人工智慧（AI）工具在企業內的應用日漸普及，雖然顯著提升了草擬文件與處理資訊的效率，卻也正悄悄掏空職場新人的基礎訓練機會。研究指出，隨著大量初階任務交由自動化處理，青年員工缺乏鍛鍊專業判斷力的練習場景，迫使企業必須重新調整人才培育與工作流程。
基礎任務被自動化：職場新鮮人就業與練習空間受壓迫
當前企業大量使用技術來處理整理會議摘要、撰寫初稿以及編寫程式碼雛型等基礎工作。學術機構對多種職業任務進行模擬計算發現，引進科技支援後，原本耗費 100 小時的工作範疇縮減至 57 到 73 小時，減少的部分幾乎都是過去交由初階員工處理的例行事宜。
這種轉變直接影響了職場新人的就業市場。分析相關薪資數據發現，在最容易被技術取代的職務類別中，22 歲至 25 歲年輕人的就業率比常態水準降低了 19%，而資深員工的就業狀況幾乎未受干擾。年輕從業人員並非能力不佳，而是他們原本負責的日常業務，正好最容易被工具接管。
從執行到審核：重建四階段的專業養成階梯
過去初階員工在核對資料、尋找案例等看似繁瑣的打雜工作中，得以建立辨識風險與問題模式的直覺。若直接讓科技跳過這些基礎訓練，將會造成專業能力斷層。為了解決這項危機，企業需要建立明確的培育階梯：
- 輔助產出：允許運用工具快速生成初步草稿或數據摘要。
- 驗證查核：要求新人仔細比對原始資料來源，找出潛在錯誤或站不住腳的假設。
- 例外診斷：訓練員工判斷何以看似合理的產出結果，在實際營運情境中無法執行。
- 承擔責任：讓初階同仁學習在面對不確定性時，提出決策建議並向團隊主管解釋箇中理由。
企業可在內部建立經嚴格認證的案例庫供新人實作，並對自動產出的內容實施人力稽核機制。同時，可以要求員工在交付成果時標註信心度，明確說明內容該直接採用、修改或是退回，藉此評估同仁的判斷能力成長進度。
這代表什麼
對台灣眾多以中小企業為主的產業結構而言，這意味著人才傳承機制面臨全新考驗。許多中小企業過去依賴邊做邊學的師徒制帶新人，但在職場廣泛採用 AI 生成 內容後，新人若只扮演複製貼上的角色，三到五年後企業恐將面臨資深主管退休、中階人才嚴重斷層的集體危機。
因此，企業主與管理階層不能僅將新技術視為降低成本的工具，而必須將工作重點從從零開始撰寫與製作轉移為批判性審查與決策驗證。將初階員工的訓練焦點擺在抓錯、除錯與合規審核，才能在提升組織運作效率的同時，持續厚植公司的人本競爭力。
背景補充
這種技術革新帶來的短期混亂並非首次發生。經濟學家羅伯特·索洛（Robert Solow）曾在 1987 年提出著名的索洛電腦悖論，指出電腦在各個領域隨處可見，卻未能在當期的生產力統計數據中明顯呈現。當時企業引進個人電腦後，歷經了長達十幾年的流程重組與人員適應，生產力效應才在 1990 年代末期爆發。
傳統的職業訓練極度依賴附帶學習（Incidental Learning），即員工在執行重複性基礎工作時，無意間吸收到的產業知識與情境判斷力。面對新一波自動化浪潮，業界對於就業市場的長遠衝擊雖然尚無統一共識，但主動將完成業務與培育人才拆開重新設計的企業，將能在技術變革中掌握更高的人力資本優勢。
常見問題
為什麼 AI 普及會對職場新人的就業率造成較大影響？
因為年輕員工初入職場時多負責整理資料、寫初稿等基礎工作，而這些例行任務最容易被人工智慧自動化取代。
企業該如何防止 AI 造成內部人才斷層？
企業應將新人的訓練重心從從零製作轉向內容稽核，建立包含驗證查核、例外診斷到決策建議的四階段養成階梯。
什麼是「附帶學習」？對新人有何重要性？
附帶學習是指員工在處理瑣碎打雜工作時，無形中練就的直覺與風險判斷力，這是過去師徒制培養高階人才的關鍵過程。