AI未必先取代職業，卻可能先拆走你的「入行梯」

大學畢業生也沒有自動免疫

擁有大學學位，並不代表一定可以避開生成式AI的影響。許多畢業生都是從科技、專業服務、研究、分析、出版或行政等辦公室職位入行，而這些工作正正包含不少AI可以處理的部分。

傳統上，這類初級工作有兩個作用：一方面交付實際產出，另一方面讓員工逐步學習更複雜的職責。當AI接手較簡單的部分，僱主未必會即時取消整個職業，卻可能提高入職門檻。

例如，初級分析員可能不再負責從零開始準備所有初稿，而是要審核AI生成的分析；新入行的程式員，可能要驗證及整合AI產生的程式碼，而不是親自寫出所有制式內容。

對已經成形的團隊來說，這可以提升生產力；但對準備入行的人而言，卻可能造成樽頸。假如企業招聘較少初級員工，日後自然也會有較少人累積成為高級專才、經理或值得客戶信賴的顧問所需的經驗。

高盛：先受壓的是高AI暴露行業

高盛研究指出，自2022年下半年起，較容易受AI自動化影響的行業，職位空缺增長普遍較弱；這種關係在美國、德國和澳洲等先進經濟體尤其明顯。

呼叫中心的行業比較最為突出：美國的就業水平較其歷史趨勢低約39%，加拿大低33%，德國低27%。研究報道亦提到，軟件出版、管理顧問和廣告等行業同樣出現低於過往趨勢的情況。

這些數字描述的是相對於較早期趨勢的差距，並不代表AI是下跌的唯一原因。高盛較審慎的結論，也不是預測短期內整個經濟會被AI取代，而是指出目前的衝擊仍集中在特定行業和特定工人群組。

初級員工之所以較脆弱，是因為交由他們處理的工作往往較標準化、較容易衡量，亦較容易被自動化或加速完成。

AI的採用率雖然已相當可觀，但仍未全面普及。高盛相關報道估算，主要發達經濟體的AI採用率約為15%至20%；另一項以美國企業為對象、只計算「在日常生產中使用AI」的高盛指標，則約為9%。兩者差異說明，解讀採用率時必須先弄清楚定義：有些調查計算試用，有些計算員工使用，有些則只計算持續投入生產的部署。

自動化和增強，帶來兩種不同結果

企業如何使用AI，會直接影響就業結果。

自動化是指AI在完成某項工作後，企業所需的人手減少。例如處理標準客戶查詢、製作例行摘要、生成制式程式碼，或準備文件初稿。這種做法即使沒有正式解僱現有員工，也可能令企業減少招聘初級人員。

增強則是利用AI提升員工效率，但仍由人負責判斷、核實、處理例外、維繫關係及作出決定。這或會提高資深員工的價值，但同時也可能提高每名員工的產出要求。結果是，一名懂得運用AI的專業人士，可能完成過往數名初級員工處理的例行工作時數。

同一間公司可以同時出現兩種情況：AI削減部分例行任務，提升資深員工的生產力，並創造對工作流程設計、輸出審核和風險管理人才的需求。正因如此，整體就業數字看似相對穩定，但第一份工作卻可以變得更難取得。

真正風險：職涯階梯被削薄

長遠而言，最重要的問題不只是「AI會否消滅某個職業名稱」，而是它會否移走人們學習一門專業時最早接觸的工作。

一條健康的職涯階梯，通常由有人監督、可重複的工作開始，再逐步走向需要背景理解、判斷力和問責能力的職責。如果AI吸收了太多原本由新人負責的工作，企業或許可以保留資深員工，卻減少聘請初學者。

短期來看，這是效率提升；長期來看，卻可能令有經驗人才的供應管道變得愈來愈薄。

這也解釋了為甚麼整體勞動市場的變化即使不算巨大，對年輕人仍然可以十分重要。總就業量的輕微變化，可能掩蓋了更尖銳的分化：究竟誰獲得招聘機會、誰能接受在職訓練，以及誰有機會一步步晉升。

證據說明了甚麼，沒有說明甚麼？

現有研究支持以下幾個較審慎的結論：

• AI帶來的勞動市場壓力，首先出現在部分高度暴露行業，而不是每一種職業同時受影響。
• 年輕人及初級員工特別容易受壓，因為AI可以處理或加速不少過往用來引導新人入行的例行工作。
• 當員工的價值在於監督、客戶信任、複雜判斷及對結果負責時，資深員工可能較受惠。
• 現時證據仍未證明大規模失業必然發生。最終結果還會取決於生產力提升、新產品和服務、勞動需求、監管，以及企業是利用AI擴大產出，還是主要用來削減人手。

對僱主和政策制定者而言，實際上應該追蹤的不只是總職位數目，還包括初級招聘、學徒職位、內部流動、工作重新設計、晉升率，以及員工能否獲得真正有用的培訓。這些指標可能比整體失業率更早揭示職涯階梯正在受損。

總括而言，AI現階段更明顯地改變了人們「如何開始一份職業」，而不是消滅所有職業。最能應對這個轉型的企業和政府，不是單純追求以AI節省人力，而是設法提升工作效率，同時保留讓人累積專業、建立判斷力和逐步成為專家的途徑。