失靈」：

每家公司都削減新人培訓，因為成本立即可見。
但所有公司都需要中階人才，且缺乏新血後將無人可用。
企業不願培養，也不願承擔訓練成本。
最後大家都倚賴「從競爭對手那邊挖人」，形成惡性循環。

世界經濟論壇（WEF）2024 年報告顯示：

63% 的雇主預期 2025 年後會出現嚴重技能缺口。
42% 預估 2030 年前人才供應將持續下滑。

這意味著一個不難預見的未來：AI 並沒有消滅工作，而是讓企業找不到能勝任工作的人。

消失中的「一階與二階」：職涯階層正在被掏空

現代企業的職涯結構，大多像是一個階梯：

Level 1：助理、分析員、初階職位
Level 2：具基本專案能力的中階人員
Level 3：能獨立判斷、能帶領專案的資深者
Level 4：具領導力、判斷力與跨領域能力的高階管理者

生成式 AI 正在快速掏空第 1 與第 2 層。

例如：

法律事務所使用 AI 起草合約，新人少了練習 drafting 的機會。
咨詢業用 AI 做資料整理，新人少了資料處理與洞察的經驗。
科技公司讓 AI 做程式 boilerplate，新人少了熟悉架構的磨練。

長期下來會發生什麼？

當企業需要晉升某人到 Level 3 或 Level 4 時，會發現：

沒有人真的完整走過職涯階梯。

沒有經驗，就無法承接高階判斷的責任。

這是一種不是靠招募就能解決的問題，而是「整個職涯生態系」的系統性斷裂。

問題不是 AI，而是「預設使用方式」

在這個討論中，並不是 AI 本身造成問題，而是企業逐漸採用的預設模式：

效率優先
成本最小化
時間壓縮
流程自動化

這些做法短期有效，但持續放大人才斷線的速度。

研究者提出一個重要觀點：

AI 工具若不調整設計與使用方式，就會自然地排擠新手。而不是協助新手學得更快。

換句話說，我們需要的不是少用 AI，而是設計出一種讓人類能在 AI 旁邊學習的工作流。

2030 年前最缺的不是技術，而是「能學的人」

在未來的十年中，企業最需要的人才並不是已經能做某件事的人，而是：

能學得快的人
能適應未來變化的人
能協助其他人學習的人
能在 AI 與人之間設計流程的人

研究者稱之為：

「元技能」（meta-skills）──學習如何學習、學習如何協作、學習如何判斷。

這種能力的價值正在快速上升，原因很簡單：

未來的工作，是在與不斷進化的工具一起進化。不是跟工具競爭，而是與工具共創。

企業如何避免人才斷層？三個方向必須同步調整

企業若想在 2030 年後仍具有競爭力，需要重新設計三件事：

1. 重新設計工作流程，讓新人能參與任務

不能讓 AI 包辦所有細節，否則新人學不到技能。必須刻意留下一些「可學習的空隙」，例如：

由新手進行第一次草稿，AI 做優化
將專案拆成部分由新人處理
設計「人機共學」的練習情境

2. 將培訓視為風險管理，而非成本支出

人才斷層是一種長期風險，而非財務負擔。

研究顯示：

投資人才的企業在 5 年內平均競爭力提升 20%
未投資的企業則面臨更高的離職率與接班危機

3. 建立內部的「學習刷新週期」

未來技能的半衰期變短，企業必須定期調整：

新工具導入
判斷力訓練
技術＋人際混合技能訓練

這不只是教育問題，而是企業能否健康成長的結構性問題。

企業大裁員不代表企業不健康，而是進入「重建期」

當一家公司大規模裁員，我們通常會以為公司出現危機。但在自動化與生成式 AI 的大潮中，情況常相反：

裁員不一定是衰退
很可能是組織重新配置、向未來調整
是效率提升後的自然現象

但企業必須注意：

裁減成本可以立即帶來成果，但裁減人才會在三至五年後帶來隱性危機。

真正能在未來勝出的企業，是那些：

懂得使用 AI，但不依賴 AI 的企業
願意保留人才梯度與技能傳承的企業
把效率與育成視為同等重要的企業

未來的職涯不是「被 AI 取代」，而是「與 AI 共演進」

總結來看，未來五年內，我們不會看到工作全面消失，而是看到：

低層工作被減少
中階人才不足
高階判斷力需求增加
整體工作內容往複雜度更高的方向移動

這是一場全新的職涯革命。

問題從來不是 AI，而是：

人類是否仍能保持學習力、判斷力與協作能力。
企業是否願意留下給新人成長的空間。
社會是否能打造一條新的職涯階梯。

未來的競爭，不是人對 AI，而是人類是否仍能保持智慧與創造力。

以上資訊僅供分享與參考之用，請自行保留獨立判斷。若想快速了解更多資訊，善用 AIMochi 筆記工具，幫我們從海量資料中，梳理出關鍵資訊，讓我們精準掌握重要訊息!

| 馬上開始使用AIMochi