AILIFELAB.CO VOL. 2026 · 11
AI 生活實驗室▪
AI 生涯 2026 · 10 · 04

面對 AI 衝擊,上班族的主動出擊策略:三步走向三高(高判斷、高互動、高實作)

Anthropic Institute 在 2026 年 9 月發表了一份研究,叫 Economic Scenarios for Transformative AI,算了 AI 影響溫和、中等、極端三種情境下,2030 年的美國經濟會長什麼樣子。結論用三句話講:經濟的餅會變大,最極端的情境比沒有 AI 的世界多 32.4%。多出來的錢大部分先流到出資本的人,資本收入最多多 81.4%,薪資總額只多 0.5% 到 1.4%。用腦工作的薪水在極端情境少 11.5%,動手的工作反而多 33.6%。

那會是哪一種?作者自己說,三種都不是預測,也沒有給機率。所以猜情境沒什麼用,猜對了,手上的工作也不會因此不一樣。論文裡有另一個區分比較用得上:AI 做的事分成「幫人做」和「替人做」。幫人做,好處留在做事的人身上;替人做,好處流去資本。情境我們決定不了。自己手上的工作,AI 是在幫你做,還是準備替你做,這件事有一部分在自己手上。

這篇要講的策略一句話就是:先讓 AI 幫你做,再把自己往 AI 做不了的地方移。AI 做不了的地方有三種,我叫它三高:高判斷力、高真人互動、高實作。數字上也看得到,用腦工作薪資在極端情境是負的,動手的工作是正的 33.6%,差別就在 AI 碰不碰得到。下面三步,前兩步是把 AI 拿到手上,第三步是往三高走。

先看數字

下面是論文表 3 的白話版。比的是美國 2030 年,跟一個沒有 AI 的世界比。

溫和中等極端
經濟的餅(GDP)+1.6%+8.3%+32.4%
流到資本的錢+3.1%+18.9%+81.4%
流到薪水的錢(薪資總額)+0.6%+1.4%+0.5%
用腦工作的薪資+0.4%−0.3%−11.5%
動手工作的薪資+1.1%+5.9%+33.6%
資本佔總收入(原本 40%)40.6%43.9%54.8%

論文的解釋是,短中期資本不容易馬上增加,生產力多出來的好處,有一部分就先變成出資本的人的報酬。薪水調得比較慢,長期才會慢慢回到薪資上,但 2030 年還沒走到那裡。

第一步:先看清楚公司是給你 AI 讓你好做事,還是直接用 AI 把你的事做掉

同樣是公司導入 AI,有兩種做法,你站的位置完全不一樣。

一種是給你 AI,讓你好做事。開帳號給你、教你用,事情還是你做,只是做得更快。研究裡這叫幫人做,好處留在你身上。

另一種是直接用 AI 把你的事做掉。客服信由系統自動回、報表由系統自動出,不經過你。研究裡這叫替人做,省下來的錢流去資本那邊。

怎麼分辨?看你的工作成果還有沒有經過你的手。有,是前者;越來越多事不經過你,就是後者。另一個訊號是有人請你把做事步驟寫成文件,說要讓系統接手。

看清楚之後,不管公司是哪一種,接下來兩步都要做。公司是前者,你做得快,位子更穩;公司是後者,你更要趕在它前面,先變成會用 AI、會接 AI 的那個人,然後把自己往第三步的三高移,那裡是 AI 做不掉的位子。

第二步:先把自己的工作拿 AI 做掉一部分

先列出這週做過的事,從裡面挑三種:重複做的、有固定格式的、交出去不心疼的。會議紀錄、每週報表、回覆差不多的信,都是這種。不心疼的意思是,就算 AI 做得普通,你改一改也能用,不會出大事。

做法很簡單。每天挑一件,花 20 分鐘讓 AI 試做。第一次做得不好很正常,把你改了哪裡記下來,下次一起丟給它。通常一週後,同一件事就順了,再換下一件。

幾個例子:

  • 會計:日常的 Excel 整理、對帳這類事,先試著交給 AI 做做看。
  • 業務:拜訪完講一段語音,讓 AI 整理成客戶紀錄和下次要跟進的事。
  • 老師:把這週的教學重點給 AI,請它出三種程度的練習題,你再挑。

這一步的重點是,AI 在你手上。你決定它做什麼,你檢查,你交出去。論文裡說的 augment,幫人做,就是這個樣子,好處留在做事的人身上。每天省下來的時間,就是第三步往三高移要用的。

做順的那幾件事,主動講出來:這件事我已經用 AI 做了,流程是這樣,省了多少時間,哪裡還要人看。公司之後要把某個流程交給 AI,第一個想到的會是已經在做的人。

第三步:省下來的時間,往三高挑一條走

第二步會省下時間。這些時間不要拿去多做一份一樣的事,要拿去練 AI 做不了的事。AI 做不了的事有三種,就是三高:高判斷力、高真人互動、高實作。

路線一:高判斷力

AI 很會把資料整理好、把選項列出來,但「要不要做、選哪一個、放掉什麼」它不會替你扛。公司越依賴 AI 產出,越需要有人站在產出前面說這個可以、這個不行。

怎麼練:每一件 AI 幫你做完的事,交出去之前自己加一段判斷。為什麼選這個、風險在哪、不做會怎樣。一開始像多餘的工作,做幾個月之後,公司會發現只有你交的東西可以直接用。

路線二:高真人互動

客戶因為信任你才簽約,同事因為是你開口才願意配合,病人因為是你在旁邊才安心。這些事的價值來自「是你這個人」,AI 替不了。

怎麼練:把時間從螢幕前移到人面前。業務多見客戶、少改簡報;主管多跟人一對一、少看報表;老師多跟學生講話、少批作業。AI 可以幫你把簡報、報表、作業都處理掉,就是為了讓你有時間去做這些。

路線三:高實作

Anthropic 這份研究裡,最誇張的情境下用腦工作的薪資掉 11.5%,動手的工作反而漲 34%。要親手把東西做出來、要到現場處理狀況的事,AI 做不了,人就變貴。

怎麼練:找你的工作裡「要親手做出一個成品」或「要人到現場」的部分,把它做深。工程師不只寫規格,自己把東西做出來跑給人看;行銷不只寫企劃,自己把活動辦出來。研究沒把機器人算進去,所以挑的時候,挑每一次狀況都不一樣的那種,機器人短期進不去。

怎麼挑

看你現在的工作裡,哪一種「要」最多:常常要拍板的,走判斷力;常常要跟人談的,走真人互動;常常要做出成品或到現場的,走實作。挑一條,最多兩條,三條都碰時間會散掉。挑定之後,第二步省下來的時間就固定往那邊放。

整篇收成一句

情境猜不準,但位子可以挑。看清公司怎麼導入 AI,先把自己的事拿 AI 做掉一部分,省下的時間往三高移:高判斷力、高真人互動、高實作。研究的數字說多出來的錢先流去資本,三高是薪水這一邊還握得住的部分。

這份研究沒算的三件事

三種情境都還有可能。 作者說這不是預測,也沒說哪一種機率比較高。上面的數字是「如果這樣,會怎樣」,不是「會這樣」。

只算到 2030 年。 長期來看,標準模型的結果是好處會回到薪資。什麼時候回、回多少,這份研究沒有算。

沒算機器人。 作者明說只算 AI 對用腦工作的影響。動手的工作薪資上漲,前提是機器人沒有突破。哪些動手的工作已經有機器人在做,我在上一篇一個一個整理過。

我平常在 IG 分享 AI 怎麼用在工作和生活裡,追蹤 AI 生活實驗室 👉 @life.coach.mtcity

資料來源:

  • Anton Korinek, Charles I. Jones, Szymon Sacher, Tess Cotter, Peter McCrory, Economic Scenarios for Transformative AI, The Anthropic Institute Working Paper No. 2026-02(2026 年 9 月)