人文科學在 AI 時代的就業轉機
一直以來，台灣的就業市場有偏重理工領域人才的傾向；在台灣，有理工背景的畢業生，較易找到學用相關性高、薪資水平也較傳統人文科學出身的人才來得高的工作（蕭詣軒 2022; Fore 2026）。
然而，近年因為人工智慧（AI）技術的快速發展，就業市場產生了相當程度的變化。AI 能夠快速處理技術性高、重複性高且規則明確的任務，目前已被大量應用於科技、金融等領域，能夠協助處理、甚至是獨立完成過往由人工主導的基層工作。在此情況下，許多理工領域的相關工作皆出現基層職位縮減的現象，使得以往被視為高薪鐵飯碗的理工科系在就業方面產生變數，電腦科學、金融等相關科系的畢業生失業率也呈現攀升的趨勢。
在 AI 的衝擊與影響下，企業端在用人要求方面也產生了觀念轉變：以專業技術為唯一考量的招聘方式已不再適用，同時也應招募能與 AI 共存、將 AI 工具價值最大化的人才。正是因為企業用人觀念的轉換，使得人文科學背景的學生在就業方面產生了新的可能性(Fore 2026)。人文科學的訓練一般著重在：批判性的辯證思考、對於語言與概念的敏銳度、邏輯分析能力、以及深度剖析人類生活的價值與倫理面向。這些訓練將有效幫助企業在面對逐漸加速的 AI 時代中，恰適地掌握應對 AI 變革以及駕馭 AI 的方法。
人文科學的無可取代性
當我們探討人文學科的轉機時，核心問題在於：有什麼是人文科學獨有，而以統計與機率為運作原理的 AI 永遠無法取代的特質？
如果說 AI 的強項在於從既有的思考框架與資料庫中尋找最優解，那麼人文科學的價值則在於「重新定義框架」與「創造新的意義」。這具體展現在以下兩個 AI 無法跨越的維度：
因此，人文科學人才在企業中的定位，並非與理工人才競爭底層的技術研發，而是擔任 「AI 的引導者與品質把關者」（Guider & Evaluator）。
在實務應用上，人文人才無須完全精通演算法編寫，而是在了解技術原理的前提下，去「餵養」與「引導」AI。然而，這場就業市場的轉機並非無條件的恩賜，人文學科的學生也必須直面自身的學術與實務斷層。正如理工科學生在學校學到的理論也需要經過產業轉譯，人文學科的學術訓練本身並不直接等於商業產出。人文學生若要在 AI 時代掌握主導權，必須主動補足兩大關鍵拼圖：
一、 意義的創造與詮釋
AI 只能處理、重組既有的符號與數據，意義的創造與規則的制定，則仰賴人類來提供。儘管生成式AI能夠依樣畫葫蘆，設計出一套新的語言系統，或者是創作出許多複雜而精美的畫作，但這些成品仍然僅是既有數據的變項(Variant)，而AI本身仍然仰賴使用者指令(Prompt)來賦予這些行為意義。換言之，AI雖能模仿，但不具主觀意識，無法思考，無法進行真正的「認知活動」，故無法自行創造或是賦予事物意義。現階段的AI，僅具有「有限的主動性」，能夠在既有框架內充分發揮，探索各種可能性——AI能夠依據同一個範本(Model)，則構想出無數個變項，但其終究受到範本的框架所限，無法達到真正意義上的突破。若AI終究無法突破既有的限制，創造新的架構/意義，則人類賦予事物意義的能力將會是無可取代的。
二、 價值判斷的能力（Value Judgment）
人之所以為人，除了能夠進行認知活動，能夠賦予事物意義，還包含著「能夠進行價值判斷」。亦即，人不僅能看到眼前的事物，理解其事態，還能對其進行好惡、善惡等價值判斷。在價值判斷當中，道德判斷尤為重要，一般被理解為規範人應該如何生活的準則。然而，AI沒有道德主體（Moral Agency），無法為自身的決策承擔責任。當 AI 被應用於醫療診斷、自動駕駛或司法判決時，面對灰色地帶的利益衝突，它只能給出統計上或是理論上的最優解。真正能夠對這些問題做出價值與道德判斷，權衡不同立場背後的主張與考量的，終究是人類。
職能互補：成為 AI 的引導者與把關者
1. 科技素養（Tech Literacy）：文科生不需要成為AI專家，但必須理解語言模型（LLM）等 AI 工具的運作邏輯、局限與邊界。唯有在懂原理的前提下，人文訓練中的批判性思考才能精準擊中技術優化的痛點。
2. 產業結構的理解：批判性思考若只停留在理論，往往流於空談。真正的跨領域協作，必須主動跨出專業邊界，去理解其他領域能解決什麼問題（價值）以及有什麼做不到（極限）。唯有看清各自的長處與短處，才能發揮互補效益。
References
