身兼數創實驗室創辦人、遠見雜誌 AI 專欄作家與前特力集團資料技術處處長的 Vincent，擁有超過十年第一線 AI 實戰經驗。他曾領導企業 AI 應用落地，也在台灣推動人才培育社群。
本文使用 Yourator 在今年 6 月，未來商務展當中，舉辦的「AI 時代工作者職涯論壇」，邀請 Vincent 在論壇現場和觀眾分享的內容剪輯製作的，Vincent 深入探討 AI 如何重塑白領工作樣貌，並解析未來 AI 人才需具備的核心能力，是所有職場人面對 AI 焦慮時不可錯過的深度內容。
點此收聽本集 Podcast 節目
什麼樣的工作最容易被 AI 取代？用四象限檢視你「被 AI 自動化風險」
當許多人都在焦慮詢問「AI 會不會取代我的工作？」，Vincent 一開場就直言：「更精準的問法應該是，你每天的任務裡，有多少其實已經可以交給 AI 來做了？」
過去幫企業導入 AI 的經驗中，Vincent 常見員工對職務的理解過於整體化，忽略了「一份工作，是由許多任務組成」。他建議從四個面向去檢視自己的工作結構：
- 任務是否高度標準化？
- 跨領域知識需求多寡？
- 人際互動需求多寡？
- 是否需要創造力？
Vincent 曾在演講中現場提供一個簡單的打分表，讓參與者可以自我評估「被 AI 自動化程度」。得分越高，代表任務越容易被機器學習模型所取代。
分數表指標
- 10 分以上：較為危險
- 6-9 分：需要留意
- 6 分以下：暫時不擔心
他強調這不是為了製造焦慮，而是幫助大家更具體地認知工作內容的結構與危機點，幫助你思考：哪些任務該讓 AI 做，哪些價值只有你能創造。如果你能主動開始這個拆解過程，焦慮就會轉化為主動權。
AI 不會一口氣取代你，而是催化轉型
Vincent 指出：「AI 並不會取代整份工作，它取代的是一份工作中的部分任務。」
舉例來說，軟體工程師這個職位是否會被 AI 取代？這並非單一答案，而是要看他擅長的是哪些任務。如果只負責寫後端程式、與業務完全脫節、不了解使用者需求的工程師，確實面臨高風險。但能夠問出「這個功能為什麼重要？會幫助什麼樣的用戶？」的開發者，則更容易因為掌握商業脈絡而被留下，甚至因 AI 工具而變得更強。
同樣地，資料分析師若僅止於跑報表、整理數據，也容易被自動化流程取代。AI 正在快速接手這類「重複、高規則性、低創造性」的任務，這已不只是未來式，而是現在進行式。
Vincent 說，當你意識到工作是任務集合，就能開始區分：哪些任務我該升級為 AI 操作流程？哪些任務需要我這個「人」來解釋、溝通與判斷？職場競爭力將從「任務執行者」轉變為「價值整合者」。
AI 自動化案例分享：從數據分析師看 AI 五段任務轉移
Vincent 以數據分析師作為代表，舉例 AI 轉型。他分享，在傳統工作模式中，一名數據分析師大多數的時間都用在資料收集與清理上，真正能夠發揮價值的時間其實非常有限。
根據他的觀察，數據分析師的工作流程可被拆解為五個階段：
- 釐清業務問題
- 數據蒐集與整理
- 數據分析
- 萃取洞察
- 溝通成果、交付建議
這五步驟中，第 2、3、4 步正在被 AI 工具快速侵蝕。
Vincent 強調，下一代 AI 人才的關鍵不是技術本身，而是「你能不能幫企業問對問題、講清價值」。
企業為什麼推不動 AI ？從 Shopify CEO 的制度看如何推動 AI 轉型
AI 工具的發展已經走得比多數企業還快，但 Vincent 認為，企業內部不見得能順利推動 AI 的原因往往不在技術，而在組織文化與人性抗拒。他在企業顧問過程中，歸納出員工最常見的三種心理障礙：
- 怕被取代
- 怕工作量變多
- 怕被同事覺得「在偷懶」
他舉 Shopify 為例，該公司 CEO 在內部推動 AI 時採取了三項策略：
- 只要員工想用 AI 工具，公司就提供補助與授權
- AI 使用程度納入年終績效考核
- 若要申請新增人力，需先證明該職缺無法由 AI 取代
這些制度設計，讓 AI 不只是「可以用」，而是「必須用」。
Vincent 給 AI 時代工作者的提醒：勇敢擁抱 AI ，找社群支持
「我其實都還是很擔心，我自己會是因為 AI 而中箭落馬的其中一人。」Vincent 說道。
面對 AI 趨勢銳不可擋，儘管有豐富工作經驗與產業觀察，Vincent 也依然擔心自己會是被 AI 自動化的其中一位工作者。他因此建議所有工作者，既然使用 AI 是勢在必行，鼓勵大家不要害怕改變與抗拒 AI ，反而更應該要努力學習新方法、工具，才能增加自己未來的職場競爭力。
最後，Vincent 邀請大家加入他所創立的 AI / 數據專家的實體交流平台——數創實驗室 LINE 社群，目前已聚集超過 1,000+ 位來自企業、學界與自由接案領域的 AI 工作者，每月固定舉辦實體聚會，知識交流與工作坊，也歡迎收聽由 Vincent 主持的數創實驗室 Podcast ，每週給你AI 時代的學習指南，不想錯過最新最快的 AI 資訊， 數創電子報 也記得訂閱起來！
