同一期間，50 多歲工作者的就業人數則增加約 23 萬人。這種年齡層對比，符合職涯階梯正在改變的解讀：企業可能減少那些 AI 能協助或自動化的初階工作，同時繼續重視能夠解讀結果、處理例外情況，以及為決策負責的資深員工。不過，單憑年齡分布並不能證明整個轉變都由 AI 造成；人口結構、整體需求與企業招聘決策，也可能發揮作用。

因此，南韓數據應被視為「衝擊集中在哪裡」的警告，而不是證明每一份年輕人流失的工作都被 ChatGPT 或其他 AI 系統取代。韓國銀行的衡量方式，主要辨識在技術層面高度暴露於 AI 的產業與職業。所謂「暴露」，代表干擾在這些領域較容易發生，並不等於已確認出現職位替代。

為什麼大學畢業生與初階專業人士可能更容易受影響？

大學學位並不是抵禦生成式 AI 的自動護盾。許多畢業生會從科技、專業服務、研究、分析、出版與行政等辦公室職位起步，而這些工作正是 AI 能夠處理其中一部分任務的領域。

傳統上，這些初階工作同時有兩種功能：一方面產出有用成果，另一方面讓員工為更複雜的責任接受訓練。當 AI 接手較簡單的部分，企業可能不是立即消滅整個職業，而是提高招聘門檻。例如，初階分析師可能不再負責準備所有第一版分析，而是要審核 AI 生成的內容；新進程式設計師可能需要驗證、整合 AI 產生的程式碼，而不是從頭撰寫所有樣板程式。

這樣的安排或許能提升成熟團隊的生產力，卻也可能為想踏入行業的人製造瓶頸。如果企業招聘較少初階員工，能夠累積經驗、最終成為資深專家、管理者或值得信賴顧問的人也會減少。

高盛：已開發經濟體也出現相似壓力

高盛研究指出，自 2022 年下半年起，較高度暴露於 AI 自動化的產業，職缺增長普遍較弱。這種關係在包括美國、德國與澳洲在內的多個已開發經濟體尤其明顯。

以呼叫中心為例，研究報導顯示，美國的就業人數約比歷史趨勢低 39%，加拿大低 33%，德國低 27%。研究涵蓋的其他高暴露領域，還包括軟體出版、管理顧問與廣告。這些比較描述的是相對於過往趨勢的差距，並不能證明 AI 是下降的唯一原因。

高盛較廣泛的結論，也比「整個經濟體即將被取代」的說法審慎得多。眼前的震盪仍集中於特定產業與工作者群體。初階員工之所以較脆弱，是因為他們負責的任務往往更標準化、更容易衡量，也更容易被自動化或加速完成。

AI 的採用率已相當可觀，但仍未全面普及。高盛相關報導估計，主要已開發經濟體的 AI 採用率約為 15% 至 20%；另一項衡量美國企業「在日常生產中使用 AI」的數據則約為 9%。這種差異說明，解讀採用率時必須留意定義：調查可能衡量的是試驗、員工個別使用，或持續部署於實際生產的系統。

自動化與增強，帶來的結果並不相同

AI 對就業的影響，部分取決於企業是用它取代勞動力，還是增強人類工作者的能力。

自動化是指完成一項任務所需的人力減少。例如處理標準化客服問題、製作例行摘要、生成樣板程式碼，或準備文件初稿。即使沒有正式解雇任何現有員工，自動化也可能降低企業對初階人力的招聘需求。

增強則是讓工作者提高生產力，同時由人類繼續負責判斷、查核、處理例外、維繫關係與作出決策。這可能提升資深員工的價值，但也可能提高每名員工的產出要求。在這種情況下，一名使用 AI 的專業人士，可能完成過去需要數名初階員工投入的任務時數。

兩種情況可以同時在同一家公司發生：AI 消除部分例行工作，提升資深員工的效率，並創造對工作流程設計、輸出查核與風險管理人才的需求。這也解釋了為什麼整體就業總數看來相對穩定，年輕人取得第一份工作的難度卻可能大幅增加。

真正的長期風險：職涯階梯變薄

長期最重要的問題，不只是 AI 是否消滅某個職稱，而是它是否移除了人們學習一門專業所需的早期任務。

健康的職涯階梯，通常會讓員工從受監督、可重複的工作開始，逐步走向需要情境理解、判斷力與問責能力的責任。如果 AI 吸收了過多原本用來訓練新人的工作，企業可能保留資深人員，卻減少初階招聘。短期來看，這或許代表效率提升；長期而言，則可能造成資深人才的培育管道變得狹窄。

這也是為什麼整體勞動市場的變化即使看似不大，對年輕人仍可能意義重大。總就業人數的小幅變動，可能掩蓋更劇烈的結構改變：究竟誰能被錄用、誰能獲得在職訓練，以及誰有機會逐步晉升。

證據能說明什麼，又不能說明什麼？

目前研究支持以下幾項審慎結論：

• AI 相關的勞動市場壓力，首先出現在特定的高暴露產業，而不是所有職業同時受到衝擊。
• 年輕與初階工作者特別脆弱，因為 AI 能執行或加速許多過去提供白領職涯入口的例行任務。
• 當資深工作者的價值來自監督、客戶信任、複雜判斷與對成果負責時，他們可能從 AI 中獲益。
• 目前證據尚未證明大規模失業不可避免。最終就業結果還會取決於生產力提升、新產品與服務、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數。

對企業與政策制定者而言，實際的重點不應只放在總職位數。初階招聘、學徒制度、內部流動、工作任務重新設計、晉升率，以及能否取得有意義的訓練，可能比整體失業率更早揭示這場變化。

AI 目前更明顯地改變了「人們如何開始一段職涯」，而不是消滅所有職業。最能做好準備的企業與政府，不會只把 AI 當成削減人力的工具，而是設法提升工作效率，同時保留人類累積專業能力所需的成長路徑。

同一期間，50 多歲工作者的就業人數則增加約 23 萬人。這種年齡層對比，符合職涯階梯正在改變的解讀：企業可能減少那些 AI 能協助或自動化的初階工作，同時繼續重視能夠解讀結果、處理例外情況，以及為決策負責的資深員工。不過，單憑年齡分布並不能證明整個轉變都由 AI 造成；人口結構、整體需求與企業招聘決策，也可能發揮作用。

因此，南韓數據應被視為「衝擊集中在哪裡」的警告，而不是證明每一份年輕人流失的工作都被 ChatGPT 或其他 AI 系統取代。韓國銀行的衡量方式，主要辨識在技術層面高度暴露於 AI 的產業與職業。所謂「暴露」，代表干擾在這些領域較容易發生，並不等於已確認出現職位替代。

為什麼大學畢業生與初階專業人士可能更容易受影響？

大學學位並不是抵禦生成式 AI 的自動護盾。許多畢業生會從科技、專業服務、研究、分析、出版與行政等辦公室職位起步，而這些工作正是 AI 能夠處理其中一部分任務的領域。

傳統上，這些初階工作同時有兩種功能：一方面產出有用成果，另一方面讓員工為更複雜的責任接受訓練。當 AI 接手較簡單的部分，企業可能不是立即消滅整個職業，而是提高招聘門檻。例如，初階分析師可能不再負責準備所有第一版分析，而是要審核 AI 生成的內容；新進程式設計師可能需要驗證、整合 AI 產生的程式碼，而不是從頭撰寫所有樣板程式。

這樣的安排或許能提升成熟團隊的生產力，卻也可能為想踏入行業的人製造瓶頸。如果企業招聘較少初階員工，能夠累積經驗、最終成為資深專家、管理者或值得信賴顧問的人也會減少。

高盛：已開發經濟體也出現相似壓力

高盛研究指出，自 2022 年下半年起，較高度暴露於 AI 自動化的產業，職缺增長普遍較弱。這種關係在包括美國、德國與澳洲在內的多個已開發經濟體尤其明顯。

以呼叫中心為例，研究報導顯示，美國的就業人數約比歷史趨勢低 39%，加拿大低 33%，德國低 27%。研究涵蓋的其他高暴露領域，還包括軟體出版、管理顧問與廣告。這些比較描述的是相對於過往趨勢的差距，並不能證明 AI 是下降的唯一原因。

高盛較廣泛的結論，也比「整個經濟體即將被取代」的說法審慎得多。眼前的震盪仍集中於特定產業與工作者群體。初階員工之所以較脆弱，是因為他們負責的任務往往更標準化、更容易衡量，也更容易被自動化或加速完成。

AI 的採用率已相當可觀，但仍未全面普及。高盛相關報導估計，主要已開發經濟體的 AI 採用率約為 15% 至 20%；另一項衡量美國企業「在日常生產中使用 AI」的數據則約為 9%。這種差異說明，解讀採用率時必須留意定義：調查可能衡量的是試驗、員工個別使用，或持續部署於實際生產的系統。

自動化與增強，帶來的結果並不相同

AI 對就業的影響，部分取決於企業是用它取代勞動力，還是增強人類工作者的能力。

自動化是指完成一項任務所需的人力減少。例如處理標準化客服問題、製作例行摘要、生成樣板程式碼，或準備文件初稿。即使沒有正式解雇任何現有員工，自動化也可能降低企業對初階人力的招聘需求。

增強則是讓工作者提高生產力，同時由人類繼續負責判斷、查核、處理例外、維繫關係與作出決策。這可能提升資深員工的價值，但也可能提高每名員工的產出要求。在這種情況下，一名使用 AI 的專業人士，可能完成過去需要數名初階員工投入的任務時數。

兩種情況可以同時在同一家公司發生：AI 消除部分例行工作，提升資深員工的效率，並創造對工作流程設計、輸出查核與風險管理人才的需求。這也解釋了為什麼整體就業總數看來相對穩定，年輕人取得第一份工作的難度卻可能大幅增加。

真正的長期風險：職涯階梯變薄

長期最重要的問題，不只是 AI 是否消滅某個職稱，而是它是否移除了人們學習一門專業所需的早期任務。

健康的職涯階梯，通常會讓員工從受監督、可重複的工作開始，逐步走向需要情境理解、判斷力與問責能力的責任。如果 AI 吸收了過多原本用來訓練新人的工作，企業可能保留資深人員，卻減少初階招聘。短期來看，這或許代表效率提升；長期而言，則可能造成資深人才的培育管道變得狹窄。

這也是為什麼整體勞動市場的變化即使看似不大，對年輕人仍可能意義重大。總就業人數的小幅變動，可能掩蓋更劇烈的結構改變：究竟誰能被錄用、誰能獲得在職訓練，以及誰有機會逐步晉升。

證據能說明什麼，又不能說明什麼？

目前研究支持以下幾項審慎結論：

• AI 相關的勞動市場壓力，首先出現在特定的高暴露產業，而不是所有職業同時受到衝擊。
• 年輕與初階工作者特別脆弱，因為 AI 能執行或加速許多過去提供白領職涯入口的例行任務。
• 當資深工作者的價值來自監督、客戶信任、複雜判斷與對成果負責時，他們可能從 AI 中獲益。
• 目前證據尚未證明大規模失業不可避免。最終就業結果還會取決於生產力提升、新產品與服務、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數。

對企業與政策制定者而言，實際的重點不應只放在總職位數。初階招聘、學徒制度、內部流動、工作任務重新設計、晉升率，以及能否取得有意義的訓練，可能比整體失業率更早揭示這場變化。

AI 目前更明顯地改變了「人們如何開始一段職涯」，而不是消滅所有職業。最能做好準備的企業與政府，不會只把 AI 當成削減人力的工具，而是設法提升工作效率，同時保留人類累積專業能力所需的成長路徑。