「AI 會不會取代我?」這句話你可能已經在心裡問過自己好幾次了。半夜滑手機看到一篇又一篇標題聳動的文章,白天開會聽同事半開玩笑地說「反正以後這個工作 AI 也能做」。這種焦慮很真實,但多數把它講得又急又重的文章,其實都沒回答到重點。

這篇想做的事很簡單。把「取代」這兩個字拆開來看清楚,再告訴你,我在對資安要求很高的產業做了十多年開發,每天都在用 AI,我真正花時間煩惱的東西,跟你以為的不太一樣。

「曝險高」跟「工作被拿走」是兩件事

先講一個容易被忽略的區分。Anthropic 在2026年做的一份勞動市場研究裡,提出了「observed exposure」,也就是實際觀察到的曝險程度,拿來跟過去大家憑感覺猜的理論曝險做對照。結果發現,目前曝險最高的幾種職位,是程式設計師、客服、財務分析師。

聽到這裡很多人會停在這句話,覺得「果然,這幾個工作要沒了」。但這份研究真正的結論,是曝險高指的是「這個職位裡有很多任務可以被 AI 接手」,不是整個職位被搬空。一個程式設計師的工作,包含寫程式碼、除錯、跟人討論需求、判斷這段邏輯適不適合放進正式環境、承擔出包的責任。AI 能接手的,多半是前面那幾項執行層的工作,後面那幾項判斷和承擔責任的部分,還牢牢留在人身上。

曝險程度講的是「這份工作裡有多少事被拆解出去了」,這份工作實際還剩多少事,得另外算。

一個完整的職位識別證圖示,邊緣幾個任務拼圖被抽走,牌子本體仍完整站立

連喊最大聲的人,都在修正自己說過的話

如果你還是覺得這種說法太樂觀,我想提一個更有意思的訊號。

2026年5月,OpenAI 的 CEO Sam Altman 公開承認,他先前對白領工作大規模消失的預測講錯了。這件事值得停下來想一下。過去兩三年,業界對「AI 要讓一大批工作消失」講得最篤定、聲量最大的人裡,就有他。連他都需要出來修正自己說過的話,代表這件事的走向,比當初那種末日式的預言複雜得多。

AI 抹平的通常是那些能被清楚拆解、標準化、重複執行的任務環節。至於要不要做、怎麼做、風險在哪,這些判斷始終得由人來扛。這句話聽起來像老生常談,但它是這一波預測不斷被修正後,剩下來比較接近事實的說法。

我每天都在用 AI,真正花時間的地方跟你以為的不一樣

我在一個對資安要求很高的產業做第一線開發,十多年了。這幾年 AI 已經是我每天工作裡的固定角色,寫程式碼草稿、整理文件、幫我把一堆零散的討論紀錄變成有結構的東西,這些事我幾乎每天都交給它做。

如果你問我,這份工作裡最花我腦力的環節是什麼,是判斷「這件事該不該做」和「這麼做的風險藏在哪裡」,這兩題比「AI 能不能做出這段程式碼」花時間得多。AI 幾乎都做得出來,速度也快。一個功能要不要上線、一段邏輯改動會不會牽動別的系統、一份資料能不能被外部工具碰,這些判斷需要對整個系統的脈絡有理解,需要知道公司內部誰要為結果負責,需要清楚哪些底線碰不得。這些東西 AI 沒有,也給不出來,它只認識我丟給它的那段文字。

久了以後我發現一件事。AI 幫我省下的是打字和查資料的時間,判斷的時間並沒有跟著變少,反而因為執行速度變快,變得更重要,因為現在做錯決定的成本,是用更快的速度在放大。

入門這一關,確實在變窄

我不想把這篇寫成一篇純粹安慰人的文章,有些數字誠實講出來比較負責任。

Stanford HAI 的 AI Index 顯示,22到25歲的軟體工程師,就業率下滑了將近兩成,而30歲以上的軟體工程師,就業狀況持續在成長。這個對比講得很清楚,受衝擊最大的,是那些剛入門、經驗還沒累積起來的位置。這類位置原本做的事,常常就是相對重複、標準化程度高的執行工作,剛好是 AI 現在最擅長接手的那一塊。

這個現象值得每個正在觀望的人多想一下,該練的東西正在往上移。以前靠時間堆出來的「熟練」,現在被壓縮得很快,真正稀缺的,變成判斷力,知道什麼時候該做、什麼時候不該做、怎麼在一堆選項裡挑出對的那個。SHRM 在2026年4月做的調查訪問了750位財務長,結果顯示企業因為 AI 而減少的就業比例,估計低於0.4%,而且有一半的企業表示完全沒有因為 AI 裁員。大規模的職位蒸發並沒有真的發生,但職缺裡值錢的部分,正在悄悄換人。

收回到一句實際的話

DEL三格示意圖,兩側格子由一隻手穩穩握著,中間格子是自動運轉的齒輪

把這些線索兜起來,我自己的答案是這樣的。AI 會把裡面能被清楚說明、能被重複執行的那部分拿走,速度比大家想像的快,你的工作還在,樣子會變。

這正好呼應我一直在講的 DEL 框架。方向和限制,永遠要人來定,AI 負責的是把定好的期待,確實執行出來。方向,是你要判斷這件事該往哪走、值不值得做。限制,是你要清楚知道底線在哪、什麼東西碰不得。期待這格,講清楚你要的結果長什麼樣,AI 就能幫你把它做出來,而且做得又快又好。

AI 會不會取代我,這件事我控制不了,但我可以持續練那些 AI 拿不走的判斷力,這才是真正值得花力氣的地方。

如果你想知道怎麼把一個模糊的念頭,拆成 AI 真的能接手的任務,可以從 DEL 框架 開始看,裡面有完整的方法。如果你想先了解 Direction 這格怎麼用,《DEL 的 Direction:先講結果,不要先講動作》 是個不錯的起點。也歡迎看看 《兒子睡著後的那 90 分鐘》,那篇寫了我怎麼在有限的時間裡,把這套方法磨出來的過程。想多了解我在做的事,可以到關於我看看。