你可能有過這種早上。同事在群組裡轉了一篇「十年內會消失的職業」，裡面剛好有你這一行。你看了兩眼，沒說什麼，但那個念頭留下來了：如果一個人配上 AI 就抵得過一整個部門，那我這個位子還在嗎？
這篇不打算再給你一份消失職業清單。那種清單只會製造焦慮，因為它講的是「你的職業」，而職業根本不是 AI 動手的單位。真正被換掉的東西小得多，也具體得多。
文章導讀
- 被換掉的不是你的職業，是你每天在做的那幾件事。搞混這兩件，準備的方向就會全錯。
- 支付公司 Klarna 把客服交給 AI，後來執行長公開承認換錯了東西，又把真人找回來。那次反轉很值得看。
- 風險不是平均分給所有人，但判準不是年資。文中給你 7 個可以逐條對照的條件，中越多越該動。
為什麼「我的工作會不會被取代」問錯了？
因為這個問題預設了工作是一整塊，會被整塊拿走或整塊留下。實際上不是。你的工作是幾十件事湊起來的：整理資料、寫信、開會、判斷要不要簽這個字、跟難搞的窗口把事情喬好。AI 面對這些事的能力差距，大到不像同一件事。
所以問「我的職業會不會消失」，答案通常是不會，你鬆一口氣，然後什麼都沒改變。半年後部門沒再進新人，工作內容悄悄換了一半，職稱卻一個字都沒動。你確認了職稱不會消失，但工作已經被換掉。
比較有用的問法是：我這禮拜做的事情裡，有幾件是別人只要打幾行字就能拿到差不多的結果。給你三個標尺：寫一封通知信、把會議錄音整理成摘要、把散在各處的資料做成表格。
那被換掉的到底是什麼？
是任務，不是職稱。這個差別聽起來像文字遊戲，後果差很多。拿我自己當例子。我教簡報，以前做一份課程視覺素材，光把配色跟版面調到能看就要一個下午，現在幾分鐘就有雛形。那是不是代表「簡報講師」被砍掉了？沒有，被砍掉的是「調版面」。課程要講什麼、學員會卡在哪，一分鐘都沒省，因為產出變便宜之後，值錢的就換成判斷。
你的工作大概也是這個形狀。一部分是「照著做就會對」的，正在快速貶值；另一部分是「要有人決定怎麼做才會對」的，反而變稀有。麻煩的是，很多人的前十年剛好都花在練熟第一部分。
還沒用過這些工具的話，先摸清楚分布會有幫助，我整理在〈知識工作者的 AI 工具地圖：5 大環節該用哪些工具、怎麼搭配？（2026 持續更新）〉。非技術背景想從操作開始，可以看〈Claude Code 非工程師怎麼用？5 個 30 分鐘上手的 AI 工作流應用〉。
有沒有換過去、又換回來的例子？
有。幾年前支付公司 Klarna 高調宣布 AI 客服接手了大量客戶對話，效率數字漂亮到變成當年最常被轉貼的案例。2025 年 5 月，執行長公開受訪時說這件事太偏向省成本、服務品質掉下來了，於是又把真人找回來。
重點不是「所以 AI 沒用」，而是他們換掉的和換回來的不是同一批東西。一眼看得出答案、三句話就結束的問題，交出去之後沒再收回。收回來的是另一種：客人已經很火大、事情牽扯到別的部門、規則上不該通融但這次應該通融。這些需要的不是快，是有人願意承擔後果。
Klarna 收回來的不是整個職位，而是那些一旦做錯就會很貴的判斷。一家公司證明不了全部，但它給了一條可以對照自己的線：你做的事如果是「錯了也還好，重做就是了」，處境比較緊；如果是「錯了會有人跳腳，要有人負責」，暫時是安全的。
那風險到底落在誰身上？
不是平均分給所有人，但判準也不是年資。我看過剛畢業第一年就在做沒人替代得了的事的人，也看過做了十五年、每天在做一份寫得出 SOP 的工作的人。危險的不是你做幾年，是你手上的工作長什麼樣子。
下面七個條件，拿這禮拜做過的事逐條對照，中越多風險越高：
- 你的產出有標準答案，對錯當場就看得出來。有唯一正解、驗收方式明確的任務最容易被交出去。反過來說，要在資訊不足的情況下做取捨的事，沒有人敢交。
- 你的工作可以完整寫成一份 SOP，新人照著做就會對。能被寫下來的，就能被交代出去。真正的問題不是你有沒有 SOP，是你的價值會不會剛好等於那份 SOP。
- 你經手的東西全都在螢幕裡。不用到現場、不用碰實體、不用跟人把事情喬好，純數位的輸入輸出最先被打通。
- 做錯了不會有人來找你負責。責任歸屬是目前最硬的護城河。做錯要有人扛的事，公司不敢交給 AI，因為它扛不了。
- 你在流程裡的位置是傳遞與轉換，不是決定。把 A 格式轉成 B 格式、把資料從甲系統搬到乙系統、把會議錄音變成摘要，這類中介環節正在被大量打薄。
- 你懂的東西，網路上查得到。專業如果被公開資料涵蓋得了，AI 也涵蓋得到。真正貴的是只有做過才知道的事：這個客戶上次為什麼翻臉、這個系統為什麼碰不得。
- 你不決定要做什麼，工作是被上游餵進來的。等著別人派活的位置，在流程重整時最容易被整段拿掉，因為拿掉它不需要跟你討論。
中一兩條不用緊張，那是多數工作的常態。中到五條以上就該開始動了，而且動的方向不是換行業，是把手上的任務往第 4 條跟第 6 條挪：去接需要有人扛的事，去累積查不到的東西。
這裡要補一個很常被誤讀的數據。史丹佛研究團隊拆過美國的薪資單資料，發現受影響行業的入門職缺明顯縮水：本來開一百個新鮮人職缺，現在只開八十四個，同一批公司裡的資深工作者反而是穩的。
這份數據常被講成「新鮮人比較容易被取代」，但那是倒果為因。縮的不是「新鮮人」這個身分，是入門職位剛好被設計成上面那幾條的集合：有標準答案、有 SOP、純螢幕作業、不用扛責任。同樣的條件套在做了十五年的人身上，結果一樣。資深的人之所以撐得住，是因為他們通常還兼著一些第 4 條跟第 6 條的事，不是因為年資本身有保護力。
另外，在這份研究涵蓋的資料裡，公司調整的方式多半不是降薪，是不補人。這種變化沒有公告，你只會有一種感覺：好像好久沒有新同事了。
這個月可以做的 3 件事
一、把這禮拜做過的事列出來，然後分三堆
不要憑印象，實際寫。把這禮拜做過的事拆成十五到二十五項，一項一句話，然後分三堆：AI 現在就做得掉的、AI 幫得上忙但還是要你來的、AI 完全插不上手的。多數人第一次做完會有點沉默，因為第一堆比想像中厚。這個清單的價值就在於它很具體，它不會讓你停在「我好像有點危險」，而是指出危險在哪幾行。
二、刻意去接那些「會有人負責」的事
方向不是躲開 AI，而是把重心往第二堆和第三堆挪：需要跟別的部門喬事情的案子、需要當場做決定的場合、需要對外交代結果的角色。
如果案子是主管派的，你沒有挑的空間，就從現有工作裡把「要向誰交代」的那一段接過來做：原本只負責出數字，改成由你跟需求單位確認要什麼、最後由你說明結論。這類任務做壞了會有具體的人不高興，而這正是它難以被拿走的原因。
三、講產出，不要只講你省了多少時間
用了 AI 之後速度變快，很多人第一時間想跟主管講「這個我現在半小時就做完了」。問題是這句話在主管耳裡有兩種翻譯，其中一種是「原來這件事不需要這麼多人」。
比較安全的說法是把省下來的時間接到一個新產出上：以前每個月只能追三個客戶，現在能追八個；以前提案只做得出一個版本，現在能做三個。同樣是效率變好，前一種講法把你變成成本，後一種讓你變成產能。
你現在是哪一種處境？
| 你的處境 | 這個月先做 | 先不要做 |
|---|---|---|
| 剛畢業或還在找第一份工作 | 累積能拿出來看的成品，讓人一眼看到你會做什麼 | 再多考一張泛用型證照 |
| 工作已經很熟練，流程都跑得順 | 盤點任務，主動去接需要判斷與協調的事 | 把現有的執行流程練得更熟 |
| 帶團隊的人 | 先講清楚省下來的時間要投到哪個目標 | 先宣布效率提升了多少百分比 |
| 接案或一人工作者 | 把時間挪到談需求與收尾把關這兩端 | 用降價來反映你變快了 |
| 在傳統產業，公司還沒動 | 把每週最花時間的那份報表用 AI 做一次，前後時間記下來給主管看 | 等公司給方向 |
「先不要做」那一欄通常比左邊更重要。焦慮的時候人會想多做點什麼來安心，而多做的往往剛好最沒用。
內文精華總結
- 單位是任務，不是職稱：職業不會整塊消失，但內容會被悄悄重寫一半。
- 換回來的是判斷：沒收回的是答案很明確的事，收回來的是做錯會很貴的事。
- 風險不平均，但判準不是年資：看的是工作有沒有標準答案、寫不寫得出 SOP、是不是純螢幕、要不要扛責任、是傳遞還是決定、懂的東西查不查得到、活是不是別人派的。中五條以上就該動。
- 入門職缺在縮不是因為新鮮人比較弱：是入門職位剛好被設計成那幾條的集合，同樣條件套在資深者身上結果一樣。公司多半是不補人而不是降薪，所以不會有通知。
- 清單優於焦慮：把這禮拜做過的事分成三堆，不安會變成可以動手的幾行字。
- 講產出不要只講省時：「我快了一半」跟「我多做了五個客戶」是同一件事的兩種講法，結果差很多。
參考資料
以上均以各機關官方最新公告為準。本文為一般性資訊整理，不構成法律意見。
延伸閱讀
- 知識工作者的 AI 工具地圖：5 大環節該用哪些工具、怎麼搭配？（2026 持續更新）
- Claude Code 非工程師怎麼用？5 個 30 分鐘上手的 AI 工作流應用
- 告別 AI 焦慮！高效學習 AI 數位工具的 4 階段實戰框架
- AI 時代教學與反思：過度依賴 AI 背後的隱形代價及認知負債
- GPT-5 推理模型主流化是什麼？知識工作者重新分配思考預算的 3 個方向
- 校園講師如何轉企業內訓？3 階段轉型路徑與 5 個官網必備元素
重點整理
AI 會不會取代我的工作？
整個職業被拿走的機率不高，但工作內容被換掉一半的機率很高。AI 動手的單位是任務，不是職稱。你的工作由幾十件事組成，「照著做就會對」的正在快速貶值，「要有人決定怎麼做才對」的反而變稀有。所以該問的是：這禮拜做的事裡，有幾件別人打幾行字就能拿到差不多的結果。
哪些工作算是 AI 幫得上忙的那一類？
粗略的分法是：一天有一半以上時間坐在電腦前處理文字或資料的工作都算，常見的有客服、行政、初階行銷企劃、基層程式、資料整理與報表彙整。反過來說，需要到現場、需要用手、需要當場跟人協調並承擔後果的工作，被影響的速度慢很多。
我怎麼知道自己的工作危不危險？
實際列出來看，不要憑感覺。把這禮拜做過的事拆成十五到二十五項，分成三堆：AI 現在就做得掉的、AI 幫得上忙但還是要你來的、AI 完全插不上手的。第一堆的厚度就是你的風險。模糊的不安會變成具體的幾行字，你會知道該調整哪裡。
年資淺的人真的比較危險嗎？
危險的不是年資，是工作的形狀。史丹佛研究團隊拆解美國薪資單資料，確實發現受影響行業的入門職缺從一百個縮到八十四個，同一批公司的資深工作者反而穩定，但原因不是新鮮人比較弱，而是入門職位剛好被設計成幾個高風險條件的集合：有標準答案、寫得出 SOP、純螢幕作業、不用扛責任、只做傳遞與轉換。同樣的條件套在做了十五年的人身上，結果一樣。剛畢業第一年就在做沒人替代得了的事的人也很多，所以請用工作內容對照，不要用年資對號入座。
那我是不是應該趕快轉去一個 AI 取代不了的行業？
行業別確實有差，但整個轉行通常不划算。累積的人脈與領域知識會歸零，而新行業裡一樣有「照著做就會對」的任務在貶值，你只是換個地方遇到同一件事。比較務實的是留在原地調整任務結構，把重心往需要判斷、需要跨部門協調、需要對外承擔結果的事情挪，並且刻意累積那些網路上查不到、只有做過才知道的東西。
用了 AI 變快之後，該不該跟主管講？
要講，但講法很關鍵。如果只說「這件事我現在半小時就做完了」，在主管耳裡可能被翻譯成「原來這件事不需要這麼多人」。比較安全的說法是把省下的時間接到新產出上，例如以前每個月只能追三個客戶、現在能追八個。同樣是效率變好，一種讓你變成成本，一種讓你變成產能。
剛畢業找不到工作，是不是因為 AI？
部分有關，但不要用它解釋全部。入門職缺確實在縮，尤其是原本讓新人練基本功的職位。這個階段最有效的不是再多考一張泛用型證照，而是累積能直接拿出來看的成品。當「照著做就會對」的能力變便宜，證明你做得出成果就比證明你受過訓練更有說服力。
公司要導入 AI，又怕員工人心惶惶，該怎麼開始？
順序很重要。先帶團隊把各職務的工作拆成任務，分出哪些交給 AI、哪些還是要人；接著講清楚省下的時間要投到哪個業務目標，這一步不能跳過，否則效率提升會被讀成人力過剩，士氣就是這樣掉的；最後才是建立成果紀錄。需要把它變成可執行的流程，可以透過站上的諮詢表單聯繫。
