面對AI浪潮，許多人擔心被取代。但美國知名求職平台Indeed於2025年發布的研究報告，為我們描繪了不同的圖景。這份報告評估了近2,900項工作技能，將AI時代下的職能轉型分為四大類型：

1. 最低限度轉型：高度依賴人際互動或精細手工操作的職業，如理髮師、護理師，AI幫助極為有限。
2. 輔助轉型：AI扮演智囊角色，提供資料、建議與範例，但最終決策權仍在人類手中。
3. 混合式轉型：AI接手重複性任務如校對、除錯，人類則轉為監督、驗證與處理例外狀況。
4. 完全轉型：基礎資料處理或高重複性的標準流程工作，可由AI全權接管。

研究揭示了一個關鍵洞察：高達80%的技能仍需大量人類參與，僅約1%可能被完全自動化。這意味著AI的角色並非取代人力，而是與人協作—人類提供方向與判斷，AI提供延伸與靈感，最終產出是雙方「共創」的結晶。
 

儘管AI被賦予生成內容的能力，但前提是我們必須給出明確的指令。如同使用搜尋引擎，問題越精確，答案越到位。

以撰寫演講稿為例，籠統地要求「請幫我寫一篇關於國際局勢的演講稿」，AI可能生成空泛甚至偏離主題的內容。但若能具體說明目標聽眾是誰、演講時長、聚焦哪個區域或議題、期望的語調與風格、是否需要搭配圖表、輸出格式為何，AI便能精準回應需求，真正發揮共創價值。

我在初期使用AI時，便因不懂如何下達有效指令，反而降低了工作效率。學會精準提問，是與AI協作的第一堂必修課。

 

AI的價值不僅是「給出答案」，更在於「生成多種可能」。你可以要求它從不同角度、不同語氣、不同結構來呈現內容，藉此激發更豐富的創意靈感。這就像擁有一位永遠不會累、點子源源不絕的同事陪你腦力激盪。

以我常用的Gamma為例，我的主要需求並非讓它生成完整簡報，而是提供多樣化的排版範例供參考。根據顧客需求，我會從中挑選合適的視覺呈現方式，讓專業簡報更具條理、更直觀、更有說服力。AI的魅力，在於它能打破我們有限的思考邊界，開展無數延伸的可能性。
 

AI的建議永遠不等於定稿，最終仍需人類的經驗與綜合判斷來把關。哈佛大學經濟系學者Seyed M. Hosseini與Guy Lichtinger於2025年發表的研究報告，分析了2015至2025年間、6,200萬名員工與2.45億筆職缺資料。研究發現，自2023年起，導入生成式AI的企業中，初階職位人數平均減少7.7%，中高階人力則穩定成長。

原因在於AI確實取代初階員工的例行任務——撰寫報告、查核文件、整理數據、初步應對顧客等。但那些懂流程、有判斷力、能協調溝通的資深員工，則轉型為駕馭AI的角色，負責把關與決策。

這突顯人類在AI時代的核心價值：從眾多選項中進行綜合性、全面性的考量與驗證，挑出最適切的選擇。而這種需要經驗和專業判斷的能力，正是AI無法取代的。

• 實戰案例一：HR的AI協作
招募季來臨，人資部門通常會收到數百份履歷。以往必須花費數日逐一細看，現在人資主管決定與AI協作。

第❶步 ➡ AI擔任初篩助手：人資將職缺必備條件輸入AI：三年以上行銷經驗、熟悉社群操作、具備數據分析能力。系統快速從200份履歷中篩出80位符合基本門檻的候選人，大幅節省初步篩選時間。

第❷步 ➡ 人類進行關鍵判斷：AI迅速整理出每位候選人的經歷亮點和技能摘要，但最終篩選仍由人資主管親自操刀。「AI能告訴我這個人做過什麼，但無法判斷他是否適合我們的團隊文化，」憑藉過往經驗與對企業文化的深度理解，她從80人中挑出15位最有潛力的候選人。

第❸步 ➡ 客製化面試準備：確定面試名單後，請AI根據每位候選人的履歷生成專屬面試問題。這些問題提供了絕佳起點，但實際面試時，人資主管仍會依對話流程靈活調整。
整個流程從三天縮短至一天，人資團隊將省下的80%時間，專注於真正需要人來判斷的部分：誰適合團隊？誰有潛力？誰能帶來新思維？AI負責效率，人類負責品質—這才是真正的共創。

• 實戰案例二：財務分析師的深度洞察
作為資深分析師，撰寫投資研究報告是我的日常工作。以往光是整理數據就需要數日時間，通常得由資淺分析師協助收集資料。現在，我讓AI負責彙整過去五年的產業數據：營收、市佔率、技術投資、併購案等。原本需要從各種財報中逐一擷取的數字，AI幾分鐘就能整理完成（但必須確保資料來源的正確性）。接著根據數字生成折線圖、堆疊圖、散佈圖等視覺化圖表，並從AI提供的多種視覺方案中，選擇最能說故事的版本。

AI提供多角度解析，人類提供專業判斷

數據圖表整理完畢後，我會指示AI從不同角度解讀數字與資料：財務預測、供應鏈風險、地緣政治影響、技術週期變化等。我再從AI的解析中，融入過往經驗、查證相關資料，並思考質化因素——產業人脈、管理層執行力、未公開的技術進度等，最終得出分析結論。
例如：雖然數據顯示A公司營收領先，但基於對產業的深度理解，我可能判斷B公司在關鍵技術上的布局更值得長期關注。這種洞察來自人的經驗與判斷，不是數字能直接說明的。
整份報告的處理時程大幅縮短，因為AI幫我處理了絕大部分的資料整理工作，讓我能專注思考數字背後的意義。畢竟，數據會說話，但需要人來翻譯。
 

數據圖表整理完畢後，我會指示AI從不同角度解讀數字與資料：財務預測、供應鏈風險、地緣政治影響、技術週期變化等。我再從AI的解析中，融入過往經驗、查證相關資料，並思考質化因素——產業人脈、管理層執行力、未公開的技術進度等，最終得出分析結論。

例如：雖然數據顯示A公司營收領先，但基於對產業的深度理解，我可能判斷B公司在關鍵技術上的布局更值得長期關注。這種洞察來自人的經驗與判斷，不是數字能直接說明的。

整份報告的處理時程大幅縮短，因為AI幫我處理了絕大部分的資料整理工作，讓我能專注思考數字背後的意義。畢竟，數據會說話，但需要人來翻譯。

 

AI時代的工作方式，不是「人vs.機器」的對抗，而是「人＋機器」的共創。讓AI負責「量」——快速生成、大量選項、資料整理；人類負責「質」——判斷、決策、情感、專業把關。最佳成果來自「AI的效率＋人類的智慧」。而三個關鍵能力將定義未來十年的職場競爭力，分別是：（1）學會精準提問；（2）善用AI的創意發散；（3）保持人類獨有的判斷力。

AI時代的競爭力，不在於誰更快學會使用工具，而在於誰能用AI放大思考、深化洞察。讓AI處理「量」，讓人專注「質」，這是未來職場的黃金法則。當你學會與AI對話、協作、共創，它將成為你永不疲倦的夥伴，陪你一起變強、一起前行，開啟屬於人與智慧科技的嶄新時代。