人物觀點｜吳恩達反對 AI 失業災難論：新工作會出現，但門檻也會改變

吳恩達讓這個觀點帶有清楚的人才培養立場

吳恩達並不是一般的科技評論者。他是史丹佛大學教授、DeepLearning.AI 創辦人，也曾共同創辦 Google Brain、擔任百度首席科學家，長期投入 AI 教育、線上課程與 AI 新創公司培育。

這樣的背景，會影響他看待就業問題的角度。

當他談 AI 不會摧毀工作市場時，出發點不是單一企業的裁員數字，也不只是總體就業統計。他更關心的是，當 AI 工具降低寫程式、整理資料、生成內容、分析文件與自動化流程的門檻，更多產業是否會開始需要一批能把 AI 能力轉成產品、服務與工作流程的人。

因此，他的觀點帶有明確的教育主張：現在應該鼓勵更多人學會 AI，讓他們有能力進入未來那些形式不同、但可能更豐富的工作。

這個立場有價值，也需要理解它的視角來源。吳恩達長期推動 AI 教育與人才培訓，自然會更容易看見 AI 擴散後的新能力需求。這不會削弱他的判斷，但讀者採納時要知道，他是從技術普及、教育訓練與創業應用的角度看問題，這還不能直接等同於勞動經濟學對整體工作市場的定論。

也因此，吳恩達的觀點不宜被簡化成「AI 必然帶來大量優質工作」。他真正提醒的是，如果我們只用失業災難來想像 AI，就會錯過三個更值得觀察的變化：新工作如何形成、新能力如何變值錢，以及企業該如何重新培養人才。

AI 工程師的工作，正在往客戶現場與產業流程移動

吳恩達這個觀點最值得企業注意之處在於，他談的不只是「AI 工程師會變多」，也包括 AI 工程工作本身正在改變。

過去談到 AI 工程師，許多人會先想到訓練模型、調整參數、建立資料管線，或開發機器學習系統。這些能力仍然重要，但生成式 AI 與程式開發 agent 普及後，AI 工程師的工作重心正在往應用現場移動。

DeepLearning.AI 的 The Batch 在 2026 年 5 月 29 日刊出〈Forward Deployed Engineers and the Future of AI Engineering〉，將 AI Forward Deployed Engineer 描述為一種正在矽谷受到關注的新職位。這類工程師會進入客戶組織，協助客製化 AI 解決方案，例如建立並調整符合客戶需求的 AI agent 工作流程。這個職位的意義在於，工程師不能只會寫程式，也必須理解客戶的流程、限制與導入情境。

Business Insider 也報導，Forward Deployed Engineer 職缺在 2025 年 4 月至 2026 年 4 月間，從 643 個增加到 5,330 個，成長幅度約 729%。這個數字不能直接推論成整體 AI 就業市場全面擴張，但它提供了一個具體訊號：企業正在尋找能把 AI 技術帶進真實工作流程的人。

這類工程角色會站在產品、顧問、系統整合與客戶成功之間。他要懂模型，也要懂權限、資料、工具串接、內部流程與風險管理；要能跟工程團隊討論技術可行性，也要能跟營運、法務、財務、客服、業務與主管對齊工作需求。

這代表 AI 工程工作的重心正在移動：工程師的價值不只來自建立模型或工具，也來自能否把 AI 接進企業現場，讓技術真正進入流程、責任與決策。

新工作會出現在非科技業，但這是推論，不是已完成的事實

吳恩達的觀點之所以對讀者有參考價值，是因為有大量企業不屬於典型科技軟體公司，卻會在接下來幾年面臨 AI 導入壓力。

製造業會想用 AI 做品檢、維修預測、知識管理與供應鏈協調。金融業會想用 AI 做文件審查、客戶服務、風險分析與內部助理。教育、醫療、零售、物流、會計、法律、顧問與媒體產業，也都會思考哪些流程可以用 AI 降低成本、提升效率或改善服務。

如果 AI 真要進入這些場景，企業需要的就不只是傳統軟體開發人員。更可能被需要的，是懂業務流程、懂基本 AI、能和外部技術供應商溝通，也能把導入成果轉成成本、效率、品質與營收指標的人。

這是從吳恩達觀點延伸出的產業判斷，而不是他已經完整證明的就業統計結論。它的成立前提，是企業真的把 AI 放進核心流程，而非只停在個人效率工具。

如果 AI 只用來寫信、摘要、做簡報、改文案，它會改善個人效率，卻未必創造大量新職位。新職位出現的條件，是企業開始讓 AI 進入客服、銷售、研發、供應鏈、財務、法遵、教育訓練、內部知識管理與產品服務交付。

當 AI 進入這些流程，企業就會需要人來判斷場景、設計系統、管理邊界。這些任務累積起來，才可能形成新的職位需求。

非 AI 職位不會原封不動，工作內容會開始 AI 化

吳恩達的觀點之所以對企業有參考價值，是因為接下來面臨 AI 導入壓力的，不會只有典型科技軟體公司。

製造業會思考如何用 AI 做品檢、維修預測、知識管理與供應鏈協調；金融業會評估 AI 能否協助文件審查、客戶服務、風險分析與內部助理；教育、醫療、零售、物流、會計、法律、顧問與媒體產業，也都會陸續檢視哪些流程可以用 AI 降低成本、提升效率或改善服務。

當 AI 真的進入這些場景，企業需要的就不只是傳統軟體開發人員。更可能被需要的，是懂業務流程、具備基本 AI 理解能力、能和外部技術供應商溝通，也能把導入成果轉成成本、效率、品質與營收指標的人。

這也是吳恩達觀點可以延伸出的產業判斷：AI 會不會創造新職位，關鍵不在於工具本身有多強，而在於企業是否真的把 AI 放進核心流程。如果 AI 只用來寫信、摘要、做簡報、改文案，它可以改善個人效率，卻不一定會形成大量新職位。

新的職位需求，會在 AI 開始進入客服、銷售、研發、供應鏈、財務、法遵、教育訓練、內部知識管理與產品服務交付時逐步浮現。因為一旦 AI 進入流程，企業就需要有人判斷場景、設計系統、管理權限、評估風險，並把技術效果轉成可以衡量的營運成果。這些任務累積起來，才可能讓新的工作角色真正成形。

吳恩達的樂觀，需要放進現實中的裁員訊號一起看

吳恩達反對 AI 失業災難論，並不代表工作市場沒有壓力訊號。

Business Insider 引述 Challenger, Gray & Christmas 的資料指出，2026 年 5 月，美國企業裁員中，AI 已成為最常被提及的原因之一；截至報導當時，2026 年已有 87,714 個裁員被歸因於 AI，高於 2025 年全年紀錄。這些數字提醒我們，AI 對工作市場的衝擊並非只是想像。

但這組資料也不能被過度解讀。Challenger 主管 Andy Challenger 表示，目前 AI 還沒有形成外界所說的「jobpocalypse」。其他分析者也提醒，企業可能會把 AI 當成裁員的方便說法，實際原因仍可能包含景氣變化、組織重整、成本壓力與企業策略調整。

這裡反而能看出吳恩達觀點的意義。他提醒大家，不要把所有裁員都直接解釋成「AI 取代人類」，也不要讓恐慌敘事蓋過更具體的問題：哪些任務正在被自動化？哪些職位正在被重組？哪些新角色正在成形？哪些人有機會轉換？哪些人可能被留在轉換之外？

這些問題比「AI 會不會造成失業潮」更難回答，卻更接近企業與工作者接下來必須面對的現實。

Forward Deployed Engineer 是訊號，也可能帶來新型技術債

AI 前線部署工程師 （AI Forward Deployed Engineer ）可以作為吳恩達觀點的具體案例，但它不能被認定為 AI 就業轉型的完美答案。

這個職位之所以受到關注，是因為企業導入 AI 時，經常卡在最後一哩路。模型能力很強，產品展示也很吸引人，但只要進入真實組織，就會遇到資料格式不一致、權限界線不清、流程尚未整理、部門需求互相衝突，以及法遵與資安要求複雜等問題。這時候，能深入客戶現場、把 AI 調整成可用流程的工程人才，就會變得更有價值。

不過，這種模式也有風險。Business Insider 報導，前 Snowflake 營收長 Chris Degnan 對 FDE 熱潮持保留態度。他認為，這類角色可能被高估，也可能讓企業留下客製化工具難以維護、技術債累積與長期責任不清的問題。

這個提醒對企業尤其重要。許多企業導入 AI 時，會期待外部團隊快速做出客製化解決方案；但如果內部沒有人真正理解系統、維護流程、更新資料與管理風險，短期成果很容易變成長期負擔。

因此，FDE 的興起真正提醒我們的是，企業導入 AI 需要一種新的橋接能力。這種能力可以來自外部顧問與技術供應商，也可以逐漸在企業內部培養。關鍵在於，企業不能只追求「把 AI 接上去」，還要清楚安排誰負責維護、誰負責檢查、誰承擔錯誤結果，以及誰有權決定這套 AI 系統能不能繼續擴大使用。

企業要補的是 AI 工作設計能力

吳恩達的觀點放到企業現場，最直接的提醒是：AI 教育不能只停在工具教學。

很多企業現在的 AI 培訓，仍然集中在如何寫提示詞、如何用 ChatGPT 做摘要、如何用 AI 做簡報。這些訓練有用，可以幫助員工建立基本使用經驗，但還不足以支撐工作市場接下來的長期變化。

企業真正要補上的是 AI 工作設計能力。

員工需要學會回答幾個更具體的問題：在我現在的工作裡，哪些任務適合先交給 AI 處理？哪些任務可以由 AI 產出初稿，再由人檢查？哪些任務涉及商業機密、個資、合約責任或品牌風險，不能直接交給外部模型？哪些流程可以用 AI agent 串接工具？哪些環節必須保留人工覆核？

這些問題，會比「會不會使用某個 AI 工具」更接近企業真正需要的能力。

對中小企業與傳統產業來說，短期內未必需要大量大型模型研究員。更迫切需要的，可能是一批混合型人才：懂現場、懂流程、具備基本 AI 理解能力，能把需求講清楚，也能判斷外部供應商提出的方案是否真的可用。

這類人才不一定只來自工程部門，也可能來自營運、業務、客服、製造、教育、財務、專案管理與內容工作。只要能補上 AI 素養、資料意識與流程設計能力，他們就有機會成為企業內部推動 AI 落地的關鍵角色。

對個人工作者來說，精通 AI 不等於追逐每一個新工具

吳恩達說，現在是鼓勵更多人精通 AI 的好時機。把這句話放到個人職涯上看待，不必理解成每個人都要轉職成 AI 工程師。

而是，每個專業都要開始思考，自己的能力如何被 AI 放大、重組，甚至重新包裝成新的服務形式。

內容工作者要思考，AI 可以協助資料蒐集、初稿生成、標題測試與多平台改寫，但觀點、品味、事實查核與讀者理解，仍然需要人來掌握。

業務人員要思考，AI 可以協助整理名單、分析客戶、生成跟進內容，但信任關係、議價判斷與成交節奏，仍然來自人與人的互動。

主管要思考，AI 可以讓團隊更快完成資料整理與文件產出，但工作如何重新分配、新人如何培養、審核標準如何建立，仍是管理責任。

專業服務業者要思考，AI 可以協助產出報告、合約草稿、研究摘要與簡報，但客戶真正付費的，通常是判斷、責任與可執行的建議。

因此，AI 能力的核心不在於每天追最新工具，而在於重建自己的專業輸出方式。懂 AI 的人，會知道哪些任務可以交給 AI 承擔，哪些輸出需要檢查，哪些判斷必須由自己負責。

吳恩達的樂觀，應該變成準備，而不是安慰

吳恩達反對 AI 失業災難論，這個觀點有其必要性。過度恐慌會讓人只看見職位消失，卻忽略工作正在如何重組，也忽略新能力如何變得更重要。

但他的樂觀也不能用來否認現實中的焦慮。AI 確實正在改變某些工作內容，也可能壓縮部分初階任務。更關鍵的是，新增工作與被影響的工作未必會落在同一批人身上。當教育系統、企業訓練與個人學習跟不上，新機會會先集中在少數已經理解 AI、也能把 AI 接進流程的人身上。

因此，吳恩達這個觀點對於讀者來說最有用之處，並不在於「AI 會帶來就業盛宴」這句漂亮說法，而是它背後的行動提醒：AI 時代的工作不會原地等人。未來職位可能更多，也可能更好，但它們會要求不同能力、不同學習方式與不同專業表達。

真正值得提前準備的，是把技術轉成流程、把工具轉成成果、把專業轉成新工作方式的能力。

文/ 睿客

FAQ:

Q1｜吳恩達說的「AI jobpocalypse」是什麼？

吳恩達所反對的「AI jobpocalypse」，指的是一種把 AI 描述成必然造成大規模失業災難的敘事。他在 DeepLearning.AI 的 The Batch 文章中明確表示，AI 和其他技術一樣會影響工作，但過度渲染大規模失業是不負責任且有傷害性的說法。

這個觀點的依據，是他認為 AI 對工作市場的影響應該被拆成任務改變、技能變化、新職位出現與既有職位重組，而不是直接推論成「大量工作消失」。限制在於，吳恩達的說法並不能否認現實中的裁員與職位壓力；它提醒讀者不要把所有變化都簡化成 AI 取代人類。對企業與個人來說，意義在於更早準備新能力，而不是只被恐慌牽動。

Q2｜吳恩達是否認為 AI 不會取代任何工作？

吳恩達的重點在於反對過度恐慌的「大規模失業災難」敘事；他並未否認 AI 會改變工作內容，也未否認部分任務會被自動化。AI 可能讓某些重複性高、標準化程度高、責任判斷較低的任務被壓縮，例如初稿撰寫、例行資料整理、基礎客服、樣板程式碼與簡單文件處理。

這個觀點的限制在於，新增工作與被影響工作未必發生在同一群人身上。企業如果只用 AI 提高效率，卻沒有幫員工轉換能力，就會讓焦慮變成真實落差。對讀者的意義是，現在要問的問題不只是工作會不會消失，更要問自己能否把原本專業轉成能與 AI 協作的新工作方式。

Q3｜為什麼 AI Forward Deployed Engineer 會成為重要案例？

AI Forward Deployed Engineer 之所以重要，是因為它代表 AI 工程工作開始往客戶現場與產業流程移動。DeepLearning.AI 的 The Batch 將這類工程師描述為嵌入客戶組織、協助建立與調整 agentic workflows 的角色。Business Insider 也報導，這類職缺在 2025 年 4 月至 2026 年 4 月間快速增加。

這個案例支持吳恩達對 AI 工程職位擴張的判斷，但它也有邊界。FDE 熱潮不代表所有 AI 工程工作都會變成客製化導入，也不代表企業只要聘用 FDE 就能完成 AI 轉型。它真正的意義，是提醒企業需要一種橋接能力：把模型、資料、權限、工具與真實工作流程接起來，並建立可維護、可檢查、可承擔責任的系統。

Q4｜非工程背景的人需要學 AI 嗎？

非工程背景的人需要學 AI，但學習重點不一定是成為 AI 工程師。更實際的方向，是理解 AI 能力、風險與工作流程設計。行銷、業務、客服、人資、財務、法務、營運與管理職，都會遇到 AI 進入日常工作的情境。

這個判斷的依據，是 AI 對工作影響不只發生在技術職位，也會改變非 AI 職位的技能要求。限制在於，AI 工具操作不能取代專業判斷，也不能取代責任承擔。對個人來說，真正有價值的學習，是把 AI 放進自己的專業流程，讓產出更快、更準、更能被檢查，而不是每天追逐最新工具名稱。

Q5｜企業應如何採納吳恩達的觀點？

企業可以把吳恩達的觀點轉成一個更務實的問題：公司是否正在培養能把 AI 接進工作流程的人？這包括盤點適合導入 AI 的任務、整理資料與權限、設計人類覆核機制、建立資安與責任歸屬，並培養能與技術供應商溝通的內部人才。

這個觀點的依據，是 AI 如果要創造新職位與新價值，必須進入真實流程，而非只停在個人效率工具。限制在於，AI 導入短期內可能先造成工作重整與壓力，不一定立刻帶來新增職位。對企業的意義是，AI 培訓不應只做工具課，更應培養 AI 工作設計能力。

Q6｜這個觀點對年輕工作者有什麼提醒？

對年輕工作者來說，吳恩達的觀點提醒的是：不要只問 AI 會不會取代某個職位，要更早學會把 AI 變成自己的工作能力。初階任務可能最先受到 AI 影響，因為許多基礎研究、文件整理、資料處理與初稿生成，都更容易被工具接手。

這個判斷的限制在於，AI 能力不能取代所有職場經驗。溝通、協作、責任感、判斷力與對產業脈絡的理解，仍需要在真實工作中累積。對年輕工作者的意義是，AI 素養應該和專業訓練一起建立：會用工具只是起點，能檢查輸出、理解場景、承擔結果，才會形成長期競爭力。

Q7｜「AI 會創造新工作」這種說法會不會太樂觀？

這種說法確實需要保留。吳恩達的價值在於提醒大家不要只陷入失業恐慌，但他的觀點不能被放大成「AI 一定會讓所有人受益」。新職位會不會大量出現，取決於 AI 是否真的進入產業流程、企業是否願意投資導入、教育與訓練是否跟上，以及個人是否能完成能力轉換。

這個觀點的邊界在於，新增職位和被壓縮職位之間可能存在時間差、技能差與收入差。對讀者來說，最實際的意義是不要把樂觀當成安慰，而要把它轉成準備：盤點自己的工作流程、補上 AI 素養，並學會用 AI 重新包裝自己的專業價值。

參考資料：

• Seedance Makes A Splash, Nvidia's AI-Guided Chip Design, Meta's Medical AI, Language Model To Robot Interface

• Forward Deployed Engineers and the Future of AI Engineering

• Busting the AI Jobpocalypse Myth | Andrew Ng posted on LinkedIn

• Job postings for this tech role have grown more than 700% in the last year

• Challenger says AI isn't a 'jobpocalypse' yet but companies are citing it the most when announcing layoffs

• Ex-Snowflake CRO says top engineers don't want this booming AI job

閱讀推薦：

• 人物觀點｜Steve Wozniak 的 Actual Intelligence：AI 越強，人越不能放棄判斷力

• 人物觀點｜馬斯克說 AI 硬起飛已經開始，他真正看見的是生產系統被重寫

• 人物觀點｜John Ternus：Apple 的 AI 要先成為好產品

• 人物觀點｜黃仁勳：AI 正從模型能力，變成可計算的生產系統

• 人物觀點｜楊立昆 Yann LeCun 為什麼說，醫療 AI 不能只會預測下一個 Token？

• 人物觀點｜柳冠中提醒：自動化可以少人，但不能沒有人的位置

• 人物觀點｜楊立昆為什麼認為，AI 的下一步是要能更懂世界？

• 人物觀點｜Mike Krieger 為什麼認為，AI 時代第一份工作不該決定人生？

• 人物觀點｜Nathan Lambert 為什麼認為，中國開放模型生態可能正在降低 AI 研發試錯成本？

• 人物觀點｜黃仁勳為何反對 AI 失業恐慌？真正的斷點是職涯入口被重寫

• 人物觀點｜李飛飛押注空間智慧：AI 下一步不能只靠更會說話

• 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

• 精選解讀｜馬斯克把「富足未來」講成算式，但真正的瓶頸在電力、監理與交付責任

• 新聞速讀｜輝達黃仁勳：美中脫鉤「不符合常識」，世界需要兩國把關係處理好

• 精選解讀｜當楊立昆把「世界模型」搬出 Meta，AI 的下一場賭注不再只是把語言做得更像人

• 新聞速讀｜馬克．安德森談 Meta Prompt，教你把 AI 用成世界級教練

• 新聞速讀｜Hugging Face 執行長示警：大型語言模型過熱，AI 生態正重新洗牌

• 新聞速讀｜Elon Musk 勾勒 AI 社會願景：工作可選、金錢重要性下降

• 新聞速讀｜Nvidia 黃仁勳指出 AI 將重塑所有職務內容，全球進入工作再定義周期

• 精選解讀｜Sam Altman 預測：AGI 有望於 2030 年前超越人類智慧

AI 時代的思考力革命｜AI 素養，不是學技術，而是拿回主導權的能力升級

與 AI 一起思考，成為能定義方向的人

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。

看懂 AI 變化，做出更好的商業判斷

為企業主、主管、創作者與知識工作者，轉譯成看得懂、能判斷、可行動的 AI 知識內容。