AI可以加快處理例行工作，但這些工作過去往往也是新人的「練功位」：讓他們重複練習、熟悉流程，再慢慢學會處理棘手情況。如果這些機會消失，企業可能連帶失去一條培養新手成為資深專業人士的路徑。

解決方法不是硬要保留每一項舊工序，而是確保初級工作仍有學習、實踐和指導的部分。

聽過、記得，未必代表識做

Instructure 客戶總監 Rachel Orston 在 Shep Hyken 的《Forbes》專欄中，質疑不少企業是否真的有培訓員工。她形容常見做法是讓新人看簡報、了解產品、讀政策、做測驗，然後就預期他們可以上手工作。1

這種方式可以交代規則，但記得規則，和在情況含糊、資料不足，或客戶需要標準流程以外的協助時懂得應對，是兩回事。例行工作讓新人反覆練習辨認情況、判斷下一步；當AI接手更多這類工作，新人便可能少了在遇上例外情況前磨練這些能力的機會。

這是一個值得留意的培訓缺口，並不代表每項被自動化的工作本身都一定是有價值的學習經驗。

由基本功開始，逐步練判斷

企業可以重新設計入職培訓，讓AI處理合適的例行工作，同時避免新人只在遇上困難個案時才開始學習。可以考慮安排以下步驟：

1. 先掌握基本功。 讓新人親自練習核心工作、了解流程，不要只靠AI生成答案。
2. 練習貼近真實的個案。 透過模擬和角色扮演，讓新人遇上例外情況、互相矛盾的資料，以及需要判斷何時求助的場景。
3. 針對思考過程給予指導。 一起檢視員工參考了甚麼證據、為甚麼採納或拒絕AI建議，以及甚麼時候需要人手判斷。
4. 有支援地增加責任。 新人展現相應能力後，再逐步交予較複雜的工作，並安排資深同事提供意見。

這些做法是對培訓缺口的實際回應，並非證明單靠模擬練習或指導就一定能解決問題。重點是用有系統的練習和回饋，補回部分可能因自動化而消失的「邊做邊學」。

初級職位不只是交貨，也要培養未來人才

Vanessa Tang 在《海峽時報》的評論指出，即使初級工作可以自動化，企業仍要培養新入職員工，為未來的資深職位作準備。36 初級職位可以同時做到兩件事：現在完成有用的工作，也讓新人累積日後承擔更大責任所需的經驗。

因此，企業要看的不只是計劃叫「實習」還是「學徒制」，而是當中有沒有具意義的工作、監督和回饋。若例行任務交由AI處理，剩下的工作就更需要有意識地設計成學習路徑。

新加坡的例子展示了初級工作和職場經驗的兩種調整方向。《海峽時報》報道，初級軟件開發員的工作正由編寫例行程式，轉向審核AI生成的草稿，檢查保安、邏輯和是否符合業務需要。18 另一方面，據《亞洲新聞台》報道，未來三年將向大專院校學生提供約3,000個為期一年的實習職位。17 前者是重新設計畢業生做的工作，後者則是提供較持續的職場經驗；兩者可以互相補足。

就業數據顯示風險不平均，但未證明AI是唯一原因

史丹福大學的研究指出，在受AI影響程度最高的職業中，22至25歲員工的就業人數出現較明顯跌幅；年紀較大的員工，這個趨勢則逐漸減弱並消失。49 史丹福一項相關研究亦指出，在控制公司層面的衝擊後，受AI影響程度最高職業的初入行員工，就業相對下跌13%。52 這是相對跌幅，不代表所有初級職位總數減少13%。

因果關係仍是重要限制。史丹福說明，其 Canaries Dashboard 衡量的是職業受AI影響程度與就業趨勢之間的相關性，並非兩者之間的因果關係。51 因此，數據顯示某些年輕員工和行業面對較大風險，但未能證明跌幅單由AI造成。

《Forbes》另一篇報道引述美國人口普查局研究人員的研究，指出主修較受AI影響學科的畢業生，起薪季度收入約低13%，相較於受影響較少學科的同儕。58 收入數字不等於就業人數，不能直接當作有多少職位消失。史丹福整理的其他研究則發現，受AI影響職位的招聘變化至多幅度輕微，亦提醒我們不應把不同研究結果簡化成一個一概而論的結論。54

更實際的結論，既不是「AI會令所有初級工作消失」，也不是「招聘數字沒大變，所以一切如常」。初入行人士面對的就業風險並不平均，而初級工作的內容也正在轉變。企業應同時留意兩件事：新人有沒有被聘用，以及他們入職後是否仍有足夠支援，逐步累積資深職位所需的技能和判斷力。

AI可以加快處理例行工作，但這些工作過去往往也是新人的「練功位」：讓他們重複練習、熟悉流程，再慢慢學會處理棘手情況。如果這些機會消失，企業可能連帶失去一條培養新手成為資深專業人士的路徑。

解決方法不是硬要保留每一項舊工序，而是確保初級工作仍有學習、實踐和指導的部分。

聽過、記得，未必代表識做

Instructure 客戶總監 Rachel Orston 在 Shep Hyken 的《Forbes》專欄中，質疑不少企業是否真的有培訓員工。她形容常見做法是讓新人看簡報、了解產品、讀政策、做測驗，然後就預期他們可以上手工作。1

這種方式可以交代規則，但記得規則，和在情況含糊、資料不足，或客戶需要標準流程以外的協助時懂得應對，是兩回事。例行工作讓新人反覆練習辨認情況、判斷下一步；當AI接手更多這類工作，新人便可能少了在遇上例外情況前磨練這些能力的機會。

這是一個值得留意的培訓缺口，並不代表每項被自動化的工作本身都一定是有價值的學習經驗。

由基本功開始，逐步練判斷

企業可以重新設計入職培訓，讓AI處理合適的例行工作，同時避免新人只在遇上困難個案時才開始學習。可以考慮安排以下步驟：

1. 先掌握基本功。 讓新人親自練習核心工作、了解流程，不要只靠AI生成答案。
2. 練習貼近真實的個案。 透過模擬和角色扮演，讓新人遇上例外情況、互相矛盾的資料，以及需要判斷何時求助的場景。
3. 針對思考過程給予指導。 一起檢視員工參考了甚麼證據、為甚麼採納或拒絕AI建議，以及甚麼時候需要人手判斷。
4. 有支援地增加責任。 新人展現相應能力後，再逐步交予較複雜的工作，並安排資深同事提供意見。

這些做法是對培訓缺口的實際回應，並非證明單靠模擬練習或指導就一定能解決問題。重點是用有系統的練習和回饋，補回部分可能因自動化而消失的「邊做邊學」。

初級職位不只是交貨，也要培養未來人才

Vanessa Tang 在《海峽時報》的評論指出，即使初級工作可以自動化，企業仍要培養新入職員工，為未來的資深職位作準備。36 初級職位可以同時做到兩件事：現在完成有用的工作，也讓新人累積日後承擔更大責任所需的經驗。

因此，企業要看的不只是計劃叫「實習」還是「學徒制」，而是當中有沒有具意義的工作、監督和回饋。若例行任務交由AI處理，剩下的工作就更需要有意識地設計成學習路徑。

新加坡的例子展示了初級工作和職場經驗的兩種調整方向。《海峽時報》報道，初級軟件開發員的工作正由編寫例行程式，轉向審核AI生成的草稿，檢查保安、邏輯和是否符合業務需要。18 另一方面，據《亞洲新聞台》報道，未來三年將向大專院校學生提供約3,000個為期一年的實習職位。17 前者是重新設計畢業生做的工作，後者則是提供較持續的職場經驗；兩者可以互相補足。

就業數據顯示風險不平均，但未證明AI是唯一原因

史丹福大學的研究指出，在受AI影響程度最高的職業中，22至25歲員工的就業人數出現較明顯跌幅；年紀較大的員工，這個趨勢則逐漸減弱並消失。49 史丹福一項相關研究亦指出，在控制公司層面的衝擊後，受AI影響程度最高職業的初入行員工，就業相對下跌13%。52 這是相對跌幅，不代表所有初級職位總數減少13%。

因果關係仍是重要限制。史丹福說明，其 Canaries Dashboard 衡量的是職業受AI影響程度與就業趨勢之間的相關性，並非兩者之間的因果關係。51 因此，數據顯示某些年輕員工和行業面對較大風險，但未能證明跌幅單由AI造成。

《Forbes》另一篇報道引述美國人口普查局研究人員的研究，指出主修較受AI影響學科的畢業生，起薪季度收入約低13%，相較於受影響較少學科的同儕。58 收入數字不等於就業人數，不能直接當作有多少職位消失。史丹福整理的其他研究則發現，受AI影響職位的招聘變化至多幅度輕微，亦提醒我們不應把不同研究結果簡化成一個一概而論的結論。54

更實際的結論，既不是「AI會令所有初級工作消失」，也不是「招聘數字沒大變，所以一切如常」。初入行人士面對的就業風險並不平均，而初級工作的內容也正在轉變。企業應同時留意兩件事：新人有沒有被聘用，以及他們入職後是否仍有足夠支援，逐步累積資深職位所需的技能和判斷力。