AI重塑工作樣貌

從技能優先到系統再造

🎯 本次思辨目標

  • 批判性評估「技能優先」策略的機遇與挑戰。
  • 運用系統性思維分析AI對工作、組織的深層影響。
  • 辨析AI的「自動化」與「擴增」效應。
  • 構思工作被「解構」後，企業如何「重組」角色與職涯。

📚 核心個案與讀物

  • 個案1: Skills-First Hiring at IBM
  • 個案2: Exide Industries Limited
  • 觀點1: Reshuffle (Choudary)
  • 研究1: Canaries in the Coal Mine
▽

1-1. IBM的破局之路 🌳

當頂尖公司仍在名校搶人時，IBM為何大費周章推動「技能優先」？
這背後是崇高的社會責任，還是務實的商業策略？

Hints for your notes: 思考人才作為一種「供應鏈」。當傳統供應源（大學）不足時，企業有哪些選擇？IBM的作法是「自建產線」嗎？
▽

1-2. 人才供應鏈的再思考

將「招募」視為「採購」，將「育才」視為「製造」

若將人才視為企業的關鍵原料，傳統上大學是唯一的供應商。IBM的策略，是否等同於從依賴單一供應商，轉向建立自己的原料生產線？這樣的垂直整合策略，利弊為何？

反思與挑戰: 自建人才產線能確保規格（技能）精準符合需求，但成本高昂且缺乏彈性。相較之下，依賴外部市場（大學）雖有規格不符的風險，但能分散成本。企業該如何在這兩者間取得平衡？
▽

1-3. 策略的脆弱性

一項需要數代CEO接力完成的系統工程

建立一套完整的技能優先體系，涉及招募、培訓、績效、晉升等全方位改造，是一項長期投資。若新任CEO面臨短期財務壓力，這套短期難見成效的系統，是否會成為最先被放棄的對象？

反思與挑戰: 一項策略要如何才能超越領導者的任期，內化為組織的DNA？關鍵可能在於能否將其從「成本中心」轉化為可被數據證明的「價值中心」或「核心基礎設施」。
▽

2-1. 金絲雀的警訊 📉

史丹佛研究發現，AI高度相關的初階職位正相對減少。
這項發現，如何挑戰我們對IBM策略的樂觀看法？IBM打開的大門，通往的是否是一個正在萎縮的房間？

Hints for your notes: 宏觀數據與個案策略之間的張力。一個公司的成功策略，能否抵抗整個勞動市場的結構性變遷？
▽

2-2. 消失的只是「入場券」？

AI是否正在系統性地抹除組織的入門級工作？

過去，許多初階工作是學習曲線的起點，允許新進者透過執行重複性任務來累積經驗。當AI能更高效地完成這些任務，組織是否還需要這些「學徒」角色？這對人才的養成路徑有何根本性衝擊？

反思與挑戰: 如果傳統的「從做中學」路徑消失，經驗如何被創造？「經驗」的定義本身是否需要被重新思考？
▽

2-3. IBM是例外還是幻象？

宏觀趨勢下的個案求生

面對初階職位流失的宏觀數據，我們該如何解讀IBM的策略？IBM是否憑藉其獨特的業務模式（如顧問、系統整合）創造了不受此趨勢影響的「新領」職位？或者，這只是減緩衝擊的過渡期方案？

反思與挑戰: 我們需要什麼樣的證據，才能判斷一個策略是真正的「破局者」還是僅是「倖存者」？例如，追蹤IBM「新領」人才的長期職涯發展與薪資軌跡。
▽

3-1. 工作的解構 🧩

Choudary認為AI正將「一份工作」拆解成眾多「任務」。
從這個視角看，IBM招募的「技能」，是否正是從高薪職位中，被解構出來、價值較低的零散任務？

Hints for your notes: 工作的「價值」從何而來？是來自任務的總和，還是來自整合這些任務的「協調能力」？
▽

3-2. 價值的轉移

當任務價值下降，人的價值在哪？

當一個職位中80%的重複性任務可被AI自動化，這些任務的經濟價值隨之下降。那麼，剩下20%無法被自動化的任務——如處理例外、複雜溝通、風險判斷——其價值是上升還是下降？人的核心競爭力是否正從「執行」轉向「整合」與「判斷」？

反思與挑戰: 這是否意味著未來的高價值人才，不再是某個領域的執行專家，而是能跨越人機邊界、整合多種資源的「系統協調者」？
▽

3-3. 組織的「零工化」風險

企業內部是否會出現新的階級？

「技能優先」與工作解構的結合，是否可能導致企業內部出現類似零工經濟的結構？一小群核心員工負責高價值的整合與決策，周邊則圍繞著大量基於特定技能、執行標準化任務的「技能擁有者」。這對組織文化與員工忠誠度有何影響？

反思與挑戰: 如何設計一套制度，既能享受技能導向的彈性與效率，又能避免組織的離散化與員工的工具化？
▽

4-1. 分岔的未來 ↔️

AI對工作的影響，分為取代人的「自動化」與賦能於人的「擴增」。
IBM的「新領」職位，更可能屬於哪一類？請試著舉例說明。

Hints for your notes: 思考IBM內部可能出現的「雙軌分化」。哪些職位走向標準化與效率驅動？哪些走向整合與價值驅動？
▽

4-2. 雙軌職位的具體樣貌

描繪「自動化」與「擴增」下的新角色

讓我們具體想像：在IBM內部，一個典型的「自動化」導向職位（如：AI監控下的L1技術支援）和一個「擴增」導向職位（如：AI輔助的企業轉型顧問），他們的一天會是什麼樣子？所需的核心技能有何不同？

反思與挑戰: 這兩種路徑的薪酬與發展潛力是否必然有巨大差異？企業是否有責任為「自動化」軌道的員工，建立通往「擴增」軌道的橋樑？
▽

4-3. 職涯階梯的消失

從線性晉升到網狀發展

在雙軌分化的未來，傳統的線性晉升階梯可能不再適用。員工的職涯發展，是否會更像是在一張技能網絡中，透過不斷學習與組合新技能，來探索不同的角色路徑？

反思與挑戰: 在這樣的網狀結構中，HR和管理者該如何定義「晉升」？「成功」的標準又該如何衡量？
▽

5-1. Exide的兩難 ⚖️

RPA的效益可被精確計算，而資深員工的價值卻是「無形資產」。
如果你是CEO，看到這兩份報告會如何決策？Choudary的「風險」與「協調」觀點對你有何啟示？

Hints for your notes: 可計量效益 (Measurable Benefits) vs. 難以計量的價值 (Unquantifiable Value) 的衝突。企業的決策模型是否需要升級？
▽

5-2. 為「無形資產」定價

如何量化隱性知識與人際網絡的價值？

挑戰：試著設計一個簡化的模型或框架，來評估一位資深員工的「無形價值」。你可以考慮哪些變數？例如：處理例外事件的頻率與成功率、維護關鍵供應商關係所帶來的折扣或優先權、指導新進員工所節省的培訓成本等。

反思與挑戰: 即使無法精確計算，這種「嘗試量化」的思考練習，本身是否就能幫助管理者做出更平衡的決策，避免完全倒向清晰可見的短期ROI？
▽

5-3. 短視的組織慣性

為何組織總是偏好短期、可量化的目標？

Exide的兩難，反映了多數企業在績效評估與資源分配上的結構性偏誤。這種偏誤的根源是什麼？是來自華爾街的壓力、KPI的設計，還是管理者有限的認知頻寬？

反思與挑戰: 要打破這種短視的循環，需要從何處著手？是改變CEO的獎酬機制、引進更多元的績效指標（如平衡計分卡），還是從根本上重塑組織文化？
▽

6-1. 重組的想像力 💡

AI創造了新的「限制條件」。在Exide導入RPA後，會出現哪些新問題？
請為一位資深員工，設計一個無法被RPA取代的「重組後」新職位。

Hints for your notes: 從「執行者」轉變為「系統管理者」與「優化者」。新工作的核心職責是什麼？需要的核心能力是什麼？
▽

6-2. 新職位工作坊

撰寫「人機協作」時代的職位說明書

分組討論：為Exide的資深員工設計一個新職位，例如「AP自動化流程優化師」。請寫下一段簡短的職位描述（Job Description），包含：核心職責、所需關鍵技能（硬技能與軟技能）、以及主要的績效衡量指標（KPIs）。

反思與挑戰: 比較各組的設計。你們認為，要勝任這個新職位，最重要的能力是過去的業務經驗，還是學習新技術的潛力？這兩種能力如何評估？
▽

6-3. 從角色到部門的再造

一個新職位，如何牽動整個組織的變革？

一個「流程優化師」的出現，意味著傳統的會計部門結構可能不再適用。五年後，Exide的財務部門會是什麼樣子？它會不會轉型成一個由數據科學家、流程專家和傳統會計師組成的跨領域團隊？

反思與挑戰: 這種轉型對大學的商學院教育提出了什麼挑戰？傳統的會計或財金系課程，是否足以培養未來所需的人才？
▽

7-1. 未來的斷層 🌉

若初階工作的傳統路徑被AI截斷，十年後，企業將面臨什麼樣的「中階真空」危機？
除了IBM的學徒制，我們還能設想哪些新的人才培養模式？

Hints for your notes: 從「年資經驗」到「專案經驗」。企業如何主動設計「經驗製造」的路徑來彌補斷層？
▽

7-2. 經驗的「濃縮」與「模擬」

當經驗無法自然發生，就必須被刻意設計

如果無法透過五年重複性工作來培養一個中階主管，企業能否設計出一個兩年期的「高濃度」發展計畫？例如：密集的專案輪調、在高度擬真的數位分身（Digital Twin）環境中進行決策模擬、或是讓AI扮演教練角色，提供即時回饋。

反思與挑戰: 這種「加速養成」的經驗，與傳統「慢慢熬」出來的經驗，本質上有何不同？它是否可能缺乏某些關鍵的、只能在真實世界的挫折與人際互動中學到的「隱性知識」？
▽

7-3. 誰來為未來買單？

人才斷層的責任歸屬

彌補人才斷層的成本，應該由誰來承擔？是個人（透過終身學習）、企業（透過內部培訓），還是政府與教育體系（透過教育改革與提供再培訓計畫）？這三者之間該如何分工與合作？

反思與挑戰: 這是一個典型的「公地悲劇」（Tragedy of the Commons）問題。如果所有企業都等著別人來培養人才，最終整個產業都會受害。是否存在一種市場機制或政策誘因，能鼓勵企業進行長期的人才投資？
▽

8-1. 核心策略命題 ⚙️

綜合所有討論，AI時代下，企業領導者面臨的最核心策略命題究竟是什麼？
不是「要不要用AI」，也不是「如何用AI」，而是...？

Final thought: 真正的競爭優勢，來自於設計一個能讓「人類智慧」與「機器智能」高效協同、動態演化的新型組織系統。
▽

8-2. 組織再設計的起點

如果你是CEO，明天你會做的三件事是什麼？

將「組織再設計」這個宏大概念，轉化為具體的管理行動。如果一位CEO被我們的討論說服，決定啟動變革，他/她應該從哪裡開始？是成立一個跨部門的未來工作小組、重新審視高階主管的KPI，還是從一個小規模的實驗性專案開始？

反思與挑戰: 變革的最大阻力通常來自何處？是技術、是資金，還是既有的組織文化與權力結構？如何設計一個能夠克服慣性的變革路徑圖？
▽

8-3. 你的個人策略

面對未來，你該如何「再設計」自己的職涯？

將鏡頭轉向自身。在這場由AI驅動的「工作大洗牌」中，你該如何定位自己？你目前擁有的技能組合，是傾向於被「自動化」還是「擴增」？為了保持長期競爭力，你需要在未來三到五年內，投資學習哪些新的、難以被取代的能力？

Final thought: 終極的問題是，當機器越來越聰明，作為「人類」的獨特價值究竟是什麼？
▽

互動思辨：價值的函數 𝑓(𝑥)

一個任務的價值，可能受「複雜度」與「AI輔助程度」影響。
試著調整下方參數，觀察價值的動態變化。

任務價值:

反思與挑戰: 這個簡化模型忽略了哪些關鍵變數？例如「協調成本」、「風險控管」或「創意稀缺性」？一個更完整的價值函數應該是什麼樣子？