AI狂掃職場金字塔：基層職缺被「消失」，企業急尋新世代關鍵能力

・ 2026 年 09 月 23 日

生成式 AI 正在重塑全球企業的人力結構，從倫敦廣告公司到大型銀行與科技顧問，都開始削減或改寫傳統新人職缺，改為「聘潛力、不聘職務」。專家警告：若只追求效率、不刻意培養判斷力，恐養出一整代「AI幫手多、專業深度少」的白領族。

在倫敦廣告公司 Catalyst，一名初階員工如今可以同時承接五個客戶案子，這在過去需要好幾位新人輪流支援。關鍵差異不在於個人天分，而是以人工智慧為核心的工作流程：AI 負責蒐集資料、產出第一版文案、整理數據，員工只需在前端修稿、與客戶溝通。創辦人 Tobias Green 形容，這就像一種「反向 Mechanical Turk」──機器在後端負責大量「苦工」，人則是被客戶看到的門面。這種模式正快速改寫廣告業對「新人」角色的想像：如果 AI 已經接管例行、重複的工作，那新人原本用來練功的基礎任務是否還有存在必要？

類似變化並非個案，而是英國企業的廣泛趨勢。Open University 公布的 2026 Business Barometer 報告，調查 1,500 名英國企業領袖後發現，51% 認為 AI 正改變招募方式，其中 19% 已經縮減初階職缺招募人數，且在這群當中，42% 直接點名「採用 AI」是主因。這意味著，在不少公司眼中，AI 讓組織運作更像「菱形」而非「金字塔」：中階人力比重提高，但最底層新人減少。SHL 全球產品資深副總 Lucy Beaumont 指出，許多大型畢業生招募計畫正在縮編，有的甚至檢討這些職缺是否仍具必要性。

然而，初階職位消失，對企業長期能力反而可能是「看不見的風險」。Beaumont 強調，基層職缺是員工職涯的「訓練場」，在那裡，新人透過犯錯、被指導、理解流程，慢慢學會如何在企業環境運作。「如果你拿走這些訓練輪，每一階職涯梯級都會受到影響。」她警告，企業短期雖可靠 AI 補效率，但長期可能面臨中階以上人才斷層，因為沒有足夠人選曾在基層累積過完整脈絡和實戰經驗。

技術顧問公司 Klarus 對 500 位英國及愛爾蘭中型企業主管的調查則顯示更複雜的面向：45% 表示，AI 正被用來幫助新人「更快、更好」完成工作，近四分之一甚至認為 AI 創造了新的職務與機會，尤其在軟體開發領域。FDM Group 營運長 Sheila Flavell 指出，透過 Claude Code、Codex 等工具，開發者的角色逐漸從單純寫程式，轉為監督 AI 代理與人力共同完成專案。「未來重要的技能，是懂得如何與他人協作，包括人與 AI。」這也意味著，新人恐怕必須更早就扛起「監督者」角色。

為了配合這種轉變，部分企業開始拋棄傳統「職缺導向」的招募模式。SHL 的 Beaumont 觀察到，一家大型跨國零售銀行正嘗試「聘能力、不聘科系」，不再只鎖定經濟、商管背景，而是將心理學、法律等領域畢業生納入人才庫。該銀行的思維是：快速變化的技術技能可以後天訓練，但批判思考、理解人性與風險的能力，才是難以從零打造的核心資產。這種「為潛力而聘」的策略，使得入門職缺不再有清楚的工作內容，而是先看個人可重訓、多重轉職的可能性，再視公司策略決定派任方向。

不過，AI 雖然顯著抬高新人產出的「平均水準」，卻沒替他們補上最關鍵的職場資本：判斷力。研究公司 Bloor 的 Cheney Hamilton 指出，過去被視為「grunt work」的雜務，其實是新人累積脈絡、理解細節、建立專業直覺的必要過程，「AI 可以讓新人交出看起來還不錯的成果，但它不會教他們何時該懷疑成果是否錯誤，而這種判斷力，是長期重複與承擔後果累積來的。」她警告，如果組織只看輸出、不刻意安排學習路徑，將會培養出一批「懂操作 AI、卻缺深度」的白領工作者。

面對這個隱憂，Hamilton 提出一種替代思維：企業應將初階職務視為「暴露在真實情境」而非「產出指標」。也就是說，新人可以在 AI 協助下完成工作，但重要的是要被要求檢查、修正、理解 AI 為何會犯錯，同時由資深同仁刻意傳授判斷背後的邏輯。FDM Group 目前就以實際商業問題作為訓練題目，讓學員透過 agentic engineering 實際用 AI 解題，而非只是學軟體操作步驟。

Hamilton 將真正的風險定義為「早期知識」缺口，而非「早期資歷」不足。換句話說，如果企業停止為新人設計有意識的學習與情境暴露，而完全把基層職缺當作 AI 代工的管理者，未來十年可能出現一代員工擁有 AI 賦能的廣度，卻欠缺能獨立判斷、面對高風險決策時所需的深度。對追求長期競爭力的企業與產業而言，如何在效率與人才養成之間拿捏平衡，將是接下來最棘手也最關鍵的管理課題。