當我們談論 AI 的生產力革命，許多管理者都興奮「效率奇蹟」的實現：少數員工加上 AI 與自動化工具，就能完成過去整個團隊的工作。

幾天前，我與一家大型電商平台營運長在聚會中聊起這個話題，他表示公司正在考慮縮減初階員工的招募，連實習生都不打算開缺了。我理解他的立場，但當組織瘋狂追求這種短期效率時，卻可能讓未來的領導層斷炊。

AI 驅動的精實團隊，導致初階職位減少 13%

原因是，這是 2 套截然不同的管理模型，傳統的人才通道，是一個我們都熟知的線性系統。低成本畢業生從基層進入，在重複任務中犯錯、學習，吸收組織的隱性知識；優秀的人逐步晉升，最終成為組織中堅。這個模式穩定可預測，但缺點是成本高、速度慢。

第二個模型，就是 AI 驅動的精實團隊，也就是前述營運長嚮往的體制：以少數「超級員工」組成特種部隊，運用 AI 工具處理例行任務，優點是極致的效率與成本效益，但卻有著長期風險。

這不是臆測，根據史丹佛大學的論文《煤礦中的金絲雀？關於人工智慧近期就業影響的6個事實》指出，生成式 AI 普及後，「AI 曝險度高」（工作容易被自動化或輔助的職位）的職業中，22～25 歲的初階職位減少了 13%。

管理者很容易被模型二的效率吸引，當一份 ROI 分析報告擺在面前：一邊是自動化每年可省下 30 萬台幣、錯誤率下降，另一邊則是難以量化的資深員工價值，結果總是一面倒，特別是那些背負季度財報壓力的管理者，幾乎都會選擇前者。

過度追求效率，恐讓組織喪失領導梯隊

當管理者聚焦在「效率」，卻忽略了一個更根本的問題：組織存在的目的。

Thinkers50 全球 30 大管理思想家桑吉．喬德利（Sangeet Paul Choudary）認為，工作是為了解決系統中的 3 種限制條件：知識稀缺、風險控管、協調成本。如果用這 3 個角度檢視 AI 導向的精實團隊，就能看見潛藏危機：

1.知識傳承中斷： 初階職位的存在，不只是執行任務，而是「知識傳承的場域」。資深員工的隱性知識，是在指導新人、修正錯誤中得以傳承，AI 可以給出標準答案，卻無法傳授經驗。當組織砍掉基層職位，就等於砍掉組織的根基。

2.風險處理真空： 自動化能解決 95% 的常規問題，但災難往往來自剩下的 5%。這些例外是由老員工滅火，如果沒有讓新人處理「小火苗」，他們永遠學不會面對「森林大火」。

3.新協調成本上升： AI 帶來人機、不同 AI 系統之間的新互動，當 AI 的建議與員工直覺衝突時，該聽誰的？只有深刻理解業務流程的人，才有辦法分辨，而這種判斷能力，正是從基層磨出來的。

這就是 AI 精實團隊的矛盾：它看似敏捷，卻極度脆弱，如同一支沒有板凳球員的球隊——先發華麗，但一旦有人受傷，整個系統就可能瓦解。

我問那位營運長：「5 年、10 年後，那些搭配 AI 的超級員工升主管時，誰能接手他們的位置？」

傳統的人才通道雖慢，但它是一台「經驗製造機」，確保組織永遠有人在學習，一步步成為管理者。當企業為短期成本拆掉這台機器，等於在資產負債表上悄悄記下「未來人才赤字」。起初問題不明顯，甚至會因人事費下降而獲利亮眼，但等到組織需要新一代領導者時，才發現整個梯隊早已斷層。

在台灣，AI 對白領工作的衝擊還沒完全到來，但「慢到」不等於「不會到」，現在可以說是我們的一個短暫的策略窗口，我們不能再用過去的思維設計教育與培訓體系，必須用更模組化、敏捷的系統：

1.企業主導的新式學徒制： 將初階員工定位為「系統學習者」，他們的工作不是執行重複任務，而是理解、監控與優化人機協作流程。

2.以專案為核心的經驗組合： 打破部門牆，讓新人在跨部門專案中快速積累決策與溝通經驗。

3.終身學習的再定義： 大學不再只提供一次性的學位，而是夠在職涯任何階段，快速學習新技能的「微學程」與「能力認證」。

我最後建議那位營運長，不要輕易關上為年輕人敞開的大門，而是重新設計那扇門，以及門後的路徑。對整個台灣而言，現在的每一個選擇，都在決定未來是否還有足夠的人才，來應對一個無可避免、由 AI 驅動的世界。

核稿編輯：林庭安