文／蘇書平 Steve Sue
一位客戶的總經理跟我說：「Steve，我們部門開會，現在十次有八次在吵同一件事——AI 用了，人到底要不要留。」
我聽完只回他一句：你問錯問題了。
當台灣企業還在討論 AI 裁員，美國企業界現在已經沒有人在吵「AI 會不會取代人」。過去半年，Salesforce、Palantir、OpenAI、Anthropic 這些公司的徵才頁面上，開始出現三年前根本不存在的職稱。LinkedIn 今年初的分析給了一個數字：美國已經新增超過 130 萬個 AI 相關新職位，「AI 工程師」連續第二年蟬聯全美成長最快的職稱。
不是取代，是重組。而且這個重組的速度，比大部分企業的組織圖還跑得快。這篇文章我想把美國最新的研究跟職缺數據攤開來，拉出一個台灣企業可以直接拿去用的判斷框架。
先搞懂：你的員工現在是哪一種「跟 AI 共事的人」
我認為去年最重要的一份研究，是來自 2025 年 12 月這份研究報告〈人機協作知識工作的三種模式，及其對技能培養與專業能力未來發展的意涵〉。這份報告是由哈佛商學院、賓大華頓商學院、Warwick Business School、MIT Sloan 幾位學者共同完成，研究對象是 BCG 波士頓顧問公司的 244 位顧問。
研究分析這群人如何在真實專案中使用 AI，得出一個很簡單、但解釋力很強的分類——電子人（Cyborg）、半人馬（Centaur）、全自動型（Self-Automator）。
- 電子人型的人，約占六成。他們跟 AI 深度交織在整個工作流程裡，持續對話、持續修正，連「問題本身該怎麼定義」都跟 AI 一起討論。
- 半人馬型的人，約占一成半，分工非常清楚——人做人強的部分，AI 做 AI 強的部分，像半人馬的人身跟馬身一樣，有一條清楚的分界線。
- 全自動型的人，則是整包任務丟給 AI，自己只負責驗收。
三種模式沒有絕對優劣，但研究團隊發現一件事，我覺得每個台灣主管都該貼在辦公室牆上：越是依賴 AI 直接產出、越少親自把關的人，一旦碰到 AI 能力邊界——研究稱之為「參差不齊的前沿」（jagged frontier）——錯誤率反而更高。
換句話說，分不清楚 AI 哪裡強、哪裡弱，光是「用得多」不代表「用得好」。
這也是為什麼接下來我要講的這些新工作，幾乎都圍繞著同一個核心命題：誰來確保 AI 被放對位置？
這不是一句口號，是一整批正在被新開出來的職缺。
AI 裁員之外：美國正在長出來的四條新職位路徑
把美國這半年的職缺攤開來看，大概可以歸出四條清楚的路徑。
第一條：AI Agent Manager（AI 代理人管理者）。
這不是科技職，是管理職，平均年薪約十萬美元，資深者可到十七萬五。有意思的是，企業普遍更偏好有營運、專案管理或人資背景的人，不是純技術背景。
原因很直接：管理一群 AI 代理人，本質上跟管理一個團隊很像——設定目標、劃定界線、監督產出、排解異常，只是團隊成員換成了跑在雲端上的模型。
第二條：Agent Orchestrator／Forward-Deployed Engineer（代理人協調師／前線部署工程師）。
這條路徑更像過去的「解決方案顧問」，只是工作對象從人變成一組 AI 代理人組成的工作流。
Palantir 最早把「前線部署工程師」帶起來，現在 OpenAI、Anthropic 都在搶人——工作內容是嵌進客戶的實際場景裡，把抽象的商業需求變成一套能跑的代理人工作流。
有研究機構把這個角色形容為「新一代的中階主管」：不管人，管的是靠 token 運作、而不是靠工時計費的「合成勞動力」。
第三條：Context Engineer（情境工程師）。
這個職稱背後的概念被史丹佛出身的 Andrej Karpathy 在去年正式背書，現在逐漸被業界認真對待。
做的事情是決定「AI 該看見什麼、記得什麼、能呼叫哪些工具」——說穿了就是幫 AI 做好資訊治理，讓它在對的時間點拿到對的資料。
這比單純寫 prompt 難得多，也更接近工程，不是話術。
第四條：AI Governance／Safety（治理與安全職能）。
隨著代理人自主性越來越高，「誰來確保它不越界」變成一個獨立的職能，不再是法遵部門順便兼著做的附屬工作。
我特別想提醒一件事：這一整批新職缺，不是把技術人才推向前線，而是把「懂業務、懂流程、懂怎麼跟人溝通」的人推向前線——這跟很多台灣企業主管想像的「AI 職缺＝工程師職缺」剛好相反。
真的不是找幾個會寫 prompt 的工程師，就能搞定這件事。
大企業自己怎麼說，以及一個被砍掉又請回來的訊號
美國知名新創 Box 的執行長 Aaron Levie 前陣子回應媒體報導時講得很白：他們公司現在有一整批兩年前根本不存在的職位，橫跨工程、IT 到業務端，包括專門評估新 AI 模型的人、負責重新設計內部流程的自動化工程師，以及跑「前線部署」動線、讓客戶更快上線的專業服務團隊。
這句話點出一個關鍵：新工作型態不是從「發明一個新職稱」開始的，是從「舊流程被打散重組」開始的。職稱只是重組完成後貼上去的標籤，不是重組本身。
而 Forrester 今年的預測報告裡有一組數字，我覺得比任何職稱清單都更值得台灣老闆放進董事會報告——過去因為 AI 而被裁掉的職位，有將近一半正在被「請回來」，55% 的雇主承認，當初砍得太快、太急。
IDC 的資料也提到類似的訊號：AI 大概能穩定處理六成左右的重複性工作流程，剩下四成需要判斷、需要升級處理、需要人味的部分，AI 目前接不住。
換句話說，「先砍人、再問問題」這條路，美國企業已經有一半在事後承認走錯了。
這對正在觀望要不要跟風裁員的台灣企業，是一個很值得放進今年策略會議的參考點。我見過太多老闆，把 AI 導入直接等同於裁員計畫，結果半年後花更多錢找人回來擦屁股——相較於科技資訊業過去二三十年走過的每一次技術轉型，這種「先斬後奏」的做法，真的是最幼稚園等級的決策。
我自己的框架：AI 導入的「三層責任判讀法」
輔導企業做 AI 轉型這幾年，我發展出一個判讀方法，姑且叫它「三層責任判讀法」——不管你叫這個新職位什麼名字，它一定要能回答三層問題。
第一層，這個工作現在誰在做決定——是人在決定 AI 要不要做，還是 AI 已經在幫人做決定？兩者需要完全不同的管理設計。
第二層，出錯的時候誰來負責——半人馬型的分工模式裡，人永遠保留最後把關的位置；但如果你的組織已經滑向全自動型，你有沒有設計「異常回報機制」，讓人在對的時間點介入？
第三層，這個職能有沒有被正式放進組織圖——美國企業的做法很清楚：AI Agent Manager、Agent Orchestrator 不是兼職任務，是正式編制、正式職稱、正式薪酬帶。
台灣企業目前最大的落差，不是技術落後，是這個職能連歸在哪個部門都還沒想清楚，更別提正式編列預算跟職稱。
對台灣企業的意義
我自己在做企業 AI 導入輔導的時候，最常被問的問題其實不是「要不要用 AI」，而是「要不要因為 AI 砍人」。
去年看完這批研究跟職缺數據，我的判斷是：企業面對 AI 裁員議題，該問的問題從來不是要不要砍人，而是有沒有人在負責「AI 用得好不好」這件事。
美國企業長出來的這些新職位——不管叫 AI Agent Manager 還是 Orchestrator——本質上都在回答同一個問題：誰對 AI 的產出負責任？誰確保它沒有踩進自己能力做不到的區域？
台灣企業目前普遍缺的，不是懂 AI 技術的人，是懂自己公司業務、又願意花時間搞懂 AI 能力邊界在哪裡的人。
這種人現在美國企業開出十萬美元起跳的薪水在搶，而台灣多數企業連這個職能該歸在哪個部門都還沒想清楚。
AI 不是要取代誰的問題，而是誰先把「人機協作」這件事，變成一個有人負責、有制度可循的職能——這件事，才是這一波真正的分水嶺。
如果你的公司正在導入 AI，卻還沒有人正式扛起「AI 用得好不好」這個責任，那你缺的從來不是更多工具，是一個角色。
了解更多產業導入案例與企業適用方案：https://www.kscthinktank.com.tw/ai-solution/
有任何問題或需求，請填寫以下表單，我們將竭誠為您解答！
您也可以透過以下按鈕了解更多資源：