top of page

人類面對AI浪潮三道防線

Sep 9
2 min read

上周跟學生上課,有同學問:「人工智能(AI)能力不斷提升,有哪些工作必須由人來做?」我給了3則回應。在回來路上想了又想,覺得這3點值得分享。


我不假思索的第一則,也是我最確定的。2026年截至8月,全球科技業因AI相關因素已裁員超過12.6萬人,超過去年總和。亞馬遜(Amazon)在1月裁了1.6萬人,行政總裁直接把原因指向AI代理的部署。AI似乎正在全面替代人工,但仔細觀察數據,被替代的是誰?是客服、資料輸入員、基礎程式員和財務分析的初階崗位。


Klarna的案例更值得探究。這間瑞典金融科技公司曾經高調宣布,AI客服代替了700名人類客服的工作量。一年半後,他們卻悄悄開始重新招聘人類客服,因客戶對於解答複雜問題的滿意度下降了,而高端客戶根本不願意跟機器溝通,CEO不得不承認「過度倚重了AI」。


AI可以回覆郵件,但無法建立信任。信任是源於持續互動、情感與記憶累積出來的,絕非「效率」能夠衡量。關係的本質不是訊息交換,是彼此在場,你願意在關鍵時刻多付出一些,這些都是人類的行為與情感,恰恰與追求效率的邏輯背道而馳。


第二:人必須去填補AI的盲點。許多AI的盲點是結構性的,它的訓練數據無法持續更新,資料被定格在特定的時間點,其判斷依賴概率推演。然而,它對「沒見過的東西」,也會自信地給出看似合理,但完全錯誤的答案。2026年國際商業機器(IBM)的研究指出,87%高管認為,AI更可能「增強」而非「替代」員工,但前提是有人能判斷AI在哪裏增強了、在哪裏反而引致新風險。


順帶一提,填補盲點不是一份工作崗位,是一種應對未知的態度。


第三是最難的:人必須不斷重新定義人機協作的邊界。邊界不是劃一次就鐵定了。AI每升級一次,邊界就得重新校準一次。去年AI做不了的事,今年它可能做得比你好了;今年它做不好的事,明年可能就不是問題了。邊界是一個持續更新的過程,不是靜態的崗位劃線。


2026年第一季,超過20%企業在提交美國證券交易委員會的文件中,明確指出AI自動化是裁員的主因,較上一季14%顯著上升,顯示企業正在用AI重寫組織結構。但同時研究諮詢公司Forrester預測,2026年有一半把裁員歸因於AI的公司會悄悄逆轉,因為他們發現AI無法勝任那些需要高度判斷力的職位。


邊界的定義權在人手裏。不是AI自己生成一條邊界,是人根據自己的判斷、價值觀、自己對「什麼是好工作」的理解去劃這條線。這條線本身,正是在AI浪潮中最後、也是最難撼動人類的立足之地。

Recent Posts

See All
訓練模型 真人數據無可替代

最近與幾位從事大型語言模型(LLM)開發的朋友談起訓練數據,大家都不約而同提到一個詞:「數據牆」。在互聯網公開的優質文本,大概已經搜刮得七七八八,剩下的要不是垃圾,就是需要付費的,於是整個行業很自然地轉向合成數據──讓模型自己生成材料,再「餵」回自己。 這件事在過去兩年確實有效。寫程式、數學、邏輯推理等領域,這幾類答案對錯分明、可以自動驗證,合成數據幾乎可成為免費、無限的模型訓練材料。但問題也正正

 
 
AI代理監控流程 淪橡皮圖章

上星期整理舊文件時,翻出一份10年前的數據項目批核表。紙上印着幾個格子 ,每個格子都留有簽名的位置:核對、覆核和批准者。當年只覺得手續繁瑣, 今日回頭細看,那張紙其實是一幅責任地圖──每一格都對應着一個人,一旦出 了事,順着簽名便能找到責任所在。 時至今日,表格數碼化及流程自動化了,同一類工作,許多已交由人工智能 (AI)代為處理,唯獨最後那個「批准」的按鈕,仍然要由人來按。然而,真 正的問題是:

 
 
人工智能泡沫破裂 誰來埋單

先說CoreWeave這間美國公司,它在2017年創立,創辦人把手上的顯示卡轉租出去,成為美國最大的「人工智能(AI)雲」之一,今天營運50多個AI數據中心、25萬枚以上圖像處理器(GPU)。簡單來說,其商業模式:借錢買晶片,再把算力租給科技公司。 為什麼CoreWeave是這輪AI基建的寒暑表?因為該公司沒有別的業務,其股價和債券表現就是市場對「算力債務」的信心反映。上周三,股價急跌了15%,債

 
 
bottom of page