文章專區 > AI 教育/生涯發展

AI 時代的職涯策略:為未來做好準備

看懂工作任務的改變,建立能與技術一起成長的能力

|社子文教基金會

AI 時代的職涯策略:為未來做好準備

生成式 AI 能寫文字、整理資料、製作圖像,也能協助程式設計。面對快速變化,不少學生與家長會問:「現在選的科系,未來還有工作嗎?」

這個問題值得認真面對,但不必把答案簡化成「哪些職業一定會消失」。國際勞工組織(ILO)與經濟合作暨發展組織(OECD)的研究都提醒我們:理解 AI 對工作的影響,必須先看一份工作由哪些任務組成,以及技術在真實職場中如何被採用。


先釐清三件容易混淆的事

1. 工作任務受到影響,不等於整個職業消失

一個職業通常包含多種任務。以行銷工作為例,可能包括蒐集市場資料、撰寫初稿、訪談客戶、設定策略、協調團隊與判斷品牌風險。AI 或許能協助其中一部分,卻不代表能完整承擔整個職位的責任。

ILO 在 2025 年的研究指出,全球約四分之一的就業人口處於某種程度的生成式 AI 暴露中,但最高暴露類別僅占全球就業的一小部分。由於多數職業仍包含需要人類投入的任務,研究判斷工作內容的轉型,比整個工作被取代更可能發生。

因此,比起只問「這個職業會不會消失」,更實用的問題是:

  • 這份工作有哪些任務可能由 AI 加速、輔助或部分自動化?
  • 哪些任務仍需要情境理解、溝通協調、責任判斷或現場操作?
  • 工作內容改變後,雇主會更重視哪些能力?

2. AI 暴露度,不是失業機率

「AI 暴露度」通常用來描述一個職業的任務與現有 AI 能力有多少重疊。暴露度高,表示工作內容可能受到較多影響;它不是某個人失業的百分比,也不能直接預測某個職業會消失。

實際結果還會受到許多因素影響,包括企業是否採用技術、導入成本、法規、工作流程、消費需求、勞資協商,以及員工是否有機會接受訓練。AI 可能替代某些任務,也可能提高生產力、創造新任務,或讓人把時間移到更需要判斷與互動的工作上。

3. 「人機分工」是可能方向,不是已確定的模式

未來有些工作可能形成「AI 處理初步整理,人類負責查證、決策與溝通」的分工;也可能出現完全不同的流程。結果取決於工具能力、組織選擇、專業規範與社會制度,不能把任何單一分工模式當成必然。

因此,真正穩健的準備不是背下一套固定答案,而是培養能隨工作重新設計而調整的能力。


AI 時代值得累積的五種能力

一、專業基礎:先懂問題,才能判斷答案

AI 可以快速產生內容,但不保證內容正確,也不會自動理解每個專業場域的限制。法律、醫療、工程、教育、設計與商業都有各自的知識、標準與責任。

學生不應因為 AI 能回答問題,就放棄學習基礎知識。相反地,知識越扎實,越能判斷 AI 的回答是否合理、缺少什麼證據,以及可能造成什麼風險。

二、問題定義:知道真正要解決什麼

能提出清楚問題,往往比迅速取得答案更重要。遇到任務時,可以先確認:

  1. 目標是什麼?
  2. 對象是誰?
  3. 有哪些限制與風險?
  4. 需要哪些證據才能做決定?
  5. 最後由誰承擔結果與責任?

這些問題能幫助我們把 AI 當成工具,而不是把判斷權整個交出去。

三、查證與判讀:對輸出保持合理懷疑

使用 AI 時,應練習檢查來源、日期、數據與推論。尤其遇到醫療、法律、財務、升學與公共議題,更要回到官方或第一手資料核對。

可以養成一個簡單流程:先取得草稿,再找原始來源,最後由自己判斷與修正。

四、溝通與協作:讓專業真正產生影響

OECD 的研究顯示,高 AI 暴露職業的徵才仍高度需要管理、商業流程、社交、情緒與數位能力。這不表示任何一項能力永遠不會被技術改變,而是提醒我們:真實工作往往需要跨領域合作、理解他人需求、處理衝突並共同負責。

能把複雜內容說清楚、傾聽回饋、與不同專業合作,是長期值得累積的能力。

五、持續學習:把職涯當成可以更新的版本

未來的職涯不一定沿著單一路線前進。新工具出現後,同一個職稱的工作內容也可能改變。與其只追逐某個熱門軟體,不如建立能反覆使用的學習方法:設定目標、拆解問題、實作、取得回饋,再修正下一版。


給高中生與大學生:從三個小型行動開始

1. 做一份「任務地圖」

選一個感興趣的職業,訪談從業者或閱讀可靠的職業介紹,把日常工作拆成具體任務。再標記哪些任務可能被 AI 輔助、哪些需要人類判斷,以及哪些資訊仍不確定。

2. 完成一個「AI 協作作品」

用 AI 協助完成一份報告、資料分析、程式、影片企劃或社會議題提案,但保留完整紀錄:你如何下指令、查證哪些內容、修正哪些錯誤,以及最後做了什麼判斷。

作品集真正有價值的地方,不只是成品看起來漂亮,而是能說明你的思考與責任。

3. 每學期補上一塊能力拼圖

從專業知識、資料素養、表達溝通、英文閱讀、專案管理或實作經驗中,選一項可衡量的目標。與其焦慮地一次學會所有工具,不如持續累積能遷移到不同情境的能力。


給青年:用「任務組合」盤點自己的職涯

已進入職場的人,可以把目前工作分成三類:

  • 可由工具協助的任務:例如初步摘要、格式整理、例行資料處理。
  • 需要強化判斷的任務:例如品質查核、風險評估、例外處理與決策。
  • 值得擴展的人際與場域任務:例如訪談、協商、教學、照護與跨部門合作。

這不是預測未來的公式,而是一種定期檢視工作的方法。每隔幾個月重新盤點一次,就能觀察工具與職務如何變化,並決定下一步要學什麼。


給家長:陪孩子探索,不替孩子押注單一答案

面對職涯選擇,家長可以少問「哪個科系最不會被取代」,多和孩子討論:

  • 他對哪些問題願意長期投入?
  • 他目前有哪些能力與作品證據?
  • 他是否能使用工具,也能辨認工具的限制?
  • 如果技術或產業改變,他能如何調整?

沒有任何科系或職業能獲得永久保證。比起追求一個看似安全的答案,更重要的是支持孩子建立探索、學習與修正方向的能力。


為未來做準備,不是預測唯一的未來

AI 正在改變部分工作任務與技能需求,但「受到影響」不等於「必然失業」,職業也不會只因單一暴露指標就自動消失。未來可能出現更多人機協作,也可能因產業、組織與制度不同而呈現多種樣貌。

我們能做的,是理解變化、持續查證、保有專業判斷,並累積能跨情境使用的能力。真正有韌性的職涯,不是從此不再改變,而是在改變發生時,仍有能力學習、選擇並承擔責任。


官方參考資料

  1. International Labour Organization (2025), Generative AI and Jobs: A Refined Global Index of Occupational Exposure, ILO Working Paper 140.
  2. OECD (2023), OECD Employment Outlook 2023: Artificial Intelligence and the Labour Market.
  3. Green, A. (2024), Artificial Intelligence and the Changing Demand for Skills in the Labour Market, OECD Artificial Intelligence Papers, No. 14.