不是被取代，是沒被錄取：AI 與入門工作的數據

「AI 會不會取代我的工作」是這三年最常被問的問題。問法本身有個盲點：它假設「取代」是發生在已經有工作的人身上。數據說的是另一回事。

Stanford 數位經濟實驗室從 2025 年起用 ADP 的薪資資料追蹤，論文叫 Canaries in the Coal Mine，礦坑裡的金絲雀，2026 年 8 月更新了一版。三個結論：沒有看到經濟體層級的大規模失業；但 22 到 25 歲、在 AI 高曝險職業（客服、初階軟體、行政文書這類）的年輕人，就業比同齡在低曝險職業的落後了約 19%，一年前是 15%，差距在擴大；而且這個落後主要來自「僱用減少」，不是「離職增加」。

翻成白話：資深的人沒有被裁，新人沒有被錄取。

「取代」的想像            數據看到的
有工作的人被 AI 換掉       有工作的人多數還在
                          入門的位子沒有開，或開了不給新人
                          22–25 歲高曝險職業：落後同齡 19%，主因是不僱

裁員數字要怎麼讀

美國的裁員追蹤機構 Challenger 每月統計公司宣布的裁員與理由。2026 年 1 到 8 月，以 AI 為由的裁員 116,175 人，約佔全部裁員的 22%，是今年累計的第一大理由。但 8 月單月 AI 掉到第四名（3,462 人），結束了 3 月起連續五個月居首；8 月整體裁員 52,881 人，是 2022 年以來最低的八月。

兩件事要放在一起看。第一，「以 AI 為由」是公司自己填的理由，CFO Dive 引 Challenger 的話說這可能被低估，因為公司有動機不把 AI 寫成原因。第二，也可能被高估，把本來就要做的縮編掛上 AI 的名字比較好聽。這兩個方向都存在，所以我不會拿 11.6 萬這個數字去說「AI 造成了多少失業」，只會說「公司越來越願意把 AI 寫進裁員理由」。

Stanford 那份研究誠實的地方在於，它也不確定。2026 年 2 月他們另發了一篇，討論利率和時間點對年輕人就業的影響——高曝險職業的年輕人落後，有多少是 AI、有多少是利率，還在算。你看到的每一個「AI 造成 X 萬人失業」的標題，背後都有這個沒算完的問題。

跟你有什麼關係

我想對兩種人講。

正在找第一份工作的人。數據說的不是「你會被取代」，是「入門的位子在變少」，因為以前給新人練手的那些事——整理資料、寫初稿、回第一線客服——AI 現在做得夠好。所以策略不是跟 AI 比做，是比驗。這個系列一直在講同一件事：AI 產出的東西要有人拿著清單檢查，而檢查的人要懂那件事。「懂到能檢查」是新的入門門檻，它比「會做」高，但也是一條進得去的路。

帶新人的主管。這是我更想講的一群人。入門工作被 AI 做掉，短期是省了人力，長期是一個問題：沒有人從入門做起，十年後就沒有資深。這不是道德呼籲，是人才供應鏈。做法可以很具體：把「AI 做掉的入門工作」改成「新人監督 AI 做入門工作」——新人拿著清單驗、拿著規格拷問、把 AI 的錯誤寫進常駐規則。這些事新人做得到，而且做的過程就是以前「從做中學」的替代品。

台灣的《人工智慧基本法》第 15 條寫著政府應「積極弭平人工智慧發展所造成之技能落差」、對「人工智慧利用所致之失業者，依其工作能力予以輔導就業」。法條寫的是政府的責任；公司裡的那條供應鏈，還是要人來接。

我自己的立場：這個系列教的每一件事——定義任務、寫規則、設驗收、做交接——都是「監督 AI」的工作。它們不是給工程師的，是給那個以後要帶 AI、而不是被 AI 帶的人。新人最該學的不是提示詞，是驗收。

站內延伸

• 檢查的人要懂什麼 → 對抗式驗收
• 從撞牆補規則開始 → AI 猜不到的默會知識
• 新人上手包的做法 → 找方法AI 新人上手包

來源： Stanford Digital Economy Lab：No Widespread Displacement, but the AI Employment Gap for Young Workers Has Widened to 19%（2026-08 更新；19%、一年前 15%、主因是僱用減少）；Stanford Digital Economy Lab：Canaries, interest rates, and timing（2026-02，利率因素）；Challenger, Gray & Christmas：August 2026 Job Cut Report（116,175、約 22%、8 月第四名）；CFO Dive：AI-driven job cuts may be underreported；全國法規資料庫：人工智慧基本法（第 15 條）。

資深的沒被裁，新人沒被錄取，這是數據看到的形狀。找第一份工作的人，策略是比驗不比做；帶新人的主管，把 AI 做掉的入門工作改成新人監督 AI 做。這個系列教的每一件事，都是監督 AI 的工作。