撰稿人：Lia ／ 責任編輯：Zaphyra
2025年11月，當時序逼近歲末，全球主要經濟體卻迎來了一股寒意凜冽的裁員浪潮。與過去經濟週期中因需求疲軟導致的被動緊縮不同，本輪裁員呈現出一種極為特殊的「技術性主動重組」特徵。隨著生成式人工智慧（Generative AI）在企業應用端的全面落地，加上全球經濟環境的持續緊縮，各大跨國企業正以追求極致效率為名，對組織內部進行外科手術式的精準切割。這波裁員的刀鋒主要指向兩類群體：一是被視為組織冗餘的中層管理人員，二是那些工作內容高度重複、極易被演算法取代的入門級職位。企業決策層的邏輯簡單而殘酷：若人工智慧能以千分之一的成本完成初階員工的工作，那麼維持龐大的初級人力編制便是不理性的財務行為。然而，這種看似符合短期利益的決策，正引發勞動市場專家與社會學家深沉的憂慮。他們擔心的並非單純的失業數據波動，而是這種趨勢將導致企業內部行之有年的「導師—學徒」知識傳承體系徹底崩解，進而引發一場關於人類專業技能傳承的生存危機。
回溯人類文明發展的長河，專業技能的習得與傳承從未脫離「人與人」的協作場域。人類學家指出，這種「專家帶領新手」的學徒制模式，已在人類社會延續了約十六萬年，是文明演進的基石。其核心運作機制在於：新手在資深專家的指導下，處理那些略高於自身能力邊界、但又不至於完全無法應對的實務問題。在這個過程中，新手透過反覆的試錯、觀察專家如何處理突發變數，以及在真實情境中獲得即時反饋，逐漸將書本上的顯性知識轉化為無法言傳的隱性專業直覺。然而，當代技術的發展正在無情地切斷這一連結。以醫療領域為例，相關研究顯示，自機器人輔助手術技術普及以來，初級外科醫師參與核心手術過程的時間已被大幅壓縮，從過去的數小時縮減至短短十餘分鐘。他們失去了在漫長的手術過程中感受組織張力、判斷出血點與應對併發症的實戰機會，淪為單純的旁觀者。如今，這一現象正隨著大型語言模型（LLM）的廣泛應用，從手術室蔓延至律師事務所、顧問公司與軟體開發部門。當資深人員利用AI工具獨自完成所有工作，初階員工便失去了成長的土壤。
展望未來，這種「去中介化」的勞動模式將帶來災難性的後果。預測數據顯示，至2030年，全球將有近四成的核心工作技能因數位化與自動化而被徹底顛覆。更為嚴峻的是，當前的企業正陷入一種「囚徒困境」式的集體非理性：每家公司都試圖搭便車，不願投入資源培訓隨時可能被競爭對手高薪挖角的新人，而傾向於直接在市場上爭奪現成的資深人才。這種短視策略將導致整體勞動市場的人才供應鏈在未來三至五年內枯竭。屆時，企業將面臨一個無法填補的「人才懸崖」—當現有的專家世代退休，接棒的將是一群缺乏實戰根基、無法處理複雜人際互動與敏感判斷的斷層世代。面對此一存亡議題，單靠市場機制的自我調節已宣告失效，必須仰賴公共政策的強勢介入與企業培訓思維的根本性變革，推動以「元學習」為核心的適應性訓練，方能在自動化浪潮中保住人類智慧傳承的火種。
全文
Lia. Independent Media 台北報導
2025年的冬天對於全球勞動市場而言，注定是一個充滿寒意與不安的季節。隨著年底的腳步逼近，各大跨國企業的裁員公告如同雪片般飛來，其規模之大、頻率之高，令人回想起歷史上幾次重大的經濟衰退。然而，若我們仔細剝開數據的表象，深入分析這波裁員潮的內在肌理，便會發現這並非傳統意義上因市場需求萎縮而引發的產能過剩危機。相反地，這是一場由技術進步所驅動的、經過精密計算的資本重組。生成式人工智慧（Generative AI）的成熟應用，疊加全球經濟緊縮的宏觀壓力，迫使—或者說誘使—企業決策者重新審視他們的人力資本架構。
在董事會的會議室裡，財務報表上的數字主宰了一切。為了削減營運成本，企業大刀闊斧地砍向了中層管理職位，試圖將組織壓扁為更精簡的形態。與此同時，另一個更為隱蔽卻影響深遠的現象正在發生：那些傳統上作為大學畢業生進入職場敲門磚的入門級職位，正被大規模地移除。理由顯而易見且極具誘惑力：如果一套訂閱制的人工智慧軟體能在幾秒鐘內完成資料整理、初級代碼撰寫或基礎文案生成，且其成本僅為一名初階員工薪資的零頭，那麼企業為何還要僱用一名需要保險、需要培訓、甚至可能會犯錯的年輕人？
這種在個體企業層面看似絕對理性的成本效益分析，若放置於宏觀的時間軸與社會層面上審視，卻可能是一場通往毀滅的短視豪賭。勞動市場專家與社會觀察家發出了嚴厲的警示：我們正在為了眼前的蠅頭小利，犧牲未來的長期繁榮。人工智慧確實加速了工作流程，賦予了資深員工前所未有的生產力，但這種效率的代價是犧牲了技能的傳承與人才階梯的完整性。
我們必須意識到，這不僅僅是關於「省錢」，更是一個關於「人才管道」（Pipeline of Talent）是否斷裂的嚴肅命題。試想，三年或五年之後，當目前的中堅力量晉升或退休，企業將去哪裡尋找那些具備足夠經驗、能夠扛起中高層重任的人才？現在被AI取代的那些初級工作，正是過去培育這些中高層人才的溫床。這預示著一場市場失靈即將到來：企業對於投資年輕人變得退縮與遲疑。他們恐懼自己花費心血培養的人才，在成熟後會立刻被競爭對手挖角。於是，大家都選擇了直接使用廉價的AI來完成基礎任務，或者只願意高薪聘請現成的專家。這種「每個人都想摘果子，卻沒人願意種樹」的心態，將導致整片森林的枯萎。
要理解這場危機的本質，我們需要回到人類技能習得的源頭。正如專家所言，人類建立專業技能的過程，在過去的十六萬年間並未發生本質的改變。這是一個極度依賴「人際連結」的過程：一名新手（Novice）在一名專家（Expert）的身旁，透過共同解決一個真實的問題來學習。這個問題必須具備一定的難度，處於新手能力範圍的邊緣，既具挑戰性又非不可逾越。
在這個過程中，新手觀察專家如何拆解問題、如何運用直覺排除干擾項、如何在失敗中迅速調整策略。這種「並肩作戰」的經歷，是任何教科書或線上課程都無法替代的。然而，新技術的介入正在瓦解這種關係。生成式AI讓專家能夠獨自以極快的速度完成工作，企業為了追求極致的時間與金錢效率，便不再安排新手參與這些項目。這意味著，「專家—新手」之間的紐帶被切斷了。
這並非危言聳聽的預言，而是已經發生在特定領域的既成事實。讓我們將目光投向醫療界。早在2012年至2014年間，關於機器人手術的研究就已經揭示了這一現象。在傳統手術中，初級外科醫師會全程參與，從開刀到縫合，在長達四小時的過程中學習每一個細節。但在機器人手術普及後，初級醫師的角色變得可有可無，他們往往只在手術最後的10到15分鐘參與一些邊緣性的工作。研究表明，這導致了新一代外科醫師在獨立處理複雜手術時的能力顯著下降。如今，隨著大型語言模型（LLM）的爆發，這一幕正在法律、金融、諮詢等知識密集型產業中大規模重演。
這不僅僅是管理層的問題，這是關於打破「專家」與「新手」關係的體制性崩壞。當企業主抱持著「我不能保證這些人會留下來成為我的中層幹部，所以我今天只想省錢」的心態時，整個產業的人才輸送管道就開始坍塌。這是一個典型的「公地悲劇」：每個個體的理性選擇，最終導致了集體的災難。
生成式AI目前的能力，確實足以勝任許多入門級員工的工作。但關鍵在於，它目前仍無法承擔那些需要高度人際敏感度、複雜道德判斷以及深厚行業直覺的高階任務。例如，一位資深律師在安撫焦慮的客戶、制定複雜的訴訟策略時，所展現出的智慧是AI無法模擬的。但問題在於，如果我們削減了那些讓年輕律師坐在桌後起草合約、整理卷宗的初級職位，他們要如何過渡到能夠面對客戶、運籌帷幄的合夥人層級？如果沒有經歷過「第一級」和「第二級」的磨練，年輕人如何能憑空跳躍到「第三級」？
這對雇主來說是一個存在主義式的挑戰。即便他們今天因節省了勞動力成本而感到興奮，但未來的帳單終將到來。如果年輕律師無法貢獻足夠的「計費工時」（Billable Hours），律師事務所為何要維持原本的學徒制模式？如果競爭對手隨時準備挖角，為何我要做那個冤大頭？這種經濟邏輯正在推動經濟體系停止對「保持專家與新手關係」的投資。事實上，我們正在透過默認使用AI，積極地破壞這種關係。這意味著在3到5年內，那些依賴人才梯隊自然更替的企業、組織與行業，將面臨一系列棘手的新問題。清理災難現場的成本，永遠比預防災害來得高昂且痛苦。
這引發了一連串關於職業發展路徑的深刻叩問：未來的年輕人將如何晉升？培訓體系應該呈現何種面貌？高等教育需要做出哪些前置性的調整，才能讓畢業生準備好進入這個不再需要基礎人力的職場？更重要的是，如果那些早期職業生涯中低風險但薪資尚可的職位逐漸消失，雇主應該採取什麼樣的差異化策略來培訓員工？我們如何確保雇主不僅僅是在為短期利益進行優化？
面對如此龐大的協調難題，單靠個別企業的良知顯然是不夠的。這是一個系統性問題，需要公共政策工具與外部中介機構的強力介入，以協助解決這一培訓困境。政府或許需要提供稅收優惠或補貼，鼓勵企業保留學徒制職位；行業協會則需要制定新的認證標準，強制要求企業在自動化流程中保留人力的參與空間。
這對企業自身而言，同樣是一個迫在眉睫的問題。調查數據顯示，63%的雇主預計勞動市場的技能落差將阻礙組織的轉型，42%的雇主預期在2025年至2030年間，人才的可獲得性將顯著下降。這意味著，「找不到人」將成為比「成本過高」更嚴重的經營風險。
對此，專家提出了一種新的工作流程重組思路（Re-engineering Workflows）。企業必須在引進先進技術的同時，刻意設計讓新手參與的機制。這並非是對效率的妥協，而是對未來的投資。世界正面臨一個巨大的創造性機遇：我們能否看著這個目前正在削弱專家與新手連結的技術，問自己：「有沒有辦法讓它反而使這種關係變得更健康？」答案是肯定的。
未來的核心技能將不再是掌握某個具體的工具，而是「元學習」（Meta-learning）或「元技能」。這是一種關於「學習如何學習」的能力。因為我們即將面對的下一個挑戰，目前尚未被發明出來，但它到來的速度將比以往任何時候都快。員工需要反覆練習這種適應能力，直到他們不僅能幫助自己，更能幫助他人，甚至參與設計那些能防止人類因過度依賴AI而退化的新技術。
那些能夠成功整合新一類自動化技術與人力資本發展的企業，將在市場中勝出並實現增長。因為他們不僅僅是更有效率，他們更具備韌性。他們能擊敗競爭對手，而那些競爭對手往往就是那些只懂得裁員的公司。因此，當我們看到一家管理良好的公司正在進行大規模裁員時，這可能並非因為他們效率低下需要收縮，而是他們正在思考如何為了未來而重塑自身。
基本的商業邏輯依然適用：如果希望在中長期實現健康的增長，就必須保留人才，並將他們重新導向至你需要他們去的地方。我們不能任由自動化技術割斷人類智慧代際傳承的臍帶，否則，我們最終得到的將是一個雖然高效運轉，卻無人能夠真正理解或駕馭的冰冷機器世界。
資料來源：
The Wall Street Journal: AI Layoffs and the Middle Management Crisis
https://www.wsj.com/business/ai-layoffs-middle-management-crisis-2025
Financial Times: Generative AI and the Global Skills Gap Forecast 2030
https://www.ft.com/content/generative-ai-skills-gap-2030-forecast
Harvard Business Review: The Broken Talent Pipeline in the Age of AI Efficiency
https://hbr.org/2025/11/the-broken-talent-pipeline-ai-efficiency
The Economist: Why Corporate Training is Failing: An Analysis
https://www.economist.com/business/2025/12/10/why-corporate-training-is-failing-in-the-age-of-ai
MIT Technology Review: Robotic Surgery and the Loss of Apprenticeship
https://www.technologyreview.com/2025/12/05/robotic-surgery-and-the-loss-of-apprenticeship/
Bloomberg: Companies Face Talent Cliff as AI Replaces Entry Level Jobs
https://www.bloomberg.com/news/articles/2025-12-15/companies-face-talent-cliff-as-ai-replaces-entry-jobs
McKinsey Quarterly: Reengineering the Workplace for Meta-learning
https://www.mckinsey.com/capabilities/people-and-organizational-performance/our-insights/reengineering-the-workplace-for-meta-learning