桌上的工作還沒做完，窗外的新工具通知已經排成隊伍
晚上剛坐下，想把今天沒做完的事情收尾，手機又跳出一則介紹：
某個新工具，據說能讓一個人抵一個團隊。
上一個還沒摸熟，下一個已經號稱要改寫產業。
你點開影片，原本只想知道它能做什麼，
看完卻開始懷疑自己明年還能不能領薪水。
這是一個示意情境，但那種被催著追趕的感覺，值得好好拆開。
AI 確實可能改變工作，也可能讓某些職缺減少。
問題是，你要如何從滿天飛的展示與預測裡，
判斷自己眼前該做什麼？
難道每看到一次更新，就得把原本的晚上重新交出去？
工具有更新，不代表你的人生也必須立刻重新安裝。
工作受到影響，和整個職位消失，中間還有很多事情
草稿可以交給工具協助，工作裡仍有確認、溝通與處理現場的部分
國際勞工組織（ILO）在 2025 年 5 月 20 日的說明中，
把職業拆成不同任務，評估生成式 AI 的潛在影響。
它特別提醒，這類「暴露程度」估計，並不是已經發生的就業衝擊；
成本、技能、基礎設施與實際操作，都會影響採用。
該次研究認為，工作內容轉變是較可能的影響。註1
因此，看到某類工作「可能受影響」，不能直接翻成「這群人即將全部失業」。
同樣地，研究也沒有替任何人的飯碗開保證書。
把工作拆開，才看得見差別：整理初稿、確認事實、向客戶解釋、處理例外，
以及決定出錯時怎麼收拾，未必會以同樣的速度改變。
不過，就算一個職位還需要人，也可能因流程調整而減少人力，
或把更多工作塞給留下來的人。
這些都值得關心。只是判斷時，要看自己工作的實際變化，
而不是拿一段漂亮展示，直接替整個人生宣判。
不會檢查答案，按得再熟也只是更快交出風險
拿出原始資料比對，才能發現漂亮成品裡的錯誤與缺漏
AI 的輸出可以很順、很完整，也很像那麼回事。這正是需要檢查的理由。
美國國家標準暨技術研究院（NIST）在 2024 年 7 月的生成式 AI 風險文件裡，
將系統自信呈現錯誤或虛假內容的情況列為風險，常見俗稱就是「幻覺」。註2
這裡沒有神祕學。寫得篤定，並不會讓內容自動變對。
先確認自己能不能判斷它做錯了什麼
如果你原本就熟悉一項工作，用工具做初稿，再逐項確認，
和完全不懂內容、只憑版面漂亮就交出去，是兩種不同的情況。
例如，不熟悉程式的人得到一段能跑的程式，
仍可能不知道錯誤輸入會怎樣，或資料存到了哪裡。
能把畫面叫出來，距離能長期維護它，還有一段需要學習或求助的工作。
如果目前看不懂輸出，也沒有可靠的人協助複核，就承認這件事暫時做不到。 可以先處理較小、可驗證的部分，或者停止承接超出能力的內容。
這種承認，比一面說「AI 都幫我做好了」，一面把風險交給同事或客戶，更有責任感。
工具補上的，是哪一種不足？
是輸入太慢、整理太花時間，還是根本不了解問題？
前兩者可能透過工具得到協助；後者往往還需要基礎知識、實際經驗與他人的回饋。
不用假裝每個人都能靠幾句指令跨過所有專業門檻。
也別因為一開始做不到，就把自己判成永遠學不會。
先把差距說清楚，才知道接下來的付出值不值得。
少追幾個新名字，先拿一件真實工作來試
一次只測一件具體任務，把產出、檢查與修改的時間一起記下來
比起問「這個工具強不強」，可以先問：「我每週哪一件事，確實想少花一些時間？」
挑一項你熟悉、結果可以檢查的任務，先定義怎樣算完成。
再選一個手邊可用、成本承受得起的工具，做一次小範圍測試。
把準備資料、下指令、等待、查核與修改的時間都算進去。
若需要付費，再把實際費用一起記下來。
生成很快，卻要花更久收拾，對你而言就未必是改善。
先證明它能改善一件事，再決定要不要多花錢、多花時間。
測試時也應遵守工作上的資料規範。
沒有權限上傳的客戶資料或公司文件，不必為了完成一次示範就往外送；
可以先用公開資料或自行製作的測試內容。
若一種做法已能穩定完成任務，就先用著。
等到遇到明確限制，再看新工具能不能解決。
你不需要把每款產品的更新日，都排成自己的補考日。
公司要轉型，也該把訓練與責任排進工作裡
如果公司要求導入新工具，可以具體討論：
學習時間放在哪裡？使用費由誰負擔？哪些資料可以用？產出由誰複核？
原本的工作要減少哪一部分，才能容納新的流程？
這些是管理問題，不能全部塞進一句「大家要有危機意識」。
我的看法是，當轉型的成本由員工各自在晚上吸收，成果卻只用來追加工作量，員工就有理由質疑這種安排。技術改善了哪個環節，和利益最後怎麼分配，需要一起談。
也要承認，有些人的理解速度、使用條件或目前能力，確實跟不上某項新要求。
若已有適當訓練與練習，仍無法完成必要任務，就應討論縮小範圍、調整職務，或其他可行安排，而不是永遠用加班掩蓋落差。
反過來說，若根本沒有訓練、缺少設備，也沒有人說清楚成果標準，就急著斷定員工無能，這個判斷同樣偷懶。
能力的限制要認；組織欠下的資源，也要算。
訂閱不能保證飯碗，學習也需要停損點
一套工具在展示裡很厲害，不代表它會出現在你的工作流程；
一張課程證明，也不能單獨證明你有能力處理實際問題。
想花錢以前，先寫下你買的是什麼：一個需要使用的功能、一段有人指導的練習，還是暫時壓下「別人都會了」的不安？
如果只是第三種，就先讓付款按鈕休息一下。新的扣款，不會附送工作保障。
確實有必要補能力的人，可以設定一段承受得起的嘗試，
約定要完成哪項成果、由什麼方式檢查，以及何時重看投入。
發現方法不適合，可以換；發現目標超出現在的時間與能力，也可以減少。
必要時，學到能完成眼前工作就先停。
你不必同時成為程式設計師、影片導演、數據分析師，再順便接管公司的未來。
如果收入本來就吃緊，先停掉用不到的訂閱，保留現金與時間，是可以成立的選擇。這無法獨自解決產業變動，卻能避免你為了防範尚未發生的危機，先把現在的生活付到失血。
不確定的未來，也會進入家庭的討論
兩個人一起整理時間與預算，為家庭選擇留出可以討論的空間
當人開始擔心工作是否穩定，往往也會重新考慮接下來要承擔多少責任。要不要共同生活、是否迎接孩子、能分配多少照顧時間，都可能出現在同一張討論桌上。
這是一條值得討論的支線，並不能據此認定 AI 導致少子化。每個人的家庭選擇，還受到收入、伴侶關係、健康與照顧資源等條件影響。
我們比較能問的是：如果未來幾個月需要學習或轉換工作，家裡哪些支出可以先緩一緩？誰還有時間協助？如果選擇養育孩子，不能再把哪些責任默認交給同一個人？
生或不生，都不必拿來證明勇敢。把自己目前能承擔的範圍說實在，比為了看起來有信心，而承諾一套負擔不起的生活，更有助於彼此作決定。
你可以認真面對變化，也替今天留一個結束
AI 對工作會有什麼影響，沒有人能替你把所有風險刪除。
個人再努力，也控制不了每一次企業決策與產業調整。
但眼前的注意力可以有範圍：確認一項正在改變的任務，檢查自己做不來的部分，練習一種確實有用途的方法，然後看看代價是否值得。
對真正有關的變化保持留意，對沒有用上的新品容許略過。這種取捨，需要的是判斷，不是比誰的工具清單長。
也許你今天得到的結論是需要補一項基本能力；
也許是公司的要求不合理；也可能是某條路現階段真的走不通，該減少投入，先保住生活。
這些答案都比無止境地觀看「十個必學工具」，更接近你自己的處境。
今天學到這裡就好。產品可以繼續更新，你不必陪它整晚值班。
本文為社會評論，開頭與配圖均為示意情境，
非真實人物報導；以下資料的發布年份均已標明，不作為個別職位的失業預測。
註1：國際勞工組織（ILO），2025 年 5 月 20 日，〈How might generative AI impact different occupations?〉。說明任務層級的潛在影響評估，以及暴露程度與實際採用、就業結果的差別。
ILO 原文說明 · 回到文首
註2：美國國家標準暨技術研究院（NIST），2024 年 7 月，NIST AI 600-1，第 2.2 節，說明生成式 AI 自信呈現錯誤或虛假內容的風險。本文將此用於查核與能力判斷的討論，不代表所有輸出都會出錯。
NIST 原始文件（PDF） · 回到文首