一家公司不必裁員，也可能讓剛畢業的人更難找到工作。假如原本交給助理的資料整理、初稿和例行分析，現在由資深員工搭配AI就能完成，主管可能決定，今年不再補這個人。短期看，公司省下薪資，也減少帶人的負擔。但若這些工作原本也是新人熟悉業務的開始，取消職缺之後，企業還得回答另一個問題：未來需要的熟手，要從哪裡培養？
今年八月，史丹佛數位經濟實驗室更新一項美國就業研究，使用截至六月的薪資資料，發現較容易受AI影響的職業中，二十二至二十五歲工作者的就業走勢，落後於較不容易受影響職業中的同齡人；調整主要表現在減少聘僱，而非增加離職。研究者強調，這些是描述性結果，不能據此確定差距有多少由AI造成，也尚未觀察到整體經濟出現普遍的工作排擠。
我們還不能斷言，AI已經讓一整個世代失去入行機會。但企業在調整工作時，應當把人才培養一起納入考量。今天交得出成果，不代表幾年後仍有人能接手。初階任務可以重新分配，原先依附在那些任務上的學習機會，卻不能被當成已經不需要的成本。
初階工作少了，學習過程由什麼承接？
設想一名剛到職的客服，第一次處理客訴時，以為把回信寫得禮貌、完整就夠了。主管卻要求他查清楚：業務當初承諾了什麼，實際交付哪裡出了問題，哪些補償可以答應，哪些必須另行核准。他重新查資料、改寫回覆，逐漸理解公司的產品與責任。回信是交付給客戶的成果，查證、修改與討論，則是他累積經驗的過程。
若由AI草擬回信，再交給資深員工直接覆核，公司可能更快完成同一件事。但如果新人因此不再參與，他就少了一次理解問題的機會。日後要求他擔任AI審核者，也不會自動補回這段經驗：一個尚未熟悉產品與業務的人，未必知道哪些看似合理的回答，其實不能寄給客戶。
當然，不能因為工作掛著「磨練」的名義，就認定它值得保留。重複搬移資料、調整格式，未必能培養判斷力。企業應該區分，哪些只是可以省下的工序，哪些工作雖然初階，卻讓新人有機會理解問題、作出決定，再從結果與回饋中修正。前者可以交給工具；後者即使改變形式，也需要有人重新安排。
AI並非只能削弱學習。二〇二五年刊於《經濟學季刊》的一項研究，追蹤一家企業及其客服服務商的五千一百七十二名客服人員，發現導入生成式AI助手後，每小時解決問題的數量平均增加約百分之十五，資歷較淺、原先表現較弱的員工受益尤其明顯。研究還利用工具意外停用期間的資料，觀察到員工在沒有AI即時建議時，表現仍高於導入前，提供了AI可能幫助員工學習的證據。這是特定企業與工作環境的結果，不能直接推及所有職業。
另一項研究則呈現不同情況。Anthropic今年一月公布一項五十二名軟體工程師參與的隨機實驗，讓他們學習不熟悉的程式工具。使用AI協助的一組，在隨後的理解測驗中得分較低，辨認與診斷程式錯誤的落差尤其明顯；完成速度則沒有統計上顯著的提升。不過，這是小型、短期實驗，衡量的是任務完成後不久的理解程度，尚不能判定長期能力會如何改變。
兩項研究不能拿來比輸贏，卻指出企業需要分開檢查的兩件事：工作是否完成得更好，以及工作者是否因此學會更多。AI可以提供熟手的處理方法，也可能讓人交出自己並未理解的成果。公司若只看交件速度，就無法知道新人究竟是在逐步勝任工作，還是愈來愈熟練地轉交答案。
因此，新人的工作不宜只剩「請AI產出，再看看有沒有問題」。以客訴為例，可以先讓他釐清爭議、查找依據，再使用AI草擬回覆；主管覆核時，也應追問他為何接受某項建議，以及條件改變後，原來的處理是否仍然成立。這不需要禁止AI，卻能讓學習留在工作之中，而不是把一封流暢的回信誤認為一名已經成熟的員工。
帶新人，不能只靠主管下班後的熱心
企業確實可以選擇另一條路。IBM今年三月在官網表示，計畫擴大二〇二六年在美國的初階人才招募，同時重新設計職務，讓新人更早接觸客戶、理解完整系統並檢查AI成果。這是公司提出的招募與工作調整方向，不能當成已完成的成效，但至少說明，採用AI不必然等於減少所有入門機會。
然而，把新人送到更複雜的工作面前，還不等於完成培訓。若資深員工的業績要求與工作量完全不變，只額外要求他教人，指導就很容易被擠到空檔甚至下班後。主管若只考核處理速度，新人也會收到矛盾的訊號：公司口頭上要求理解，實際上卻獎勵最快交件的人。
我的主張是，企業導入AI時，必須把新人培育納入人力預算，明確保留有人指導、有人覆核的帶薪實作。訓練需要多少工時，就應列入成本；由誰負責，也應在工作分配中說清楚。不能把所有節省的時間都換成更多業務，再期待經驗傳承由員工自行完成。
實作可以從風險可控的任務開始，由主管依新人已經掌握的能力，逐步增加責任。可能傷及客戶或造成重大損失的決定，仍由有經驗、有權限的人把關。評量時則應讓新人處理未曾見過的情境，說明查證依據與判斷理由；必要時移除AI的即時建議，看看哪些能力已經留下。完成多少份文件、上過多少小時課，都不能取代這種檢查。
企業會擔心，花錢培養的人最後離職。這個顧慮不能被一句「企業應盡社會責任」打發。公司沒有義務無限增加不需要的職位，也不應為了保留訓練機會，繼續採用明顯低效的做法。但對仍然需要長期專業人才的企業而言，完全依賴挖角，也只是把培養的責任交給別人。假如同業都採取相同選擇，熟手的來源便可能逐漸縮小。
這也是公共資源可以介入的理由。個別企業不容易獨自承擔的基礎訓練，可以由學校、公協會與企業共同安排，減少重複投入；真正涉及產品、客戶與現場決策的部分，則仍須回到工作崗位，由熟悉業務的人指導。共同辦課能分攤成本，不能代替公司帶人。
青年就業補助，應該查驗人學會了什麼
台灣已有制度可以承接這項調整。今年三月，勞動力發展署將原有的大專青年預聘與就業學程制度整併為「補助大專校院就業學程企業預聘青年計畫」。因此，政策不必急著再增加一個名稱相似的新方案，而應檢查既有訓練，如何配合AI導入後的工作變化。
對以青年培育為目的的企業補助，我認為應把帶薪實作、導師實際投入，以及訓後能力進展，列為審查與核實成效的條件。企業應說明，青年參與了什麼工作、誰給予回饋、能獨立負責的範圍增加了多少。這些紀錄可以精簡，但不能只剩課程簽到、成果照片與一份看起來完整的報告。
追蹤就業也不宜只看是否留在原公司。青年可能因為取得能力，選擇另一份更合適的工作；政策應關心他是否進入相應職務、工作條件是否改善。另一方面，若企業不斷領取培訓補助，卻反覆更換受訓者，讓每一批人都只做低階雜務，就有必要查核，它究竟是在培養人才，還是在用補助降低人事費用。
帶薪也不能被視為附帶條件。如果取得第一段經驗，必須先負擔幾個月低薪甚至無薪的實習，那麼入行機會就可能取決於家庭能不能支付生活費。AI提高了工作的要求，卻不應成為把培訓成本全部轉給年輕人的理由。青年需要付出學習的努力，企業與公共制度也應提供一個不必先靠家庭資助，才能開始累積經驗的環境。
學校同樣可以改變評量方式。與其只看學生交出的作品，不如要求他說明重要修改、查證過程，以及哪些AI建議最後沒有採用。企業招募時也可以用小型模擬案例，在相同工具條件下觀察應徵者如何理解與調整，避免一方面嫌新人沒有經驗，另一方面又只用漂亮的作品集判定能力。
AI是否會造成大規模失業，仍須由後續資料回答；企業如何培養下一批專業工作者，則是現在就能作出決定的事。應保留的，是有薪資、有指導、能逐步承擔責任的入行機會，而非每一份舊有工項。企業取消初階任務時，應同時提出人才接續的安排；政府補助青年就業，也應把資源交給確實願意帶人、並能交代培訓成果的雇主。
下一份招募公告仍然可以要求三年經驗。但在企業的人力計畫與預算裡，也應找得到讓人開始累積經驗的位置。否則，「需要有經驗的人」就只是一項要求，沒有人負責讓它成為可能。 （相關報導： 公孫策專欄：美中AI大戰誰會贏？ ｜ 更多文章 ）
＊作者為文字工作者。
