8000份履歷,擋不住的門
Nikkei Asia 6月30日的報導我讀了兩遍:美國頂尖名校科技科系的畢業生,投出8000份履歷,回音幾乎為零。同一週TechCrunch整理出的數字更冷:2026年5月前,美國已有超過9萬個職位被雇主明確標記「因AI裁撤」。
這兩個數字放一起,從AI團隊構築者的角度看不意外。MIT NANDA 2025年State of AI in Business報告點破一個矛盾:95%企業GenAI部署零P&L回報,但那5%有回報的公司幾乎都把AI用在重複性入門工作(資料處理、代碼審查、內容編輯),而P&L回報直接反映在人力預算刪減。這正對應到Nikkei那8000履歷案的另一面 — junior位置編制被拿掉,履歷投出去沒有對應職缺可去。
構築者這一端,我不覺得意外。用得越深,越明白為什麼那8000份履歷會被擋在門外。
AI真正吃掉的三類工作
我不談那些嚇人的通用宣言。從我實際部署agent的經驗,可以清楚指認出哪些位置正在被塞不進面試名單。
第一類是入門級的技術文件、代碼審查、資料處理。這些過去是junior data analyst或entry-level engineer每天在做的事:抓錯字、統一格式、生成摘要、跑基礎統計。現在部署一個LLM agent幾乎可以做到七八成品質、24小時不停、成本比一個junior月薪還低。很多美國科技公司已經直接把編制拿掉,不是縮編是消滅。MIT NANDA報告裡那5%有回報的公司,幾乎都用AI替代這類重複性工作,P&L回報直接反映在人力預算刪減。
第二類是客服與內容編輯。TechCrunch整理的9萬職位裁撤名單裡,客服工程師與內容編輯佔比最重。這一類工作以往是mid-career junior的雙軌成長階梯 — 進去做1到2年,學會產業術語跟客戶溝通模式,再往上走行銷、產品或客戶成功。現在AI能直接處理一階客服的分類、常見問題回覆、以及大量文案生成,雙軌階梯被斷。這不是好消息還是壞消息的問題,是編制表已經改了。
第三類是分析師初階職務,包括初階的財務、資料、市場研究員。荒謬的地方在這裡:我看到很多美國科技公司用AI篩履歷、AI跑第一輪面試,把候選人擋在門外,理由是「AI已經取代這個位置」。等於AI一邊當人事主管,一邊消滅入門缺,這是8000履歷案背後最冷的迴圈。
倖存的五種模式
擋不住不等於全滅。從我做AI團隊的觀察,以下五種位置我完全找不到agent能單獨扛下的方式。
一,AI訓練師與prompt工程師。這是新職缺,但門檻遠高於履歷上寫「熟悉ChatGPT」。真正需要的是能設計評估標準、能拆解agent失敗模式、能維運多agent協作的人。我自己一週有20到30小時在幹這件事,遠比寫code多。
二,系統整合。做AI團隊最不能被AI取代的部分,是把不同系統(內容生成、資料庫、通知、審核閘門)串成一個穩定生產線。這需要跨團隊溝通、需要判斷什麼時候該讓agent自動、什麼時候該擋人審核。是一種「懂技術也懂業務也懂人性」的稀有混合。
三,產品定位與客戶問題挖掘。AI能生100個方案,但沒有辦法自動判斷「這個問題到底值不值得解」。判斷要靠對客戶的深度理解,那需要親自跑客訪、親自帶產品跌倒。
四,決策倫理與合規。牽涉到錢、法律、醫療、隱私的地方,人一定要在,而且是有名有姓、有法律責任的人。這不是技術做不到,是責任不能放給agent。
五,實體世界維運。水電、餐飲、物流、實體維修,這些位置的AI替代速度比想像慢很多。我一直提醒身邊朋友,別因為新聞熱鬧就低估體力與現場經驗的價值。
上班族該做的三件事
第一,把AI當同事訓練,不是敵人。實戰能力是這樣練的:選一個具體工作任務(週報摘要、客戶回覆分類、數據抓取),設計prompt、跑10次、看失敗案例、修正prompt。持續3個月後你會比部門裡任何只把AI當「聊天工具」的人都懂實戰。這個歷程本身就是你的差異化。
第二,培養跨領域。技術加領域知識的組合,永遠比純技術值錢。做行銷的就把AI跟客戶心理綁一起,做財務的就把AI跟合規綁一起。倖存的位置都在交集處。
第三,記錄自己的workflow可視性。認真寫下你每週實際做了什麼、決策鏈是什麼、成果指標是什麼。老闆決定要不要用AI取代你之前,先看到的是這份紀錄。看不到workflow的位置最先被砍。
結尾
8000份履歷不是AI的錯,是「入門職缺結構性消失」。這個結構性缺口不會靠抱怨AI補回來。做AI團隊這半年多,我看到的真相是:AI放大了每個崗位原本就存在的問題。做重複性活的位置消失得最快,做整合、判斷、倫理、實體的位置反而更值錢。8000這個數字,不是這一代的失敗,是整個入門結構的重新洗牌。