「AI 來了，我這個職位會不會消失？」
這個問題很直接，也很難用一句樂觀或悲觀的話回答。
因為公司真正付薪水買的，不是一個職稱，而是一組任務、判斷與責任。AI 改變的也不是名片上的四個字，而是這三件事重新分配。
我想把 AI 對職場的衝擊，翻譯成工廠重新排線：不是整條線拔掉，而是重新決定哪一站由機器做、哪一站必須有人驗。
主管為什麼不能只問哪些工作會被 AI 取代？
職稱通常混合多種任務，AI 只能接走其中一部分。若直接用職稱判斷增減人力，容易同時刪掉經驗、例外判斷與對結果負責的能力。
「任務重畫」是把一個職位拆成可自動化、需要人判斷、必須由人承擔三類工作，再重新設計交接與驗收。
很多人以為 AI 導入是把人的工作交給工具，其實剛好相反。它會逼主管更精確地說出：我們到底需要這個人做什麼。
如果你是主管（或要向員工說明改變的老闆），你能指出哪一項任務變了，而不只是說公司要導入 AI 嗎？
工作應該怎麼拆成三類任務？
把一週工作列出來，分成「規則穩定可自動化」、「需要脈絡與判斷」、「涉及承諾與風險承擔」三欄；工具只進入第一欄與部分第二欄。
- 可自動化：資料搬移、格式整理、固定提醒與初步分類。
- 需判斷：需求不完整、資訊衝突、例外處理與優先順序。
- 需承擔：對外承諾、人事決定、預算核准與風險接受。
這三欄也是培訓地圖。第一欄訓練工具使用，第二欄訓練問題分析，第三欄訓練溝通與決策。
實作時不要用職務說明書直接拆。請員工記錄一週內真正做過的任務，再由主管一起判斷。制度寫的工作與現場發生的工作，常常不是同一張圖。
每項任務再標記輸入、輸出、頻率與錯誤代價。頻率高但錯誤代價低的，可以先練習；低頻但涉及承諾與安全的，就算 AI 能做，也應保留更嚴格的人工授權。
AI 訓練為什麼不能只教提示詞？
提示詞只能改善一次輸出，不能替公司建立共同的資料定義、品質標準與責任邊界。企業培訓要同時涵蓋工具、流程、判斷與回饋。
OECD 的 AI 與技能報告指出，AI 需要的不只進階技術能力，資料解讀、問題解決、創造與管理能力仍然重要。
從老闆的成本來看，買帳號是一次可見的費用；真正昂貴的是全公司各自摸索、重複犯錯，卻沒有把有效做法留下來。
因此訓練不能只看完課率。可以要求每組交付一個真實流程、一份使用邊界、一組錯誤案例，並由另一組重做。能被別人重做的成果，才開始接近組織知識。
可以接著看AI 暴露主管不會定目標的問題，因為員工會用工具，不等於主管已把目的說清楚。
主管如何驗收一個被 AI 改造的職位？
不要只看產量變多。至少檢查完成時間、返工原因、人工判斷點與責任人是否更清楚；若速度提高但錯誤無法回查，流程還沒有成熟。
我把這叫做「產能不是能力」：產能是今天多做幾件事，能力是明天換一個人、換一個工具，團隊仍知道怎麼把事情做對。
這和頻率與思考深度的關係很大。回饋變快，只有在思考與驗收也同步升級時，才會形成正向循環。
角色設計也要同步更新。原本負責搬資料的人，可以轉為檢查例外與改善規則；但這不是一句「做更有價值的事」就會發生，主管必須重新給目標、權限與學習時間。
一個公平的過渡方案，至少要說清楚哪些任務停止、哪些任務新增、如何評量，以及員工遇到 AI 錯誤時能不能暫停流程。模糊的轉型口號，只會把焦慮留給第一線。
你下一次談 AI 人力規劃時，要刪的是一個職稱，還是一項已經被說清楚、可安全移交的任務？
