AI時代的就業能力落差：技能提升與職能重塑的重要性
過去 3 至 4 年間，生成式 AI 的發展呈現飛躍式成長，被大量引入各產業與企業當中，並展現出顯著成效。如今，AI 技術不僅是多數人在生活與工作上不可或缺的工具，亦能在一定程度上優化企業的營運效率。隨著 AI 技術的深耕導入，企業的營運流程、發展重心與人才需求也產生了相應的變革。本文將回顧學者對 2023–2025 年間 AI 技術對各產業就業市場影響之觀察，並指出現代求職者與從業人員所需面對的關鍵課題。
AI 對於各產業的就業影響
學者 Siti Maria 等人的研究（Maria et al., 2025）針對製造、金融、零售、醫療與教育等五大產業進行綜合性評估。透過文獻回顧與專家訪談，該研究梳理出 AI 引進後對各領域產生的衝擊與變革，其影響主要反映在「工作取代率」（Job Displacement Rate）與「工作創造率」（Job Creation Rate）兩項指標數據上。
製造與零售業：高工作取代率(Job Displacement Rate)
當前 AI 的運算與執行速度已大幅提升，但仍存在特定的應用邊界。具體而言，AI 擅長處理重複性高且具備標準化流程的任務，但在「深層資料辨識與判斷」及「複雜情境理解與推論」等面向的表現相對有限。因此，在製造與零售等高度依賴標準化流程、且能大幅受益於自動化（Automation）的產業中，AI 被大量導入，甚至直接替代了部分生產線與批發流水線的人力。統計顯示，製造業與零售業的 AI 工作取代率在各產業中高居前兩名（分別為 45% 與 35%）。
醫藥與教育領域：高工作創造率(Job Creation Rate)
儘管 AI 的引進導致部分傳統崗位被取代，但企業對 AI 應用人才需求的增加，也催生了嶄新的職務。研究指出，因導入 AI 而產生最多新工作機會的領域為健康醫療與教育產業（工作創造率分別達 50% 與 60%）。這兩個領域之所以呈現「高工作創造率、低工作取代率」的現象，是因為它們屬於知識密集型產業（Knowledge-Based Industries）。其工作性質與專業判斷無法被輕易量化或歸納為固定流程，而 AI 的引入則扮演了輔助角色，能有效協助領域專家提升作業效率與專業產出。
金融與科技產業：高取代與高創造並存
與製造業偏向勞力自動化、或醫療業偏向輔助專業人員提升效率的模式不同，金融服務業（以及高度相關的科技領域）呈現出「工作取代率」與「工作創造率」雙高的特殊狀態。以金融業為例，其 AI 導入率高達 70%，且工作取代率達到 30%；這主要是因為自動化交易、AI 演算法風險管理以及客服機器人快速普及，大量取代了重複性高且流程標準化的基層營運與資料審查人力。然而，金融與科技業同時也展現了高達 40% 的工作創造率。這是由於此類產業屬於知識密集型領域，AI 的引入在淘汰傳統職位的同時，也迅速催生了對演算法開發、機器學習專家、智慧系統管理以及高階數據分析師等高專業門檻人才的強烈需求。這種「新舊職務快速迭代」的現象，意味著金融與科技業並非單純的裁員，而是面臨極其劇烈的職能結構重組。
就業能力落差
儘管AI對於不同產業的影響力各有不同，無可否認的是現在的就業市場正處於關鍵的轉變期：
「…訪談分析顯示，有 84% 的受訪者將 AI 技能落差視為重大疑慮。許多專業人員缺乏 AI 導向產業所需的技術專長，導致轉職至新角色面臨挑戰……雖然職缺創造呈現成長趨勢，但從業者在補足 AI 相關職缺方面仍顯吃力。儘管 AI 所創造的工作機會在 2015 年至 2025 年間增長了 55%，然而勞動力適應 AI 導向角色的能力並未跟上其步伐，進而導致科技導向領域出現職缺空缺。」
（Maria et al., 2025, 294）
當企業對於AI人才的需求急遽增加，但多數求職者卻尚未接受相應的訓練，此時即產生就業能力落差，或者說是「AI技能斷層(AI Skills Gap)」的狀況。為幫助求職者順利獲取求職所需的AI技能，「AI教育」(AI Education)的推動將是不可或缺的。其中，對於新一代求職者來說最為重要的，即技能重塑(Reskilling)與技能提升(Upskilling)這2種應對方法。
技能重塑(Reskilling)
技能重塑（Reskilling） 指的是「跨領域學習全新技能，以轉任完全不同職務或適應全新職能需求」的過程。在 AI 衝擊下，許多重複性高、流程標準化的崗位（如製造業組裝、零售業初級銷售或金融業基層資料登錄）正面臨高度取代風險。對於這類工作者而言，技能重塑是突破轉職困境的關鍵。透過系統性的專業再培訓計畫，從業者能將過去積累的產業經驗（Domain Knowledge）與新興科技工具相結合。例如：傳統會計師轉型為「AI 財務數據分析師」、零售櫃員轉型為「電商數據營運人員」，或是基層行政人員學習基礎程式設計與 Prompt 工程，進而轉型為「智慧系統管理員」。技能重塑能協助受衝擊的勞動力擺脫被市場淘汰的危機，並無縫接軌至因 AI 發展而催生的新興職務中。
技能提升(Upskilling)
相較於跨領域轉型的技能重塑，技能提升（Upskilling） 則側重於「在現有專業基礎上，進一步深化與優化 AI 技術應用，以提升工作效率與產出價值」。此策略特別適用於醫藥、教育、金融高階決策以及科技產業等「知識密集型領域」。在這些領域中，AI 扮演的是「專業協作者」而非單純的替代者。因此，從業者無須放棄原有專業，而是需要學會「如何讓 AI 為己所用」。例如：醫療專業人員學習運用 AI 輔助影像診斷系統以精準識別病灶；教師導入生成式 AI 輔助教案設計與因材施教的個人化學習方案；數據分析師則運用自動化機器學習（AutoML）工具加速模型建立。透過持續的技能提升，專業人員能夠在既有崗位上實現更高的創造力與不可替代性，成為引導企業進行數位轉型的核心人才。
AI素養：培養AI協作能力(AI Collaboration Skills)
然而，無論是技能重塑還是技能提升，僅關注工具操作與技術開發等專業技能是遠遠不夠的。當 AI 工具隨手可得，「如何與 AI 高效協作」反倒成了拉開個人與企業產出落差的關鍵。在 AI 時代，最不可替代的核心競爭力主要體現在以下三個面向：
問題與指令制定（Problem Formulation & Prompting）： 能夠精準定義問題、拆解任務，並給予 AI 明確且具備脈絡的指令，是獲得高品質產出的前提。
批判性思考與資訊驗證（Critical Thinking & Information Verification）： 面對生成式 AI 可能產生的「AI 幻覺（Hallucination）」與資訊偏見，專業人員必須具備深刻的領域知識，以進行事實查核與品質把關，而非盲目接受系統輸出。
跨領域溝通與同理心（Interpersonal & Human-Centric Skills）： 在醫療、教育與商業談判等高度依賴「人際連結」與「情緒價值」的領域，AI 僅能作為後勤支援，人類的倫理判斷、同理心與領導力才是創造終極價值的核心。
簡言之，未來的勝出者並非「被 AI 取代的人」或「完全由 AI 掌控的人」，而是「兼具專業技能、且能與 AI 高效協作的雙軌型人才」。
References
Maria, S., Purwinahyu, P., Fitriansyah, F., Rachmawaty, A., & Aini, R. N. (2025). Artificial intelligence and labour markets: Analyzing job displacement and creation. International Journal of Engineering, Science and Information Technology, 5(2), 290–296.
