精選解讀｜Alex Karp 為何說只剩兩種人更不怕 AI：白領工作的價值，正在被重新定價

Palantir 執行長把答案壓縮成「技職訓練」與「神經多樣性」，當然過度簡化；但它真正刺中的，是生成式 AI 正在壓縮可模板化白領工作的稀缺性，而企業接下來得重寫的，是職位價值、升級路徑與人才標準。

· AI 落地應用,精選解讀,人物觀點,產業趨勢,AI 職場
InfoAI | Alex Karp 對白領與 AI 的尖銳說法，真正點出的不是職業高低，而是白領工作的價值正在被重新定價。

管理層現在真正該問的，不是誰會被 AI 取代，而是組織今天還在獎勵的，究竟是舊時代的輸出熟練度，還是 AI 時代真正稀缺的判斷能力。

想像一下，一家公司的策略部門正在開週會，有人補資料、有人整理市場說法、有人把主管零碎的想法改寫成像樣文字，也有人把一份提案重新梳理得更清楚。過去，這些能力很容易被視為白領工作的基本功，甚至是職涯往上走的重要起點。會整理、會改寫、會抓重點、會把東西做得漂亮，往往就代表這個人很能幹。

但現在，變化已經不是這些能力突然沒用了，而是它們沒有以前那麼稀缺了。Business Insider 引述 Palantir 執行長 Alex Karp 在 TBPN 訪談中的說法，他把「比較不必擔心 AI 的人」壓縮成兩類：一類是受過技職訓練的人，另一類是具有神經多樣性特質的人；他還直言，低階 coding、低階法務工作、低階讀寫工作，正在被 AI 反轉原本的價值排序。

這句話當然刺耳。它太絕對，也太像適合社群傳播的強烈金句。

但事情有趣之處在於，它之所以引發共鳴，不是因為它的完整，而是因為它碰到了許多白領工作者早就隱約感受到、卻還沒被說破的現實：有一整批建立在標準化流程、例行輸出與可模板化知識處理上的白領技能，確實正在失去原本的稀缺性。

這不代表未來只剩兩種人有路可走，但它的確代表，白領工作的價值結構，已經開始被 AI 重算。

關鍵解讀：

Karp 的說法，比較像是對白領技能貶值的激烈表述，而不是完整的勞動市場結論。 Business Insider 的原始報導顯示，他真正要講的是「實際專長」比過去被視為珍貴的一批中階知識工作更值錢。

世界經濟論壇（World Economic Forum）並不支持「未來只剩少數人有路」這種說法。 它的《Future of Jobs Report 2025》指出，到 2030 年，全球工作重組幅度將達 22%，新增 1.7 億個職位、取代 9,200 萬個職位，淨增加 7,800 萬個工作；同時，AI、大數據與資安技能需求上升，但分析思考、創意思考、韌性、領導與協作仍是核心能力。

經濟合作暨發展組織（OECD）的提醒更值得企業重視。 它指出，高教育程度白領確實更容易暴露在 AI 衝擊下，但沒有足夠證據顯示整體白領就業已因 AI 明顯下滑；更大的風險，反而是沒有高等教育背景、女性與年長工作者，可能因為接觸不到 AI 工作機會與工具而被排除在升級之外。

Karp 真正刺中的，不是職業類別，而是白領技能的價格正在被重算

把 Karp 的發言放回脈絡裡看，意思就會清楚很多。

他不是在做勞動經濟學分析，而是在用一種很 Palantir 的方式切線：一邊是技術端或客戶端的實際專長，另一邊是那些過去看起來很專業、如今卻更容易被 AI 接手的中階知識工作。他在訪談中明講，真正更有價值的，是能直接連到技術端或客戶端的實戰專長；相較之下，低階程式撰寫、低階法務處理，以及低階讀寫工作，正在因 AI 與 Agentic AI 能處理大量例行任務而被重新定價。

這裡最值得注意的，不是他用了多尖銳的字，而是他把很多企業內部其實已經感受到的變化，講得過於直接。

對不少公司來說，現在真正難找的，不再只是會做簡報、會寫初稿、會整理資料的人，而是能把模糊問題定義清楚、能在跨部門協作中做判斷、能在資訊不完整時承擔責任的人。換句話說，AI 不是把所有白領工作一起打掉，而是先把那些可拆成標準步驟、可由範例學習、可由既有文本近似生成的部分，率先商品化。

這不是工作突然消失，而是價值先被稀釋。

世界經濟論壇的《Future of Jobs Report 2025》剛好提供了更完整的背景。這份報告彙整超過 1,000 家企業、涵蓋 22 個產業與 55 個經濟體，代表超過 1,400 萬名工作者。它指出，到 2030 年，全球工作重組幅度將達 22%；AI、大數據、網路與資安技能需求會快速上升，但分析思考、創意思考、韌性、領導與協作同樣是核心能力。

這代表的不是「AI 讓工作變少」，而是工作結構正在改變；真正升值的，也不是某一種單一學門，而是難以被模板化的人類能力，加上能與 AI 協作的技術理解。

技職重新被看見，不是因為浪漫化藍領，而是 AI 最難吃掉現場與責任

Karp 把技職訓練放在第一位，表面上像是在挑戰美國傳統的菁英教育敘事，但他真正碰到的，是一個更現實的問題。

只要工作和真實世界的物理環境、現場變數、工具操作、維修判斷、客戶即時互動綁得夠緊，AI 就很難完整吃掉那份價值。Business Insider 的報導也顯示，Karp 不只在講就業市場，他同時在批判美國教育與測驗系統，認為它仍然圍繞工業時代的能力框架在設計。

這和世界經濟論壇的判讀其實一致。WEF 的官方說明指出，到 2030 年，成長最快的職位不只集中在 AI、資料與技術領域，也包括外送與運輸、照護、教育、農業等高度依賴現場判斷與實體世界互動的工作。

所以，Karp 說「有技職訓練的人比較不必那麼怕 AI」，真正該讀懂的，不是「白領不如藍領」，而是只靠抽象知識處理撐起來的價值，會先被 AI 壓價；和現場、責任、物理世界、跨情境應變綁得更緊的能力，會更慢被替代，也更難被完整複製。

對台灣讀者來說，這點尤其值得重看。

台灣長期有一種很微妙的職涯想像：愈遠離現場、愈像坐辦公室的工作，彷彿就代表位置更高。但在 AI 時代，現場未必代表低價值；真正可能先失去稀缺性的，反而是那些離現場很遠、卻只剩格式化輸出的中間層工作。

Karp 為什麼把神經多樣性放進來，因為企業正在重新定義「好人才」

如果只看媒體摘要，Karp 的發言很容易被理解成一種帶有個人投射的言論。這種理解只對一半。

因為 Palantir 不是只有 CEO 在訪談中講這件事，它真的把這套想法寫進招募機制。Palantir 公開招募的 Neurodivergent Fellowship 文案直接寫明，這不是一項多元倡議，而是一條招募神經多樣性人才的管道；它甚至明講，這群人在 AI 驅動的世界裡，會因模式辨識、非線性思考與高度專注等特質而具有競爭優勢。

這代表 Palantir 真正在做的，不只是倡議包容，而是在宣告一種人才哲學：當大量平均化、流程化、教科書型的知識工作開始被 AI 補齊，企業會更傾向尋找兩種人，一種能在真實世界把事情做出來，一種能在沒有劇本時看見別人沒看到的路。

當然，邊界也要講清楚。這不是說神經多樣性本身就等於高能力，更不是說企業應該把標籤當作能力證明。真正該理解的是，Palantir 正在把一類過去不容易被標準履歷辨識的認知特質，正式納入它的人才標準裡。

也因此，Karp 那句話真正有殺傷力的地方，不在於它把未來分成兩類人，而在於它讓更多企業不得不面對一件事：你今天還在用舊時代的學歷、履歷與表達流暢度選人，但 AI 時代真正升值的，可能是另一批能力。

Karp 說對了一部分，但他也把問題說扁了

OECD 在 2024 年的研究指出，因為 AI 可以自動化一部分非例行的認知任務，受高等教育的白領工作者確實更容易暴露在 AI 影響之下；但同一份研究也明確提醒，現有實證並不支持「整體就業已因 AI 明顯下滑」這種簡化說法。更重要的是，真正的風險不只來自暴露度，而是來自接觸不到 AI 工作機會、AI 工具與升級資源。

這個提醒很關鍵。因為它把討論從「哪個職位比較安全」拉回「誰有能力升級、誰有機會升級」。

世界經濟論壇的資料也支持這個方向。它指出，如果把全球勞動力想像成 100 個人，到 2030 年會有 59 人需要重新訓練或技能升級，其中 11 人可能拿不到所需訓練，換算超過 1.2 億名工作者處於中期冗餘風險。

所以，Karp 的二分法最危險的地方，不是它太尖銳，而是它太容易把結構問題講成天賦問題。

一旦企業開始神話某些人「天生比較有未來」，討論就很容易從「如何讓更多人被放進升級路徑」滑向「哪些人才配得未來」。而這種說法，最後反而會讓組織忽略一大群其實可以被有效升級的人。

真正該警覺的，不是天賦神話，而是組織如何重新分配升級機會

這篇文章如果只順著 Karp 的直覺寫，很容易少掉最重要的反方。

最有力的反方意見，不是說「AI 根本不會改變工作」，而是說：Karp 把一個原本應該從教育制度、職場設計、支持系統與再訓練來處理的結構問題，講成了近乎英雄化的天賦敘事。

這種批評不是沒有道理。因為一旦科技產業把少數特質神話化，組織就很容易忽略更重要的管理責任：到底有沒有把 AI 工具、學習機會與流程重設的權利，只集中給少數核心部門，卻讓大多數人還留在舊流程裡。

對企業來說，這才是真正的管理考題。

因為 AI 的競爭，最後不只是在買模型，也是在決定誰有機會升級、誰被留在舊流程、誰被重新定義為高價值人才。這比任何一句金句都更接近企業現場。

對讀者真正有用的，不是焦慮，而是三個可操作的判斷

如果把這篇文章只讀成「我是不是該去學技職」或「我是不是也要證明自己夠特別」，那其實就解讀出了偏差。

對企業、部門主管、人資與知識工作者來說，真正有用的，是把這則新聞轉成三個可操作的判斷。

第一：這個職位的價值，主要建立在可模板化輸出，還是建立在問題定義、現場判斷與責任承接？

如果一個職位的主要貢獻，是把資料整理成可讀版本、把不同來源改寫成中性初稿、把制式內容反覆重寫，那它不是沒有價值，而是很可能進入「AI 先接手前段，人工負責後段」的重配階段。這時候，組織真正該做的，不是假裝工作內容沒變，而是重寫職位期待，把判斷、整合、協作與最終責任講清楚。

第二：組織有沒有把 AI 工具與升級機會，只給少數人，卻讓大多數人留在舊流程裡？

這正是 OECD 提醒真正落到企業現場時，最有殺傷力的地方。產品、策略、資料團隊也許已經開始用 AI 拉高產出效率，但客服、財務、人資、營運仍可能困在舊流程裡。這種落差會讓升級紅利先集中在少數部門，也會讓很多人不是被技術打敗，而是被組織的分配方式甩在後面。

第三：你有沒有把「現場經驗」與「非標準化思考」變成可被辨識、可被培養、可被升級的能力？

很多主管明明知道某些同事很會處理客訴、很會盯專案風險、很會在會議裡看出真正卡點，但這些能力常常沒有被說清楚，也沒有被納入培訓與晉升設計。結果是，企業仍在用舊時代的履歷關鍵字選人，卻沒有真的把 AI 時代會升值的能力標準化。

如果要把全文收斂成一個最實用的三問檢查法，我會這樣建議：

你現在的工作價值，有多少來自 AI 很快就能做得還不錯的部分？

你所在的組織，有沒有真的讓你接觸新工具與新流程，而不是只把 AI 當成主管口中的策略名詞？

你能不能把自己的價值，從「做出一份像樣輸出」升級成「看懂問題、協調資源、承接結果」？

這三問，比問自己是不是「那兩種人之一」更有用。因為它把焦點從身份焦慮，拉回能力與位置的重建。

現在比較合適的結論，不是哪種人一定會贏，而是哪種能力更不容易被壓價

說到這裡，其實邊界已經很清楚了。

第一，AI 正在壓縮一部分白領工作的稀缺性，這件事大致成立。

第二，但這還不足以支持「白領大規模失業已經到來」這種肯定句。

第三，企業正在重新重視非標準化思考、現場理解與責任承接，但這不代表某種身份標籤天然等於高績效。

所以，現在最穩妥的判斷不是「哪種人一定會贏」，而是：哪些能力愈不容易被模板化，哪些人愈有機會在 AI 時代重新取得稀缺性。

總結｜AI 重估的不只是工作內容，而是誰能把模糊問題變成可承接的價值

Alex Karp 這句話會被記住，不是因為它完整，而是因為它把很多人不願正視的現實講破了：AI 不是平均地改變所有工作，它先改變的，是那些靠可複製知識處理撐起來的白領價值。

當整理、改寫、比對、初步分析、標準化產出愈來愈容易被模型接手，原本建立在這些能力上的職涯安全感，當然會開始動搖。這也是為什麼技職、現場能力、非標準化思考、問題定義與責任承接，會在這一輪被重新看見。

但更值得我們思考的是，未來不會只偏愛少數「特別的人」，而是會重新獎勵那些能和 AI 協作、又能在真實情境裡做出判斷的人。從企業角度看，未來的競爭，未必只在於買到什麼模型，而是在於能不能把更多工作者放進有效的升級路徑。從個人角度來看，下一步最重要的，也未必是焦慮自己會不會被取代，而是重新盤點：自己目前的價值，究竟有多少來自可被 AI 快速複製的輸出，又有多少來自真正難被取代的判斷、協調、現場理解與責任承接。

所以，這篇文章最後想留下的，不是一句更聳動的職涯口號，而是一個更實際的管理問題：

接下來兩年，你的組織開始重寫職位價值了嗎？它獎勵的，究竟還是舊時代的輸出熟練度，還是已經開始獎勵能定義問題、能看懂現場、能承接結果的人？

這個問題，比問「我是不是那兩種人之一」更接近未來。

FAQ:

Q1｜Alex Karp 真的說「只有兩種人」在 AI 時代比較有未來嗎？

是，他確實在公開訪談中講過類似意思。Business Insider 的報導引述他在 TBPN 的原話：「基本上有兩種方式知道你有未來：第一，你受過某種技職訓練；第二，你具有神經多樣性特質。」同一段報導也指出，他把低階 coding、低階法務、低階讀寫列為正在被 AI 重新定價的能力。

但這句話比較像是一種高張力表述，不是完整的勞動市場研究結論。它的價值不在於叫讀者去對號入座，而在於提醒企業與工作者：生成式 AI 正在壓縮一批原本被視為穩定的白領技能。真正該問的，不是你是不是那兩類人，而是你的工作價值有多少建立在可模板化輸出，又有多少建立在判斷、責任與現場理解。

Q2｜Palantir 真的把神經多樣性當成招募優勢嗎？

是，而且不是口頭說說而已。Palantir 公開的 Neurodivergent Fellowship 招募頁面直接寫明，這不是一項多元倡議，公司相信神經多樣性人才會在下一個技術時代具備競爭優勢；它還進一步強調，這些人才的模式辨識、非線性思考與高度專注，正是 AI 驅動世界裡的重要特質。

不過，這代表的是 Palantir 的人才哲學，不等於整個市場的共同標準。它真正值得企業借鏡的地方，不是照單全收這套標籤邏輯，而是重新思考：在 AI 把平均化知識工作愈做愈好的情況下，你的公司到底想找什麼人？又有哪些過去不容易被標準履歷看見的能力，現在值得被重新辨識？

Q3｜世界經濟論壇《Future of Jobs Report 2025》支持 Karp 哪些部分，又修正了哪些部分？

它支持「工作結構正在重組」這件事，但不支持「未來只剩少數天賦型人才有路」這種說法。世界經濟論壇指出，到 2030 年，全球工作重組幅度將達 22%，新增 1.7 億個職位、取代 9,200 萬個職位，淨增加 7,800 萬個工作；同時，59% 的勞動力需要重新訓練或技能升級。

更重要的是，WEF 沒有把未來押在單一技術能力上。它同時強調，除了 AI、大數據與資安之外，分析思考、創意思考、韌性、領導與協作仍然是核心能力。也就是說，未來不是只獎勵工程能力，而是獎勵那些能把技術理解、人類判斷與組織協作串起來的人。這正是 Karp 說對一部分、但又說得太扁的地方。

Q4｜OECD 為什麼說最受 AI 影響的人，不一定就是最危險的人？

因為「暴露度高」和「被排除在升級之外」不是同一件事。OECD 的研究指出，受高等教育的白領工作者較容易暴露在 AI 影響下，但目前沒有足夠證據顯示整體白領就業已經因 AI 明顯下滑。相反地，沒有高等教育背景、女性與年長工作者，更大的風險是拿不到 AI 相關工作機會、拿不到提高生產力的工具，也拿不到升級訓練。

這對企業很重要，因為它意味著真正的風險不只是「哪個職位會被打到」，而是「誰被留在舊流程裡」。如果公司把 AI 工具與學習機會只集中在少數部門，很多人不是被技術淘汰，而是被組織的分配方式甩在後面。

Q5｜對一般白領工作者來說，這篇最重要的訊息是什麼？

最重要的訊息不是「你完了」，而是「你原本的價值結構可能要重建了」。如果你的工作主要來自整理資料、改寫內容、做初步研究、處理標準化文件，那些能力不是會消失，而是更容易被 AI 做到七八成；你接下來要補的，不只是更會用工具，而是更會定義問題、協調資源、承接結果。

這也是為什麼很多人最近會感受到不安。真正動搖的，不只是工作內容，而是「我原本靠什麼被看見」這件事。當輸出熟練度不再像以前那麼稀缺，能讓你繼續升值的，就不會只是做得更快，而是判斷得更準、整合得更好、在模糊情境裡更能承接責任。

Q6｜對台灣企業主管、人資與部門推動者來說，最該先做什麼？

最該先做的，不是急著宣佈全面導入 AI，而是先重寫職位價值與升級路徑。你需要先分辨：哪些工作主要是可模板化輸出，哪些工作其實建立在現場判斷、跨部門協作與責任承接；接著再確認，AI 工具與訓練資源是不是只集中在少數核心部門。

真正有競爭力的企業，不是買到最多工具的企業，而是能讓更多工作者完成升級、而不是只讓少數部門先吃到紅利的企業。這也是這篇文章最想留下的管理提醒：AI 導入不是單純的效率工程，它最後會變成人才再分配工程，甚至是組織內部的價值重寫工程。

參考資料：

閱讀推薦：

文/ 睿客

版權聲明與授權須知

本內容由 InfoAI 擁有著作權。如有引用、轉載或任何商業用途的需求，請來信聯絡： contentpower688@gmail.com。

如果你覺得這篇解讀對你有幫助，歡迎訂閱 InfoAI 電子報，我們將持續為你精選 全球 AI 新聞與趨勢洞察，幫助你看懂新聞背後的真正意義。也別忘了加入透過［按鈕］加入 Line 社群 ，隨時掌握值得關注的 AI 發展與專業觀點。

AI 協作聲明：

本篇文章由 InfoAI 團隊策劃，並透過人工智慧工具協助資料整理與內容撰寫，最終內容由編輯進行人工審閱與優化。

Section image

JUDGEMENT

We help you make better judgement about AI.

不是更快知道 AI 新聞，而是更早做出你能承擔後果的判斷。

InfoAI 存在的目的
是把 AI 的變化，轉換成可被理解、可被評估、可被行動的判斷框架。

上一篇下一篇
Cookie的使用
我們使用cookie來改善瀏覽體驗、保證安全性和資料收集。一旦點擊接受，就表示你接受這些用於廣告和分析的cookie。你可以隨時更改你的cookie設定。 了解更多
全部接受
設定
全部拒絕
Cookie 設定
必要的Cookies
這些cookies支援安全性、網路管理和可訪問性等核心功能。這些cookies無法關閉。
分析性Cookies
這些cookies幫助我們更了解訪客與我們網站的互動情況，並幫助我們發現錯誤。
偏好的Cookies
這些cookies允許網站記住你的選擇，以提升功能性與個人化。
儲存