AI會淘汰哪些工作？45歲後先看任務，不要只看職稱
AI先接手的往往是任務，不是整個職稱；45歲後真正要補的，也不一定是從零學程式。
「AI會不會把我的工作拿走？」以前這句話常像未來很遠的警告，現在卻可能出現在主管的會議裡：報表先交給工具整理、客服先讓機器回覆、簡報先由系統生出第一版。
對已經工作二十多年的人來說，真正不安的往往不是不想學，而是不知道該從哪裡開始。職稱用了很久，經驗也累積很多，難道只因為履歷上沒有「AI」這兩個字，就要全部重來？
答案沒有那麼簡單。AI通常先碰到的是工作裡反覆、規則清楚、可以交給系統處理的任務；一個職稱裡如果還有判斷、協調、承擔責任和理解現場的部分，往往不是整份工作一起消失，而是內容重新分配。
先看任務，不要先替自己的職稱判死刑
國際勞工組織（ILO）在2025年生成式AI與工作研究簡報裡，也是用「任務」而不是單純用職業名稱來估計影響。研究指出，全球約四分之一的工作所在職業有某種程度的生成式AI暴露，但多數工作的較可能結果是被改造，而不是整個職位立刻消失。
這個差別很重要。行政人員可能少花時間把資料貼進表格，卻多了檢查錯誤、追蹤跨部門回覆的工作；行銷人員可能更快得到文案初稿，卻要更懂品牌、受眾和哪些內容不能亂寫。工具接手了一段流程，責任沒有因此自動消失。
對45歲以後的工作者來說，可以先把一週的工作拆成四種：重複輸入、資訊整理、需要判斷、需要和人協調。前兩類比較可能被工具加速，後兩類則常常是經驗真正能派上用場的地方。
最先被改變的，常是這些重複任務
有些任務不是「低階」才會被AI碰到，而是它們剛好規則明確、資料格式固定，工具比較容易處理。
- 把固定格式的資料整理成表格或摘要。
- 依照既定規則分類、標記或回覆常見問題。
- 把會議內容轉成逐字稿、重點或待辦事項。
- 從既有資料產出第一版簡報、信件或報告。
這不代表做這些事的人一定會失業。比較常見的變化是，同樣的時間裡，公司期待員工多完成一些事。這也是為什麼有人會覺得「AI明明讓工作變快，自己卻更忙」：省下的是打字和整理的時間，新增的是審核、修改、解釋與承擔後果。
世界經濟論壇的《Future of Jobs Report 2025》同樣提醒，企業談的是人和科技如何重新分配任務，不只是哪些職業會增加、哪些職業會減少。這類全球雇主調查不能直接當成台灣每家公司都會照做，但可以拿來提醒自己：不要只盯著職稱排行榜。
做了20年還不夠？只會說「我有經驗」真的不行了
工作久了的人，最容易被低估的不是知識，而是知道什麼時候不能照表操課。客戶一句話聽起來很普通，老手可能聽得出對方其實在猶豫；一份數字看似合理，做過現場的人會注意到它和往月的節奏不一樣。
這些能力不一定寫在職稱裡，卻可以重新整理成別人看得懂的成果。與其在履歷上只寫「負責報表」，不如說明曾經如何找出異常、和哪些部門對資料、最後讓主管做了什麼決定。與其只寫「管理客戶」，不如寫清楚如何處理抱怨、避免流失、把模糊需求變成可執行的方案。
AI可以幫忙整理案例，但不能替一個人承擔判斷後的結果。能把經驗說成流程、風險和選擇，才比較容易在新工具普及後留下位置。
45歲才開始學AI，真的要先砸錢買課嗎？
很多人一焦慮就去搜尋「45歲學AI還來得及嗎」，接著買了幾堂課，學完卻不知道能放回哪一份工作。問題不一定是學得不夠，而是起點選反了。
可以先挑一個每週都會出現、又真的耗時間的任務，例如把會議整理成待辦、把客戶問題分類、把長文件整理成一頁重點。先用公司允許的工具做一次，留下原本花多久、現在花多久、哪裡仍要人工檢查。這樣才能知道自己學的是一個實際解法，不是只多背了一串工具名稱。
接下來再問三個比較實際的問題：這項技能能不能放回原本的經驗？成果能不能讓主管或面試官看懂？工具出錯時，自己知不知道要停下來檢查？如果三個問題都答不出來，先別急著報名下一堂課，可能需要的是重新定義要解決的工作。
先測一下：AI碰到的是你的工作，還是其中一段？
如果讀到這裡還是覺得「那我到底算不算容易被取代？」可以先不急著買課。回想最近一週的工作，下面每一項若經常發生就記 1 分，偶爾發生記 0.5 分，幾乎沒有就不記分：
- 每天或每週都要把同一批資料貼進固定格式的表格、報表或系統。
- 工作成果主要是「有沒有準時交出來」，內容對錯通常有人另外覆核。
- 遇到例外狀況時，大多只要照既有規則處理，不太需要和客戶、供應商或同事協調。
- 主管常說「先照之前的格式做」，工作內容很少因現場或對象不同而改變。
- 如果工具把初稿、分類或摘要做好，自己剩下的工作主要是複製、貼上與轉寄。
0～1 分，工作裡可能還有不少現場判斷或協調，適合先想想AI能替哪一小段減輕負擔；1.5～3 分，代表部分任務已經有被工具接手的可能，重點是學會檢查與修改，而不只是學會按按鈕；3.5～5 分，重複工作占比偏高，與其等公司重新分配工作，不如先把自己熟悉的例外處理、品質把關和溝通經驗整理出來。
這不是失業預測，也不是替任何職稱判死刑。它只是幫忙找出一個比較值得開始的地方：哪一段工作可以交給工具先做，哪一段仍然必須由人看懂、做決定、出了問題也要負責。
如果想把工作拆得更清楚，也可以把職缺說明或自己的工作內容交給AI，請它照下面的方式整理：
請把下面的工作內容分成「工具可先處理」、「需要人工檢查」、「需要現場判斷」、「需要協調與承擔責任」四類。每一類請說明原因，並提出一個不必離開原職也能補強的能力。不要直接判斷我會不會被AI淘汰。
45歲後最危險的，不是學不會AI，而是工作只剩重複
除非目標真的要轉做模型開發或資料工程，否則多數職場工作者不必把「學AI」理解成從零開始學程式。更有用的方向，可能是學會把需求說清楚、知道資料能不能放進工具、看得出生成內容哪裡不可靠，並把自己的產業經驗和工具接起來。
例如，熟悉採購的人可以用AI協助比較供應商資料，但仍要判斷交期、品質與合作風險；做行政的人可以讓工具先整理會議資料，自己把關權限、時程與跨部門溝通；做客服的人可以用AI整理常見問題，但真正棘手的客訴仍需要理解情緒與公司承諾。
工作變化最讓人害怕的時候，常常不是答案已經確定，而是每個人都在猜。與其一直問「AI會不會淘汰我」，不如先看自己手上的工作：哪些只是重複搬運？哪些需要經驗判斷？哪些結果出了問題，還是得由人負責？這樣整理過後，下一步要補的能力通常會比一張熱門課程清單更清楚。