「職涯這條路，以前像爬樓梯，有人幫你安排好每一格。現在更像游泳 — 沒有階梯，但主動划水的人，反而能游到前面。」

一、消失的新手村 — AI正在拆掉第一道梯子

2022年底 ChatGPT 問世，改變的不只是人們的工作習慣，更悄悄重塑了職場結構的底層邏輯。哈佛大學追蹤超過28萬家企業的資料顯示，導入 AI 之後，初階職位從2023年起急速減少，資深職位卻持續成長。這個現象，讓許多甫踏出校園的年輕人，在還沒踏上職涯階梯之前，就發現第一格梯子已被拆走。

高度暴露於 AI 的職能 — 一般行銷、業務、行政、軟體開發 — 初階職位呈現斷崖式下滑；低度暴露的職能如醫護照護、技術維修，受到的衝擊則相對有限。數據背後的訊息很清楚：AI 最擅長的，正是初階新人每天在練的那些事 — 找資料、寫摘要、翻譯、基本程式碼。

管理諮詢公司光輝國際（Korn Ferry）的調查更揭示一個令人警醒的現實：高達 37% 的組織計畫用 AI 取代初階職務。Anthropic 執行長達里奧・阿莫迪（Dario Amodei）甚至警告，到了 2030 年，可能有一半的初階白領職位消失。

「這背後有一條清醒的企業算術：與其花半年到一年培訓新人，不如讓一位資深員工搭配 AI，產出等同三個人的成果。」

學習鏈的斷裂，比失業更深層

過去，新人進公司的第一步，往往是做那些「低風險、高重複性」的任務 — 整理會議記錄、草擬客戶信件、彙整市場數據。這些任務看似瑣碎，卻是讓新人「坐在觀眾席，看懂前輩如何判斷事情」的關鍵。主管改過你的一封電子郵件，其實教的不是文法，而是如何理解客戶的顧慮、如何傳遞精準的訊息。

現在，這個「訓練場」正在消失。AI 把那封信幾秒鐘產出，主管直接採用、微調送出。新人失去的，不只是練功的任務，更是那個能近距離觀摩資深判斷的位子。消失的不只是工作機會，更是一整條知識傳遞的學習鏈。

二、IBM 的反向示範 — 重新定義「初階職位的價值」

就在多數企業選擇收縮初階招募之際，IBM 做了一個截然相反的決定。

2026年，IBM 宣布將美國地區的入門級（Entry-level）職位招募人數擴增至原本的 3 倍。這個決策之所以引人注目，是因為 IBM 執行長阿文德・克里希納（Arvind Krishna）不久前才宣布為了轉向高成長領域而啟動裁員計畫。擴招新人，並非來自對 AI 的輕視，而是來自一個更深的戰略判斷。

IBM 人資長尼克爾・拉莫羅（Nickle LaMoreaux）點破了關鍵：「兩三年前的入門職務內容，確實大部分都能被 AI 處理。但我們做的，是完全重新定義這些角色的功能。」

不是用新人做舊事，而是重新定義新人能做什麼

在 IBM 的新架構下，初階軟體開發人員將減少例行性的程式編碼，轉而投入更多時間與客戶溝通，專注在以人為本的互動領域。這是 AI 最難替代的區域 — 複雜情境的理解、人際信任的建立、對話中的情緒判讀。

連人力資源部門的基層員工也面臨職能轉型。過去基層 HR 需要親自回答每一個員工的問題；現在他們扮演「介入者」的角色 — 在 AI 聊天機器人與員工對話中出錯時及時介入、修正輸出結果，並根據需要向管理階層進行溝通。

「IBM 的邏輯是：修正職務內容，不只能為年輕員工建立更持久的職場技能，也能為公司帶來長遠價值 — 避免未來面臨中階主管短缺的危機。」

短視的成本計算，埋下人才斷層的長期炸彈

拉莫羅的警告，是這場討論中最值得所有 HR 領袖與企業決策者認真聆聽的聲音：「如果現在不培養新人，幾年後企業將面臨中階管理人才荒。屆時必須從競爭對手那裡挖角，不僅成本更高，外部人才適應公司文化與系統的時間也更長。」

這個警告，呼應了牛津大學網路研究所的研究觀點：年輕員工帶來的不只是 AI 使用能力，更是全新的視角與世代洞察。如果企業系統性地排除新生力量，長期的認知僵化，將成為比人才斷層更危險的組織風險。《金融時報》甚至預警，製造業與金融業可能在10年內面臨嚴重的傳承危機。

IBM 的選擇，本質上是一個跨越短期成本與長期韌性的賭注 — 而這個賭注，建立在一個清醒的洞察上：初階職位的問題，不在於「新人做的事情 AI 都能做」，而在於企業是否有能力重新定義這些人能做什麼。

三、鑽石型組織的隱憂 — 誰來接班？

組織結構正在悄悄變形。過去的金字塔型 — 底層大量新人、中層資深員工、頂端高階主管 — 在 AI 時代正演化為「鑽石型」：中高階穩固，底部急速萎縮。

短期看，企業省下了培訓成本；長期看，卻埋下了人才斷層的隱患。更棘手的是：今日的資深員工，都是在沒有 AI 的年代一步步從基本功練起來的。那種從犯錯中錘煉出來的判斷力、從師徒制傳遞的職場直覺，如果下一代從未有機會「做那些苦工」，這些隱性知識就會就此斷絕。

更深層的社會問題是：當那些允許人們「從零起步、邊學邊長」的入門工作消失，社會流動的通道也隨之收窄。世界經濟論壇（WEF）直指：初階工作的消亡，將使階級翻身變得更加困難 — 學歷的回報率下降，才剛踏出校門的年輕人，面對的是一個愈來愈窄的入場門票。

四、破局密技 — 新鮮人如何重建自己的訓練場

IBM 的案例給了我們一個重要啟示：初階職位的定義正在被重寫，而能夠在這個重寫過程中搶先卡位的新鮮人，才是真正的破局者。以下是當前最具突破性的幾個應對路徑：

密技一：主動解碼主管的判斷標準

在 AI 工具普及之前，主管的判斷標準散落在日常任務的眉批與當面指正之中；如今，那些標準往往已被濃縮成主管餵給 AI 的 Prompt 與 Checklist。對新鮮人而言，最直接的破局方式是：主動詢問主管在使用 AI 時的限制條件與評估框架。這些 Prompt 背後藏著的，正是資深判斷力的結晶。與其等待主管從無到有地教你，不如主動「要到鑰匙」，再從中反推那把鑰匙開的是哪道門。

【行動建議】  在與新主管合作的第一週，詢問：「您在使用 AI 產出這類報告時，最在意的檢核標準是什麼？」

密技二：用三個問題，建立系統性思維

AI 最擅長「把事情做完」，但雇主真正稀缺的，是能把事情「做對」的人。兩者的差距，在於是否具備系統性思維 — 也就是在開始執行之前，先想清楚「為什麼做」和「做了之後會怎樣」。以下三個問題，是建立系統性思維最直接的工具：

▶   我為什麼要做這件事？（目的是什麼、背後的決策是什麼）

▶   如果我是主管，我會怎麼決定要不要做？（判斷標準與考量因素）

▶   做完之後，它如何影響整體業務？（So what — 從分析語言轉化為決策語言）

 以一個具體情境為例：主管要你分析不同客群的轉換率。一般新人的做法是跑資料、製圖、報告數字。但若先問第三個問題 — 「這個分析要支持哪個決策」 — 你就會知道主管真正想要的是「行銷預算要往哪個客群投」，進而延伸出獲客成本、顧客終身價值（LTV）與 ROI 的完整分析架構。把分析結果從「陳述事實」轉化為「支持決策的語言」，就是 AI 做不到、你可以做到的事。

密技三：主動補位灰色地帶 — 承接沒人指派的任務

IBM 重新定義初階職位的核心，就是「把新人推向更高判斷層次的工作」。對新鮮人而言，這個邏輯同樣適用：不要等待任務被指派，而是主動去找那些「大家都知道要做、但沒人去做」的工作。

需要跨部門協調的問題、主管還沒時間整理的思路、複雜議題的架構化拆解 — 這些任務沒有人會「指派」給你，但你如果主動做了，就能自然地被拉入更核心的討論圈。資深員工搭配 AI 能做到「一人當三人用」，但他們時間同樣有限。那些高階主管沒空做、又真正有價值的整合工作，正是新鮮人可以切入的破口。

「成果換門票 — 不只把任務做完，要做到主管說：「我可以放心把更複雜的事情交給你。」」

密技四：在面試前，做完一個端對端的 AI 專案

「我對 AI 工具很有興趣，如果找我的話我會努力學。」這句話，在今天的求職市場已毫無說服力。雇主要的不是學習意願，而是已經發生的實績。IBM 的人資長強調，他們在招募時尋找的是「能夠重新定義工作本身的人」 — 而這種能力，只能透過實際的作品來證明。

最有效的準備方式：針對你想進入的產業，找一個真實問題，用 AI 工具從頭到尾自己走過一遍，產出一個完整的 Side Project。面試時，打開你的電腦，Demo 給面試官看 — 展示你用了哪些工具、遇到了哪些困難、如何迭代解決。這份作品集，比履歷上多寫幾行列點，更有說服力百倍。

▶   選定目標產業，找一個真實的業務問題

▶   用 AI 工具端對端走完分析、產出、優化的完整流程

▶   記錄你的思考過程、遇到的挑戰與創意解法

▶   面試前準備好 Demo，讓作品自己說話

密技五：把 AI 當助教，但保留深度閱讀的肌肉

資訊爆炸的時代，AI 可以同時幫你掃描25份頂尖報告、給出結論。但過度依賴這個能力，會讓你在不知不覺中失去「自己彙整複雜資訊」的肌肉群 — 而那恰恰是資深專業人士最難被取代的核心能力。

建議的訓練方式：讓 AI 幫你找到高品質的資料，但選定其中一份，花時間自己深度閱讀。研究作者如何定義問題、如何架構論述、用什麼方法驗證假設、最終做出什麼判斷。這個過程不只是吸收知識，更是在學習「一個頂尖思考者如何思考」 — 這才是讓你在匯報時讓高階主管眼睛一亮的原料。

五、給企業領袖與HR主管的一道思考題

IBM 的決策，給了 企業領袖與HR主管一個不得不面對的問題：你是在為今天的成本報表優化，還是在為三年後的組織韌性布局？

拉莫羅呼籲 HR 領袖必須積極向高層證明招募初階人才的必要性。這個呼籲背後，有一個更深的洞察：HR 的角色，從來不只是成本中心的管理者，而是組織能力的建造師。當 AI 重塑了工作的內容，HR 最重要的任務，就是重新定義「人」在這個新格局中能夠創造的獨特價值。

IBM 給出的答案是：不是用新人做 AI 能做的事，而是讓新人去做 AI 做不到的事 — 與客戶建立關係、監控並修正 AI 的輸出、承接跨部門協調的複雜任務。這不是慈善，這是戰略。

Cloudflare 執行長 Matthew Prince 說得直接：「像我這樣50歲的 CEO，不會是教導公司如何善用 AI 的人。」他今年宣布招募超過1000名實習生，理由之一，正是讓年輕人把「數位直覺」帶進組織。這個正在萌芽的趨勢，有個名字叫做「反向導師制（Reverse Mentoring）」 — 不再只是資深帶領新人，而是年輕工作者反過來教傳統組織理解新世界。

「年輕人的年紀，在 AI 時代本身就是一種資產。不要小看這件事。」

六、主動游泳的人，才能游到前面

職涯的第一道梯子或許正在消失，但路還在。只是走法變了。

IBM 的案例證明：初階職位的消亡，不是終局，而是一場重新定義的開始。問題不在於「AI 能不能做這些工作」，而在於「你是否願意去找 AI 做不到的那塊，然後把它做好」。

過去，企業幫你安排好每一格階梯，你只需要按部就班往上爬。現在，你必須學會在沒有梯子的地方，自己找到立足點、主動往前游。消失的，是那個等著被指派任務、慢慢養成的「新手保護期」；浮現的，是一個需要你在進入職場之前就開始累積實績、建立判斷力、主動補位的新起跑線。

真正稀缺的，從來不是「會用某個 AI 工具的人」，而是「能用 AI 加上自己的判斷，解決真實問題、創造 AI 做不到的價值的人」。這兩者，看起來只差一個字，實際上卻隔著一整個思維框架的距離。

在模糊中前進，在灰色地帶補位，用成果換門票 — 這三件事，放在任何時代都成立，在 AI 時代，尤其關鍵。

＃職涯發展賦能系列

＃以對話引導思考_以論辯形塑觀點

👉歡迎聯繫：世安哥賴帳號 hrfriday2009《顧問規劃/企業內訓/主管教練/職涯經紀》

❤️點愛表心｜💬留言相伴｜✏️追蹤世安｜🔗分享此文｜