新聞速讀｜生成式 AI 改變四分之一工作：Z 世代從職稱走向任務組合
新聞速讀｜生成式 AI 改變四分之一工作：Z 世代從職稱走向任務組合
用人機分工、任務拆解與成效數據，打造不易被取代的職涯角色
InfoAI 編輯部
當 AI 開始按「任務」而不是「職稱」重寫工作內容時，Z 世代要學會設計工作，而不是只等待被分派工作。
真正具優勢的，不是「會用 AI 的新人」，而是能為整個團隊規劃人機分工與任務設計的人。
真正具優勢的，不是「會用 AI 的新人」，而是能為整個團隊規劃人機分工與任務設計的人。
01｜理解事件
根據外媒的報導指出，Z 世代正走進一個被生成式 AI 試驗、凍結招募與焦慮管理階層共同塑造的就業市場。倫敦大學學院（UCL）研究員 James Ransom 提醒，短期內不必把 AI 想成「工作懸崖」，但職涯規則已經改寫：不要再迷戀職稱，而要看清一個職位裡的「任務清單」與人機分工。
在這篇報導裡，Ransom 援引國際勞工組織（ILO）與波蘭國家研究院 NASK 建立的全球職業暴露指數：研究團隊以近三萬個實際工作任務資料，推估全球約有四分之一的工作會被生成式 AI 顯著改變，多數是內容被轉型，而不是整份工作消失。
他用「資深會計師」作為例子：假設有九個核心任務，其中八個可以大量交給 AI，但最後一項是帶領團隊、品質控管與對外說明。從「職稱」看，這個角色高度暴露於 AI；從「任務」看，真正難以取代的，卻是那剩下的一小塊責任與判斷。
值得注意的是，Ransom 強調，所謂「會用 AI」不能只寫在履歷上，而是要用具體數據與可複製流程證明：節省多少時間、產出提升多少、錯誤率怎麼下降，最好能整理成一份可以教給同事的 playbook。
02｜解讀新聞
這則新聞的關鍵不在於再添一則「AI 搶走工作」的恐慌，而是提醒我們：工作的基本單位已從職稱變成任務組合。ILO–NASK 的研究也是用任務來算風險，凡是可以被標準化、清楚描述、容易驗證的任務，就更可能交給生成式 AI；剩下那些牽涉協調、責任與模糊判斷的部分，短期仍強烈依賴人。
Ransom 把現在的階段形容為 AI 的「強化階段」：多數企業是在原有人力基礎上，用 AI 拉高產能、擴大服務範圍，而不是立刻裁撤。真正的「擠壓期」，可能要等工作流程穩定、人機分工清楚之後，才會開始系統性檢討哪些人力可以縮減。
對 Z 世代來說，這形成一種雙重壓力。很多入門職位原本就以高度可標準化的任務為主，最容易被 AI 接手；同時，他們又往往是組織裡最敢試 AI 的族群。如果只把自己定位成「懂幫忙餵 AI 的執行者」，未來仍可能被更便宜的工具取代；真正具策略性的定位，是成為懂得替團隊拆任務、設計人機流程與衡量成效的人。
03｜延伸思考
我們可以從這篇新聞看見 AI 重塑工作的底層邏輯：凡是說得清楚、拆得細、可被大量模仿的任務，會逐步被模型吃進去；說不清楚、牽涉利害關係與模糊責任的部分，暫時仍握在人手上。
要在這樣的勞動市場裡提升理解力，第一步不是多背幾個模型名字，而是養成一個習慣：每看到一個職缺或專案，先幫它寫一份「任務清單」，再標記出三類任務：可以交給 AI 試做的、必須自己親自決策或協調的、以及目前還不確定的。久而久之，你看新聞、看報告時，就會自動用「任務角度」而不是「職稱標籤」來判斷風險與機會。
在評估新工具、新功能時，也可以問自己三個問題：這個工具具體改善了哪幾種任務？改善能不能被量化與教學？在人機流程裡，人類是決策者、品質保證者，還是只是最後蓋章的人？能清楚回答這三題，你就不容易被行銷話術牽著走。
對讀者來說，這代表：真正值得長期投資的，不是一兩個 AI 工具技能，而是把任何工作轉換成任務結構、設計人機分工與成效指標的能力。這種能力會跟著你跨職位、跨產業，而不會被某一個職稱綁死。
04｜重點提煉
Z 世代正面對由生成式 AI 試驗、凍結招募與管理層焦慮共同塑造的就業市場。UCL 研究員 Ransom 建議，別再只看職稱名稱，而要拆解職位裡的實際任務與人機分工，並用具體數據證明自己的 AI 熟練度。
ILO 與波蘭 NASK 以近三萬個工作任務資料建立全球暴露指數，推估約有四分之一工作會被生成式 AI 重新塑形，多數是任務內容被轉型，而非整份工作消失，真正關鍵是每份工作裡的任務組合。
企業目前大多處在 AI 的強化階段，先用 AI 放大產能，再在未來幾年進入可能的擠壓期。能主導任務拆解、規劃人機流程與量化成果的人，比只會操作工具的人更不容易被取代。
在 AI 時代，關鍵素養是把任何工作寫成任務清單，標記 AI 可介入區塊與人類必須負責的環節，並用時間、錯誤率與產出等指標反覆優化，讓自己從「執行者」升級為「工作設計師」。
05｜行動提示
面對這樣的變化，我們今天就可以做兩件事。第一，選一個自己現在的職位或想應徵的工作，寫出 10–15 個具體任務，粗分成「可交給 AI 嘗試」與「需要自己決策／協調」兩類，幫助自己看清真正的風險與機會。
第二，從中挑一個最常見、也最容易被 AI 加速的任務，設計一個小實驗：把流程寫成步驟，導入一款生成式 AI，並用「節省時間、錯誤率變化、產出品質」三項指標記錄前後差異。久而久之，你累積的就不只是使用心得，而是一份可以帶著走的人機協作成績單。
參考資料：
How Gen Z can stand out in the job market in the world of AI: Focus on tasks, not titles
- Generative AI and Jobs: A Refined Global Index of Occupational Exposure
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。
用內容建立信任
用洞察塑造品牌
在 AI 時代，真正有力量的行銷不是廣告聲量，而是持續輸出的深度思考。InfoAI 把全球 AI 趨勢與報告，轉譯成清楚、精準、有觀點的內容，讓企業不只是跟上變化，而是成為洞察的提供者，讓品牌變成被信任的決策夥伴。如果你不想只是「談 AI」，而是想「透過 AI 影響市場與客戶」，那就從內容開始。歡迎來信： 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［QRCode］／［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。
InfoAI｜讀懂 AI 如何改變世界
在 AI 改變世界之前
助你先讀懂 AI 世界
每日精選全球 AI 新聞
AI 趨勢 + 新聞 + 深度解讀
Content Power ｜賦能你在 AI 時代的專業能力
專注於「AI × 專業 × 工作方法」的知識平台
透過框架、流程與方法
協助你在 AI 時代重建專業能力