AI 會取代我的工作嗎？先看任務，而不是只看職稱

「AI 會不會取代我的工作？」這個問題很直接，但往往問得太粗。更實用的問法是：我的日常工作裡，哪些任務能被 AI 代做、加速或重新分配？哪些部分仍需要脈絡、責任與人的判斷？

從世界經濟論壇（World Economic Forum, WEF）、國際勞工組織（International Labour Organization, ILO）與國際貨幣基金（International Monetary Fund, IMF）的資料來看，目前沒有足夠證據能對每一個人給出「會」或「不會」的保證答案。但三者都指向同一件事：AI 是推動勞動市場、工作任務與技能需求改變的重要力量。

先說結論：多數情況是「改造工作」，不是一刀切消滅職位

對大多數工作而言，「取代」這個詞太籠統。WEF、ILO 與 IMF 討論的是整體勞動市場、職業類別、任務內容與技能變化，不是預言某個人在某家公司一定會失業或一定安全。

比較站得住腳的結論是：許多工作會改變，因為其中一部分任務會被自動化、被 AI 輔助，或在團隊中被重新分配。 ILO 在 2025 年更新中明確採用任務層級的角度分析生成式 AI，並指出約每四個工作中就有一個具有被生成式 AI 轉型的潛力。 IMF 則表示，全球近 40% 的工作受到 AI 驅動變化的影響。

重點是：「受到影響」或「可被轉型」不等於「整個工作消失」。它首先代表的是：AI 可能改變一份工作裡的某些具體任務。

三個機構到底說了什麼？

WEF：科技會影響到 2030 年的工作增減

WEF 的《Future of Jobs Report 2025》根據超過 1,000 家全球雇主的回覆，這些雇主合計涵蓋超過 1,400 萬名員工。 報告分析多個影響勞動市場的宏觀趨勢，其中包括科技變化，並評估這些趨勢可能如何影響 2030 年前的工作成長與萎縮。

換句話說，WEF 提供的是勞動市場層級的趨勢判讀，而不是保證某一個職稱一定會留下或消失。

ILO：真正該看的不是職稱，而是任務

ILO 將其 2025 年分析描述為對生成式 AI 職業暴露程度的更新評估，方法結合任務層級資料、專家意見與 AI 預測，以更準確分析生成式 AI 對工作的潛在影響。

這一點對上班族特別關鍵：兩個人有同樣的職稱，受 AI 影響的程度也可能完全不同。如果一份工作包含大量標準化、可描述、可重複的任務，通常就更容易被生成式 AI 改造或支援。

IMF：例行辦公工作承壓，技能需求正在改變

IMF 將 AI 視為廣泛的變革力量，並指出全球近 40% 的工作受到 AI 驅動變化的影響。 同時，IMF 特別提到，中等技能層級、且包含例行辦公任務的工作會面臨較大壓力；新的技能需求則在專業、技術與管理角色中更加明顯。

這不代表「40% 的工作會消失」。比較準確的讀法是：AI 正在改變哪些任務有價值，以及工作者需要哪些能力。

為什麼只看職稱不夠？

「專案經理」、「行政人員」、「行銷經理」、「分析師」這些職稱看似清楚，但實際工作內容可能差很多。

例如，同樣是行銷工作，有人主要在寫重複性文案、整理報表、維護活動設定；也有人負責品牌策略、預算取捨、客戶協調與創意判斷。同樣是行政或事務性工作，有些流程高度標準化，有些則涉及個案判斷、法規理解與跨部門溝通。

這也是 ILO 採用任務層級分析的原因：生成式 AI 的影響，取決於你實際反覆處理哪些任務，而不只是名片上的職稱。

快速事實查核

說法	判斷	為什麼
AI 一定會取代我的工作。	太武斷。	這些來源無法在不知道具體職業、產業、公司與任務組合的情況下，給出個人層級的可靠預測。
AI 會明顯改變許多工作。	有充分支持。	WEF、ILO 與 IMF 都指出科技變化、任務轉型與新技能需求正在重塑工作。
數位化、例行性的辦公任務更容易受影響。	合理且有來源支持。	ILO 採用任務層級方法；IMF 也點名中等技能層級中的例行辦公任務面臨壓力。
只靠職稱就能判斷風險。	不可靠。	ILO 使用任務層級資料，正是因為同一職業內部的具體任務差異很重要。

哪些任務比較容易被 AI 改造？

通常更容易受到影響的，是數位化、可重複、規則清楚、可以用文字或資料描述的任務，例如：

• 撰寫或改寫標準化文字；
• 摘要文件、會議記錄或報告；
• 整理初步研究資料；
• 清理資料、分類資料或把資料輸入系統；
• 準備週期性報表；
• 做初步分析、分類或比對；
• 產出規則型文件或說明。

這樣的判斷呼應 ILO 的任務層級分析，也呼應 IMF 對例行辦公工作的觀察。

哪些能力反而會變得更重要？

當 AI 接手或加速例行任務，人的價值不會自動消失，但會轉移。更重要的能力包括：

• 檢核 AI 輸出的正確性與品質；
• 理解客戶、流程、風險與組織脈絡；
• 在資訊不完整時做優先順序與判斷；
• 為成果負責，而不只是產出內容；
• 與人溝通、協調、談判；
• 串接跨部門工作；
• 把 AI 產出的草稿、摘要或分析，轉成可交付、可負責的工作成果。

整體而言，這些來源更支持「角色與技能組合改變」，而不是簡單地宣告整個職業類別會消失。 IMF 也特別強調，AI 驅動的工作變化會帶來新的技能需求。

3 分鐘自我檢查：你的工作風險在哪裡？

這不是正式的科學評分模型，但可以把國際報告的邏輯用在自己身上：AI 風險多半先出現在任務層級，而不是職稱本身。

1. 寫下你最常做的五件事

不要只寫「我做業務」或「我做行銷」。請具體列出：寫提案、準備客戶會議、維護 CRM、整理市場資訊、協調內部進度等。任務越具體，越容易判斷 AI 能支援、加速或部分自動化的地方。

2. 標出例行、文字與資料工作

把重複性高、流程標準、文字量大或資料量大的任務圈出來。這些任務之所以重要，是因為 ILO 從任務層級分析生成式 AI，而 IMF 也指出例行辦公工作是壓力較大的區域。

3. 標出需要脈絡、責任與判斷的工作

再把需要承擔責任、檢查結果、協調利害關係人、判斷風險或準備決策的任務圈出來。這些工作可能會因 AI 而改變，但不會只因為某些步驟變快，就自動等於整個角色被取代。

4. 檢查你的技能缺口

真正的問題不只是「AI 能做什麼」，而是：我能不能有效指揮 AI、檢查 AI、並為 AI 產出的結果負責？ IMF 將新技能需求視為 AI 驅動工作變化的重要部分，尤其在專業、技術與管理角色中更明顯。

怎麼解讀你的結果？

• 如果你的工作有很多標準化文字或資料任務： AI 接手、加速或改變部分任務的機率較高。
• 如果你的工作高度依賴脈絡、責任、協調與專業判斷： 較可能是角色被重組，而不是自動被完整取代。
• 如果你的角色兩者都有： 例行部分可能被自動化或加速，而品質控管、溝通協調與專業決策會變得更重要。

現在可以做什麼？

第一，用任務拆解你的工作。ILO 的角度提醒我們，差異常常存在於同一個職業內部，而不是只存在於不同職業之間。

第二，把 AI 當成工作工具來學。如果 AI 正在改變例行任務，會寫清楚指令、會檢查結果、會把輸出轉成可用文件或決策的人，會更有優勢。

第三，讓你的人的價值變得可見。脈絡理解、責任承擔、專業判斷、溝通協調與決策能力，會是工作重組時更需要被看見的部分。

第四，定期更新判斷。WEF 討論到 2030 年前的勞動市場變化；ILO 與 IMF 也都把 AI 視為持續改變任務與技能需求的力量。

結論

目前的證據無法把「AI 會不會取代我的工作」回答成簡單的「會」或「不會」。更可靠的說法是：AI 會改變許多任務，自動化或加速部分例行工作，並創造新的技能需求。

因此，真正值得檢查的是你的任務組合。工作中越多可重複、數位化、文字或資料密集的內容，變動壓力通常越高。 如果你的價值更多來自脈絡、責任、判斷與協調，那麼更可能面對的是角色重組，而不是整份工作被完整取代。