為什麼這個領域重要

AI最先抹去的，是新人用來學本領的工作。美國初階職缺招聘在過去18個月下降35%，ChatGPT推出後，AI暴露度高的企業起薪下降4.5%，初階職降幅達6.3%，這些企業還把新增初階職缺的比重砍掉約4%，改為增加中階招聘。那些重複、規則明確的雜務，也就是過去新人一邊做一邊學的工作，恰好成了自動化的首選。

傷害還會疊加。為省人事成本而不招初階員工，抽乾的是五年後中階主管的儲備，CNBC稱之為「人才厄運循環」。OpenAI對歐盟勞動力的盤點發現，27%的就業屬於「重組」區間：人仍是核心，但工作流程與技能需求改變；另有14%面臨較高的近期自動化壓力，12%可能反而成長，其餘47%短期變化不大。在台灣與香港，金融、專業服務與科技業的儲備幹部制度同樣面臨入口收窄的壓力。AI人才轉型顧問的工作，就是把這張地圖套到具體組織的職務上，用職務流動而非裁員來設計轉型。

所需技能

顧問要同時處理三個層次：用數據診斷現實、設計方案、說服各方。

• 人才數據分析：按重複性、規則性、業務量拆解職務，把自動化暴露度與技能鄰近度(哪種能力較易再培訓成另一種能力)繪成地圖。把OpenAI的四類轉型原型(成長、自動化、重組、低變動)套到自家職務上，是分析的起點。
• 再培訓方案設計：把內部訓練營、職務輪調、政府技能補助組合成真實的流動路徑。衡量口徑是「多少人轉到了哪些職務」，而不是「辦了多少培訓」。
• 職務再設計：智慧代理吸收了雜務之後，把只有人能做的判斷、關係與現場工作重新寫進初階職務說明書。這正是WEF所說的把新人從純螢幕工作中重新配置出來。
• 初階人才梯隊設計：給新人一組低風險任務，再加上監督、複核AI產出的角色，把學習曲線重新搭起來，而不是直接抹掉。
• 變革管理：在只看成本的管理層與感到就業不安的第一線之間，拿著「今天砍初階、五年後沒資深」的數據去談判。

職業路徑

顧問通常來自人力資源策略、學習與發展(L&D)、組織發展(OD)，或管理顧問(麥肯錫、BCG、貝恩、勤業眾信的人力顧問)的組織與人事線。主要需求方是大型科技公司的People團隊、大企業的人才發展部門，以及專注變革的精品顧問公司。既能像分析師一樣讀勞動力數據、又能像顧問一樣讀懂會議室的人才稀缺，因此這既是門檻也是機會。

常見職稱：勞動力轉型顧問、AI轉型顧問、Future of Work負責人、再培訓專案總監、組織變革經理。面試常問：面對把某部門初階招聘換成AI的提案，你用哪些數據支持或反對；再培訓專案的ROI怎麼衡量；當智慧代理吸收了雜務之後，如何重新設計初階職務讓新人仍能學到東西。