AI 不會把所有工作一次搶走;WEF 2025 預估到 2030 年約有 7,800 萬個新工作機會,但也強調急需提升技能。真正要檢查的是你的日常任務是否重複、標準化、容易被生成式 AI 影響。[10][5] 成長訊號最明確的職位包括大數據專家、金融科技工程師、AI 與機器學習專家;照護與教育等基礎服務部門也被 WEF 看好。[9][10] 優先補 5 類能力:AI/ML、資料分析與 Big Data、軟體與應用開發、網路與資安、一般科技素養;重點是把它們接到本業成果。[3]

Create a landscape editorial hero image for this Studio Global article: AI 會搶走工作嗎?2025 報告建議先學這 5 類技能. Article summary: AI 不會把所有工作一次搶走;WEF 2025 指出到 2030 年約有 7,800 萬個新工作機會,但也強調急需再培訓。真正該準備的是任務與技能重組:先找出哪些工作可被 AI 加速,再補能和本業結合的技能。[10][5]. Topic tags: ai, future of work, careers, reskilling, upskilling. Reference image context from search candidates: Reference image 1: visual subject "醫療業:AI當醫生的「鷹眼」。AI快速掃描醫療影像,標出可疑病灶,再由人類醫生憑藉經驗做最後診斷,準確率和效率都大幅提升。 · 法律業:AI當律師的「超強法務" source context "AI裁員潮來了!2025年,我們的飯碗還保得住嗎?成為職場搶手人才的生存指南" Reference image 2: visual subject "醫療業:AI當醫生的「鷹眼」。AI快速掃描醫療影像,標出可疑病灶,再由人類醫生憑藉經驗做最後診斷,準確率和效率都大幅提升。 · 法律業:AI當律師的「超強法務" source context "AI裁員潮來了!2025年,我們的飯碗還保得住嗎?成為職場搶手人才的生存指南" Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topic
把問題從「AI 會不會搶走我的工作」改成「我的哪些任務會先被 AI 改寫」,更接近 2025 年資料給出的訊號。世界經濟論壇(WEF)在 Future of Jobs Report 2025 相關發布中指出,到 2030 年約有 7,800 萬個新工作機會,但同時強調急需提升技能;國際勞工組織(ILO)的 2025 更新則以任務層級資料、專家輸入與 AI 預測來分析生成式 AI 對職業的暴露程度。[10][
5]
所以,答案不是簡單的會或不會。對多數工作者來說,更實際的策略是:先找出工作中哪些任務重複、標準化、以文字或表格產出為主,再學會用 AI、資料與自動化工具改善這些任務;同時保留人類在判斷、溝通、取捨與責任承擔上的角色。
WEF 指出,按百分比成長來看,成長最快的三類職位是大數據專家、金融科技工程師,以及 AI 與機器學習專家。[9] ARISA 對 WEF 報告的整理也指出,Big Data、Fintech、AI and Machine Learning、Software and Application Development 都是需求明顯的專業方向;技能面則以 AI and Big Data 最突出,其後包括 Networks and Cybersecurity 與 general technological literacy。[
3]
這不代表每個人都要轉職成工程師,但代表幾乎所有職能都需要更懂 AI、資料與數位流程。
WEF 同時指出,到 2030 年,前線角色以及照護、教育等基礎服務部門預期會有最高的工作成長。[10] 這讓職涯選擇不只剩下「轉 AI 工程師」一條路。另一條更普遍的路,是在教育、照護、服務、營運、行銷、金融或行政等原本領域中,成為更會使用 AI 與數位工具的人。
Studio Global AI
Use this topic as a starting point for a fresh source-backed answer, then compare citations before you share it.
AI 不會把所有工作一次搶走;WEF 2025 預估到 2030 年約有 7,800 萬個新工作機會,但也強調急需提升技能。真正要檢查的是你的日常任務是否重複、標準化、容易被生成式 AI 影響。[10][5]
AI 不會把所有工作一次搶走;WEF 2025 預估到 2030 年約有 7,800 萬個新工作機會,但也強調急需提升技能。真正要檢查的是你的日常任務是否重複、標準化、容易被生成式 AI 影響。[10][5] 成長訊號最明確的職位包括大數據專家、金融科技工程師、AI 與機器學習專家;照護與教育等基礎服務部門也被 WEF 看好。[9][10]
優先補 5 類能力:AI/ML、資料分析與 Big Data、軟體與應用開發、網路與資安、一般科技素養;重點是把它們接到本業成果。[3]
繼續閱讀「俄軍在烏克蘭為何推不動了?攻勢降至2023年來最慢」,從另一個角度查看更多引用來源。
Open related page將這個答案與「Shift Up 自行發行《Stellar Blade》續作,PS5 獨佔不再是唯一想像」交叉比對。
Open related pageIn January, the World Economic Forum published its highly anticipated Future of Jobs Report 2025 , offering valuable insights into how technological advancements, economic shifts, and demographic trends are shaping the global job market. The report highligh...
Primary navigation. Secondary navigation. Generative AI and jobs: A 2025 update This brief summarizes an ILO Working paper that refines the global assessment of occupational exposure to generative AI. It presents an updated methodology combining task-level...
The three fastest-growing jobs in percentage terms are big data specialists, fintech engineers and AI and machine learning specialists.
Frontline roles and essential sectors like care and education are set for the highest job growth by 2030, while advances in AI and renewable energy are reshaping the market – driving an increase in demand for many technology or specialist roles while drivin...
ILO 的 2025 更新強調用任務層級資料、專家輸入與 AI 預測,來評估生成式 AI 對職業的暴露程度。[5] 這一點很關鍵:同一個職稱裡,可能同時包含可被 AI 加速的摘要、分類、整理任務,也包含仍需要人類負責的判斷、溝通與情境理解。
WEF 也指出,AI 與其他技術變化正在重塑市場,推升許多技術或專業職位需求,同時也可能讓部分職位下滑,例如 graphic designers。[10] 這不等於所有設計工作都會消失,而是提醒依賴標準化產出的角色,必須往策略、品牌、情境判斷與品質控管升級。
以下不是精密預測,而是把 ILO 的任務層級思路轉成個人檢查表。[5]
| 任務型態 | 代表訊號 | 優先補強方向 |
|---|---|---|
| 大量重複、格式固定、可流程化 | 適合先測試 AI 輔助與流程自動化 | AI 工具、SOP 設計、品質檢查、流程自動化 |
| 常處理文字、表格、摘要、報告、標準回覆 | 產出可被工具加速,但需要人工覆核 | 提示設計、資料整理、輸出驗證、文件自動化 |
| 常做跨部門協調、客戶溝通、取捨判斷 | AI 可協助準備資料,但最後責任仍在人 | 問題拆解、商業寫作、AI 輔助分析、決策框架 |
| 價值來自本業專業與情境理解 | 不一定要轉行,但要把 AI 接進工作流程 | 本業深度、科技素養、可重複的交付流程 |
AI 與機器學習專家是 WEF 列出的百分比成長最快職位之一。[9] 但對多數非工程師來說,第一步不是立刻訓練模型,而是理解 AI 能做什麼、不能做什麼、什麼情況需要人工覆核,並把它用在研究、摘要、草稿、資料整理與初步分析。
實用目標不是背 AI 名詞,而是建立穩定工作流程:有清楚輸入、有固定輸出格式、有檢查標準,也知道哪些資料不應該隨意交給外部工具。
如果只能先補一個硬技能,可以從表格分析、SQL、資料視覺化或基礎 Python 擇一開始。重點不是工具清單越長越好,而是能把資料整理成可檢查、可解釋、能支持決策的證據。
ARISA 的整理把 Software and Application Development 列為需求明顯的專業方向之一。[3] 即使你不打算成為全職工程師,也值得理解產品流程、資料流、API、腳本或低程式碼工具。
AI 真正創造價值時,通常不是單次產出一段文字,而是被接進一個可重複、可追蹤、可維護的流程。懂一點開發與自動化,會讓你更容易把想法變成可用的工作系統。
ARISA 對 WEF 報告的整理指出,Networks and Cybersecurity 是緊跟 AI and Big Data 之後的重要技能組合。[3] 當工作流程越來越數位化,資安也不再只是 IT 部門的事。
跨職能工作者至少要懂基本權限管理、資料能否上傳、敏感資訊如何處理、輸出內容如何留痕。會操作工具只是第一層;知道怎麼安全地使用工具,才是更長期的競爭力。
ARISA 也把 general technological literacy 列為重要技能方向。[3] 這是非工程師最容易低估的一項能力:你不一定要寫很多程式,但要知道工具如何串接、資料從哪裡來、輸出怎麼驗證、何時需要找專家協助。
一般科技素養會決定你能不能和工程、資料、產品、資安團隊有效合作。它也是把 AI 應用從「玩工具」推進到「改善工作成果」的基礎。
| 目前角色 | 最值得先學什麼 |
|---|---|
| 行政、營運、客服、專案協調 | AI 文件處理、會議摘要、資料清理、SOP 與流程自動化 |
| 行銷、內容、設計 | AI 輔助研究與草稿、品牌判斷、內容品質控管、數據分析;若工作高度依賴標準化視覺產出,更要往策略、品牌與情境判斷升級,因為 WEF 已把 graphic designers 列為可能下滑的職位例子之一。[ |
| 工程、產品、資料 | AI/ML、Big Data、軟體與應用開發、網路與資安。[ |
| 教育、照護、服務 | 先強化本業專業與人際互動,再用 AI 減少文書、整理資訊、改善服務交付;WEF 指出照護與教育等基礎服務部門到 2030 年預期有較高工作成長。[ |
| 金融、商務、營運分析 | 資料分析、自動化、產品理解與金融科技;WEF 把 fintech engineers 列入百分比成長最快的三類職位之一。[ |
從 WEF 與 ILO 的 2025 訊號來看,AI 對工作的影響更像是技能重組與任務重分配,而不是單純的所有工作都會消失。WEF 同時看見新工作機會與提升技能壓力,ILO 則把生成式 AI 的影響放到任務層級來分析。[10][
5]
如果你的工作偏向重複、標準化輸出,先學 AI 工具、資料整理與自動化;如果你的工作依賴專業判斷、人際互動與情境理解,就學會用 AI 放大研究、分析、溝通與交付能力。未來更有競爭力的人,不一定是最會背 AI 名詞的人,而是最能把 AI 轉成可驗證工作成果的人。