畢業求職焦慮？研究顯示 AI 直接影響初階職缺，麥肯錫顧問建議新鮮人這樣做
生成式 AI 快速滲透職場後，最先感受到寒意的，可能不是已經站穩位置的資深工作者，而是正準備踏入職場的新鮮人。從過去「先做初階工作、再慢慢升上去」的職涯路徑，到如今企業更傾向直接找有經驗、能立刻上手的人，AI 正在改寫的不只是工作內容，更是年輕人原本賴以成長的「訓練場」。
在《商談不廢話》中，主持人 Linga 與擁有台大醫學、哈佛公衛及麥肯錫背景，並曾在樂天醫藥與 Appier 擔任高階主管的 Bradley，便圍繞這個現象展開討論。兩人試圖回答一個越來越刺耳的問題：AI 會不會不是先取代資深員工，而是先讓新鮮人連上場的機會都沒有？
節目找到哈佛與史丹佛相關研究後發現，ChatGPT 推出後，初階職缺確實出現明顯下滑，尤其是在 AI 暴露程度較高的職類中更為明顯。像行政、秘書、初階業務、行銷等工作，受到的衝擊尤其直接。
廣告 - 內文未完請往下捲動
AI+資深同事就夠了，幹嘛培育新人
節目引用一份哈佛與史丹佛相關研究後發現，ChatGPT 推出後，初階職缺確實出現明顯下滑，尤其是在 AI 暴露程度較高的職類中更為明顯。像行政、秘書、初階業務、行銷等工作，受到的衝擊尤其直接。這意味著，企業並不是全面停止招人，而是開始重新衡量：既然一位稍有經驗的員工搭配 AI 工具，就能做出過去兩三個人才能完成的產出，還有必要花同樣預算去訓練多位新鮮人嗎？
Bradley 直言，這種轉變在企業現場已經相當明顯。過去公司願意給新人半年、一年時間做訓練、輪調、熟悉產業，但現在這種耐心正快速縮水。對主管來說，現實的算盤變得很直接：是要請兩三個初階員工，還要安排資深同事帶人、投入訓練資源；還是乾脆請一個有經驗的人，再配上最好的 AI 工具，直接上戰場？在多數講求效率與即戰力的公司裡，答案幾乎不言自明。
也因此，初階職位的消失不只是「少了幾個工作機會」這麼簡單，而是整個學習結構開始鬆動。
因為許多新人原本用來練功的任務，恰好就是 AI 最擅長處理的那一類：找資料、整理摘要、翻譯、寫基礎程式、做初步分析。這些工作過去雖然重複、瑣碎，卻是新人建立手感、理解品質標準、觀察前輩如何判斷事情的起點。如今這些任務幾分鐘就能被 AI 做完，新人不只少了練習場，甚至連坐在旁邊看主管怎麼修、怎麼想、怎麼判斷的機會都變少了。
AI 世代，真的知道怎樣算好的東西嗎？
Linga 也提到，這種變化已經反映在學生與 early professional 的能力差異上。過去沒有 AI 工具的一代，做報告是從零開始，自己找資料、驗證來源、建立假設、從空白頁一路做到能上台報告。這些人雖然慢，但通常更知道怎麼從 0 到 100。
相較之下，新一批學生從大學時期就已經活在 ChatGPT、Grok、Gemini 的世界裡，習慣把同一個問題丟給不同 AI，再把產出快速拼貼進簡報或表格中。看似更有效率，卻也更容易在沒有判斷的情況下，直接把 AI 的 60 分或 80 分答案拿去交差。
(AI 能做 80 分，做不到 100 分的人註定淘汰！麥肯錫、哈佛校友建議新鮮人這樣做)
這也讓主管陷入新的兩難。Bradley 舉例，像在顧問工作裡，過去請 junior 寫一封向客戶要資料的 email，看似只是文字工作，實際上卻是訓練對方理解客戶情境、掌握溝通節奏與判斷用字分寸的重要過程。但現在情況常常變成，主管一看就知道那封信要不是寫得不夠成熟，要不就是很明顯是 AI 生成、仍離可用有一段距離。
給年輕人的忠告：主動理解主管腦中的標準
不過，兩人並未停留在焦慮本身，而是進一步討論：當第一個台階正在消失，年輕人要怎麼自己蓋出新的訓練場？
Linga 認為，第一件事是主動理解主管腦中的標準。因為很多職場高手之所以做得比別人好，不只是因為他們更努力，而是他們心裡有一整套判斷 checklist：資料來源要不要交叉驗證、研究者背景要不要查、結論要不要標明限制條件、簡報邏輯要怎麼排。過去這些標準可能藏在反覆修改與口頭指導裡。
但在 AI 時代，它們很多都已經被主管轉化成 prompt 與 constraint。對年輕工作者來說，真正重要的不是會不會按工具，而是有沒有辦法先搞清楚「什麼叫做好」。
結構感與判斷，才是 AI 無法取代的部分
第二件事，則是在資訊爆炸的年代，重新練回自己的閱讀與整合能力。AI 可以同時幫你掃 25 份報告，再快速給你一個摘要，但這也很容易讓人誤以為自己已經理解了問題。Linga 認為，越是在這個時代，越要強迫自己挑出真正高品質的內容，花時間深入，去看作者怎麼定義問題、怎麼拆解產業、怎麼設計方法、怎麼驗證假設，最後又是如何根據經驗做出判斷。
這些結構感與判斷路徑，才是 AI 無法直接替你內化的部分。
Bradley 則提醒，年輕工作者若想往更高階的工作靠近，第一步永遠是「用成果換門票」。不是只把任務做完，而是做到讓主管可以放心，願意把更複雜的東西交給你。除此之外，還要學會主動補位。因為職場裡很多更高層次、更接近決策核心的工作，不是沒機會，而是沒有人做。
比如一份表面上只是分析轉換率的任務，真正關鍵往往不是數字本身，而是這份分析背後要支撐什麼決策。如果主管是想知道下一步行銷預算要往哪個客群多投，那你就不該只交轉換率，而應該往前一步，補上獲客成本、Lifetime Value、ROI，甚至進一步提出「若預算提高 20%，營收可能增加多少」這種決策語言。這種把分析轉化為建議的能力，正是 AI 時代最值錢的東西之一。
未來企業要什麼樣的人：在模糊中前進、知道怎樣算好
談到企業到底要找什麼樣的人，Bradley 也給出相當明確的答案。第一，是能在模糊中前進的人。因為 AI 時代變化太快，三個月後你的工作內容可能就完全不同。如果一個人非得等所有事情都被定義清楚才會動，那不只自己會很痛苦，也代表他的工作內容大機率早晚會被 AI 取代。
第二，會不會判斷 AI 的輸出？知道怎樣的成果才算好？現在「會用 AI」已經是基本門檻，真正拉開差距的是：你看完 AI 生成的市場分析之後，有沒有自己的觀點？你知不知道哪些地方要驗證？哪些地方不能照單全收？因為資料在今天已經不稀缺，真正稀缺的是觀點。
新鮮人求職變難，初階職位開始鬆動
第三，則是會不會自我升級。面對一個快速變動的環境，企業寧可要一個現在技能沒那麼多、但學得很快的人，也不要一個會很多、卻停在原地的人。
這也是為什麼，兩人都認為，今天的初階職缺與其說是在消失，不如說是在被重新定義。企業不是完全不需要年輕人，而是不再只想要能做重複性任務的人。新的起跑線，變成你是否理解 AI、是否有觀點、是否能快速主動學習、是否能把工具變成自己的槓桿。對很多企業來說，年輕人不只是被帶的人，也開始成為把 AI 直覺、工具習慣與新世界節奏帶進組織的人。
節目最後也給出一個相當實際的建議：如果你現在正在求職，最有效的準備方式，可能不是再去讀一個 AI 學位，而是自己為想進入的產業做一個 AI side project。假設你想進入 Google 行銷部門，那你就試著用 AI 工具完整跑過一個行銷工作流程，從找問題、設計解法，到實際 demo 出成果。這樣一來，你在面試時就不是空談「我對 AI 很有興趣」，而是可以直接拿出一個 end-to-end 專案，向面試官證明你已經能用工具解決真實問題。
對正在面對畢業求職焦慮的新鮮人來說，最殘酷的現實或許是：那條原本看起來理所當然的職涯樓梯，真的正在被 AI 拆掉一部分。
但正如 Bradley 所說，也許職涯從來不只是爬樓梯，而更像游泳。以前的路徑是被安排好的，現在則必須自己去找方向、自己往前游。當第一個台階變得不再穩固，真正重要的，或許不是一直盯著那道樓梯還在不在，而是你有沒有能力，主動找到下一個能讓自己浮起來的動作。
風險提示
加密貨幣投資具有高度風險，其價格可能波動劇烈，您可能損失全部本金。請謹慎評估風險。
