AI 會不會切斷一代人的成長梯？

AI 對職場的衝擊最易被理解成「工作被取代」。這種說法仍然太表層，值得注意的是某些職位在組織內原本承擔的訓練功能會否一同消失。尤其是初階職位。表面上，初階職位往往是低效率、重複性高、需要大量監督的工作，但從組織長期運作來看，它們是新人進入專業世界的訓練場。

很多企業削減初階職位時，計算的是眼前成本。AI 能寫初稿、整理資料、檢查程式、生成報告、回覆客戶、處理基本分析，於是公司自然會問：既然同樣工作可以由工具完成，為何還要聘請大量初級員工？這個問題在短期財務上很合理。初階員工需要培訓，產出不穩定，錯誤率高，還需要中高階員工花時間指導。如果 AI 能以較低成本完成一部分基礎工作，裁減初階職位似乎是一個直接的效率選擇。

問題是初階工作不只是為了產出，它同時是一套隱性的學習機制。新人透過處理瑣碎任務，慢慢理解行業規則、工作標準、錯誤邊界、客戶語氣、組織節奏與責任分配。很多專業能力是在大量低階工作中累積出來。整理資料時會學會判斷甚麼是重要資訊；寫初稿時會學會論點如何成立；跟進客戶時會學會人的反應不是流程圖可以完全預測。這些看似低價值的工序，其實是專業判斷的底層訓練。

當 AI 接手這些工作，公司短期內可能得到更高效率，但也可能失去培養人才的入口。以前的職場結構大致是金字塔式：大量新人從底層進入，經過數年訓練，部分人成長為中階，再有少數人成為高階。這個結構未必公平，也有很多浪費，但它至少提供一條成長路徑。如果企業大量削減底層職位，組織可能會變成另一種形態：底層變薄，中層要求更高，高層仍然稀缺。結果是公司不再需要那麼多新人，但幾年後又會發現合格的中階人才不足。

這是人才供應鏈問題。企業可以購買 AI 工具，但不能直接購買經過時間訓練的人。中階人才不是憑空出現的，他們通常是從初階工作中一路累積而來。若所有公司都削減新人入口，整個行業就會出現訓練斷層。短期看，每間公司都在節省成本；長期看，整個市場都在消耗未來的人才庫。這有點像過度砍伐樹苗，眼前多了一片空地，但幾年後沒有足夠的樹可以成林。

更麻煩是 AI 取代了最適合新人練習的那部分工作。高階工作需要判斷、取捨、承擔後果，AI 暫時不能完全接手，但初階工作中大量可標準化、可拆解、可重複的部分，正是 AI 最容易處理的範圍。於是職場可能出現一種矛盾：公司仍然需要有判斷力的人，卻不再願意提供讓人形成判斷力的訓練階段。

這會改變年輕人的職涯起點。過去，新人可以用相對低的能力門檻進入組織，再在工作中成長。未來，企業可能一開始就要求新人具備更高的整合能力、問題意識與工具操作能力。換言之，入門門檻上升了。AI 不一定令新人更易進入職場，反而可能令「新手」這個身份變得更難被接受。公司會期待你一入場就能與 AI 協作、判斷 AI 產出、修正 AI 錯誤，甚至直接完成過去由中階員工負責的工作。這對教育制度與個人成長方式都會構成壓力。

真正問題是「新人還有沒有合法的學習位置」。一個社會若只保留成熟勞動者，而取消人成熟之前的訓練空間，長遠會令專業傳承變得脆弱。很多能力需要在低風險環境中犯錯、修正、重做。若職場不再容許新人慢慢變強，人才培養就會被迫轉移到學校、個人自學、實習計劃或家庭資源之中。這會加劇不平等，因為不是每個人都有足夠資源在正式就業之前完成自我訓練。

企業當然不能無視效率，要求企業保留所有低效職位也不現實。企業需要重新設計新人訓練，而不是簡單刪除入門層。初階職位可以被改造，但不應完全消失。未來更合理的做法可能是把新人工作從「完成重複任務」轉為「在 AI 協助下學習判斷」。新人不一定要花大量時間做最機械的部分，但仍然要理解那些工作背後的邏輯。AI 可以替新人加快學習速度，但前提是公司有意識地把 AI 設計成訓練工具。

這裡的關鍵是制度設計。若公司只是把 AI 放進流程，再裁掉新人，結果可能是短期財務改善，長期能力萎縮。若公司把 AI 用作教學、檢核與模擬系統，初階職位反而可以升級。新人可以透過 AI 快速接觸案例、比較不同方案、理解錯誤原因，再由有經驗的人負責判斷訓練方向。這樣的組織重新定義了新人的學習路徑。

所以 AI 對初階職位的最大衝擊在於職場是否還願意承擔培養人的成本。若所有公司都只把 AI 當作削減成本的工具，入門職位消失之後，被切斷的可能是一整代人由不成熟走向成熟的階梯。成熟的企業要問「如果新人不再做這件事，他們將從哪裡學會判斷」。這個問題回答不了，效率提高得越快，人才斷層也可能來得越早。

逾四成企業裁減初階 IT 職位 AI 衝擊產業人才布局