第一批全程和 AI 一起念完大學的人，畢業了

今年夏天有一批新鮮人走出校門，他們是第一批從頭到尾跟生成式 AI 一起念完大學的人。大一下 ChatGPT 才問世，往後四年，他們的作業有 AI 看過草稿，資料有 AI 整理過，課堂討論前有 AI 先幫忙梳過一遍。這個工具陪他們念完了大學，現在跟著他們一起出社會。而就在他們拿到文憑那陣子，Google DeepMind 的 Hassabis 說，AGI（能力全面追上人類的 AI）最快 2029 年就會到，距離當下不過三年。 職場對這一屆人的態度，分裂得很清楚。一邊，有公司搶著要 AI 世代的新鮮人，理由是這批人比工作了二十年的資深員工更靈活、更會用工具。另一邊，同一時間也有公司在縮減初階職缺，因為那些工作現在交給 AI 更划算。兩股力量同時存在：今年三月，這個年齡層的失業率衝到 5.6%，是近十幾年來非疫情期間少見的高點。搶著要的，跟不要的，都是真的。 為什麼會這麼撕裂？因為 AI 最先吃掉的，正好是「初階」那一截：查資料、整理、做出第一版草稿。這些事過去是新人練功的起點，現在 AI 幾秒就生一份。於是那些一畢業就靠工具上手的人變得搶手，而那些工作內容剛好被工具取代的入門缺，就慢慢消失了。 黃仁勳給過一個看待這件事的角度。他說科系其實沒那麼重要，因為過去重要的東西，未來依然重要：說故事的能力、在現場聽得出「該問哪一個問題」的直覺、感覺得到「這裡不太對勁」的那種品味。他認為這些在 AI 時代只會更稀缺。他舉放射科醫師當例子：用 AI 讀影像只是「任務」，真正的「診斷」還是要人來，因為那要的是判斷，光會辨認還不夠。 這件事不分世代。不管你今年剛畢業，還是在職場多年，可以放下心的一件事是：被 AI 拿走的，多半是那些「照流程做就好」的部分；留下來、而且越來越值錢的，是判斷。哪種爭論值得深究下去，哪個問題繞一圈還是同一個答案，資訊很模糊時要不要先給一個說得過去的決定，然後等。下次用 AI 做完一份東西，別急著收，回頭問自己一句「它哪裡可能不對」。那一問，就是工具暫時還學不會、而你正在累積的那層。 那一批新鮮人在學校學到的，一部分是工具，另一部分沒有課名，是在人群裡待過四年才長出來的。他們帶出校門的，是後面那一段。