AI 拆掉的不是職缺，是判斷力的階梯

2026 年 7 月，麥肯錫（McKinsey）做了一件表面上自相矛盾的事：一邊宣布 2026 年要把入門級人力多招一成、北美更上看兩成；另一邊，它自己的調查裡卻有超過半數企業承認，生成式 AI 正在減少他們對基層職缺的需求。

對每一個要用人、要帶團隊、要養接班梯隊的管理者來說，這個矛盾值得停下來看——不是因為它預告了「入門工作會不會消失」，而是因為它悄悄改寫了一件更根本的事：一個人，到底要從哪裡開始，才學得會判斷。
 

第一層：消失的不是職缺，是「入門」這兩個字的定義

先看殘酷的數字。法律、顧問、投資銀行這幾個高薪起點，入門職缺自 2023 年以來掉了約三成五；史丹佛 2026 年 AI Index 顯示，22 到 25 歲、暴露在 AI 高替代性工作裡的年輕人，就業相對下滑一成多，其中軟體工程師這個年齡層更掉了近兩成。看起來，像是一場對新鮮人的清洗。

可是同一時間，麥肯錫與 IBM 卻在逆勢加碼招募新人。矛盾嗎？把職缺描述攤開就懂了：過去寫的是「熟悉 Excel 建模」「具備分析能力」，現在改成「能設計 prompt」「能驗證並修正 AI 的產出」。換句話說，消失的從來不是職缺的「數量」，而是「一個新人進公司的第一年，到底該做什麼」。過去第一年是做苦工，現在第一年被要求指揮 AI、檢查 AI、對客戶解釋 AI 生出來的東西。你要找的，已經不是一雙便宜的手，而是一顆一進門就得會判斷的腦。
 

第二層：真正被抽掉的，是那間「練功房」

問題來了。過去我們是怎麼把一個菜鳥，練成能扛事的人？靠讓他跑一千次數據、抄一百份合約、做一堆沒人想做的雜活。這些苦工很笨，笨到讓人懷疑意義——但那正是判斷力的健身房。你得先親手做過一百個爛版本，才會在看到第一百零一個時，一眼認出它哪裡不對。

現在 AI 三秒鐘生出一個 80 分的版本，苦工消失了，連帶著，那間健身房也被拆了。弔詭的是：我們一方面要求 junior 一進門就監督 AI、推翻 AI 的錯誤，另一方面，「憑什麼判斷這是錯的」這種本事，本來就是靠反覆做苦工、慢慢磨出來的。這是一個誰都繞不過去的經驗悖論——我們把長出判斷力的那道階梯，當成 AI 可以省下的成本給拆了，卻還理直氣壯地期待新人，天生就站在階梯的頂端。你不能一邊拆掉樓梯，一邊怪年輕人不會爬上來。
 

第三層：你省下的初階成本，正在偷走 2035 年的資深梯隊

這才是對經營者真正致命的一層。少招一個初階，今年的損益表確實漂亮一點；但資深工作者從來不是「招」來的，是「養」出來的——今天沒有 junior 在犯錯、在被罵、在被帶著打底，十年後，你口口聲聲要的那種「能扛事、能判斷、願意替結果背書」的老手，要從哪一塊土壤裡長出來？

這不是 AI 的問題，是戰略時序的問題：AI 替你省掉了眼前的執行成本，卻沒有任何人，替你補上未來的判斷存量。省，從來不只是省錢——當你省掉的是練功的整個過程，你真正省掉的，是十年後那個本該更強的自己。帳面上的效率，和梯隊上的空洞，往往要隔上好幾年才會對帳。
 

明天就能做的三件事

• 把「初階職缺」拆成兩塊分開看：哪些是該乾脆交給 AI 的純執行雜活，哪些是要「刻意留給新人手做」的笨功——別圖省事，把兩者一起外包給機器。
• 為每個 junior 明訂一條「AI 監督力」的成長路徑：重點不是丟工具給他，而是要求他這一年學會分辨——哪些 AI 產出可信、哪些必須推翻，並且每一次都得說出「為什麼」。
• 把「養才」寫進今年的成本表，而不是明年的開會口號：刻意保留一兩個「看起來 AI 就能做」的位置給新人，把它當成對 2035 年資深梯隊的投資，而不是一筆可以隨手砍掉的開銷。

留一個沒答完的問題

如果判斷力過去是靠做苦工一寸一寸長出來的，而苦工，正在被 AI 一口氣全部收走——那麼，下一代的資深工作者，究竟會從哪一級台階，開始往上爬？這個問題，目前沒有任何一份報告替我們準備好答案。而它，恰恰是今天每一個為了省成本、砍掉一個初階名額的決定，正在替我們搶著回答的。

資料來源：McKinsey《Rethinking early-career talent in the agentic organization》（2026 年 7 月）與 2025 年新工作時代調查、Stanford HAI 2026 AI Index、The HR Digest。