如果最極端的大規模失業預測目前還沒發生，是不是代表這些預測本身是誇大或錯誤的？
目前的證據還不足以下這個結論，比較準確的說法是「還沒發生」不等於「不會發生」。多份分析都指出，目前的實務限制（企業對第三方 AI 模型的信任度、可靠性要求、人力監督需求）仍在拖慢自主部署的速度——2026 年的調查顯示，完全信任第三方 AI 模型的企業比例只有 16%，這代表就算技術能力持續成長，實際導入意願跟導入速度之間仍有明顯落差，這個落差本身，可能就是目前大規模失業預測尚未實現的部分原因。
另一個需要留意的角度是：agentic AI 的企業投資成熟速度目前特別快，如果這個投資趨勢延續，加上企業對 AI 可靠性信任度隨時間提升，中長期的實際影響軌跡，未必會跟現階段的觀察結果一致——用現在的數據直接否定未來預測，跟過度採信極端預測，兩者都是需要避免的過度推論。
「知識工作暴露程度高」跟「這個職位會消失」是同一件事嗎？
不是同一件事，這是這類討論裡最常被混淆的兩個概念。IMF 的分析明確使用「暴露」（exposure）而非「取代」（replacement）這個詞：暴露程度高，指的是這個角色裡有相當比例的具體任務，AI 可以有效處理，但一個職位通常由多項任務組合而成，AI 能處理其中幾項任務，不等於整個職位的存在理由消失。
舉例來說，法律研究角色裡，資料檢索、初步文件比對這類任務可能高度暴露，但需要判斷案件策略、與客戶溝通信任關係建立、在法庭上臨場應變的部分，暴露程度就低得多——這也是為什麼新興職缺研究發現，實際的職涯轉型路徑通常是「同一個角色被重新定義」，而不是「這個角色被整個職位類別直接刪除」。
如果新興職缺不需要程式設計能力，那具體需要的技能該怎麼準備？
研究指出的核心技能組合，比較接近「跟 AI 系統協作的能力」，而非「開發 AI 系統的能力」——具體包括：能清楚、精確地為 AI 系統設定目標與限制條件（模糊的指令通常會產出不可靠的結果）；具備原本領域的深厚專業知識，才有能力批判性檢視 AI 輸出結果哪裡可能出錯；判斷什麼情況下 AI 的建議需要人工複核或介入，而不是照單全收；以及當工作流程因為導入 AI 而改變時，具備管理團隊、溝通利害關係人的軟性技能。
這代表對多數知識工作者而言，準備方向未必是「轉行去學程式」，而更可能是「在原有領域專業的基礎上，加上批判性評估 AI 輸出、精確表達需求給 AI 系統」這類技能——這跟過去典型建議「大家都該去學程式設計」的方向不完全一致，值得讀者依自己所在領域重新評估。
這些關於就業市場的預測，跟前面提到的算力規模化投資，兩者之間有什麼關聯？
關聯在於：企業願意投入巨額資本購置算力、建置資料中心，很大一部分的商業邏輯正是建立在「AI 代理人能承擔更多實質工作量」這個前提上——算力規模化帶來的能力提升，如果能持續轉化為 agentic AI 在真實工作流程裡的可靠度提升，就會直接影響企業導入自動化的意願跟速度，這也是為什麼算力投資與勞動市場影響這兩個議題，實際上是同一條因果鏈的兩端。
對讀者而言，這代表追蹤「算力規模化是否持續帶來能力提升」跟追蹤「AI 對我的產業實際造成了什麼影響」，某種程度上是同一件事的兩個切入點——如果算力規模化的曲線出現明顯趨緩（如同 2024–2025 年那波爭議），企業導入自動化的商業論證強度也可能隨之減弱，兩者之間的連動關係，是判斷未來就業市場走向時值得持續觀察的線索。
「AI 即將取代大規模就業」這類說法，過去兩年頻繁出現在新聞標題與企業高層發言裡——Anthropic 執行長 Dario Amodei 多次公開表示，AI 工具的普及將帶來歷史上前所未見的勞動市場衝擊，導致大規模失業與長期性的結構性失業。但截至 2026 年中的實際數據顯示，這類最極端的預測，目前還沒有真正發生。
根據 451 Research 針對企業的 2026 年 AI 使用調查，企業投資 AI 最主要的理由是「流程效率」（64% 受訪者提及）與「員工生產力」（59%），相較之下，「直接縮減人力」被提及的比例只有 24%。這代表雖然 AI 導入確實可能間接降低企業所需人力，但多數企業目前把 AI 定位成「讓員工做得更好更快」的工具，而不是「用來取代員工」的工具——這兩種定位背後隱含的就業市場影響路徑，並不相同。
不過調查也點出一個值得留意的趨勢：企業對「AI 代理人」（agentic AI，能自主規劃並執行多步驟工作流程的系統）的投資成熟速度特別快，而這類系統的特性正是「高度可自動化」——因為它們被設計成能減少工作流程裡需要人力介入的環節，這代表就算目前多數企業還沒有把裁員當成 AI 投資的主要目的，agentic AI 的普及本身仍可能在中長期內，逐漸加速某些工作流程對人力的依賴程度下降。
目前有具體證據支持的變化，多半集中在特定產業與特定任務類型。Anthropic 2026 年的《State of AI Agents》報告顯示，企業導入 agentic AI 最明顯集中在客服流程自動化與後勤行政庶務。國際貨幣基金（IMF）的分析則指出，法律研究、財務分析、顧問諮詢這類知識工作角色，落在「高度暴露」群組——意思是 AI 能替代這些角色裡相當比例的工作時數，但不必然等於整個職位被完全取消。IMF 特別指出，已開發經濟體的知識工作暴露程度之所以偏高，是因為這些角色本質上涉及大量資訊處理工作，而這正是大型語言模型目前表現具有競爭力的領域。
2026 年 4 月，人力資源顧問公司 Challenger, Gray & Christmas 發布的報告則提供了一個更細緻的訊號：雖然 2026 年第一季整體裁員人數是下降的，但在確實發生的裁員案例裡，AI 是其中一個重要驅動因素——這代表 AI 相關的勞動市場影響，目前比較接近「在特定情境下加速既有的裁員決策」，而不是「憑空製造出一波獨立的裁員潮」。
一份 2026 年的學術研究追蹤了跟 AI 代理人自主性相關而新興的職缺類別，發現一個反直覺的現象：這些新興角色大多不是傳統認知裡的「技術性」工作，不要求程式設計專長，反而更需要「能清楚為 AI 系統設定目標」「具備領域專業知識能批判性評估 AI 輸出結果」「判斷 AI 輸出何時需要人工介入」以及「在 AI 驅動的工作流程變動裡管理利害關係人」這幾種能力。研究結論指出，主要的技能轉型路徑，並非從被取代的職業直接轉向軟體工程，而是從被取代的職業轉向「同一個領域裡，被 AI 導向重新定義過的版本」。
對於評估自身職涯風險的讀者而言，目前的證據顯示：與其問「AI 會不會取代我的整個職位」，更務實的問題可能是「我工作裡有多少比例的具體任務屬於『資訊處理』性質，這些任務有多少已經可以被 AI 有效處理」。世界經濟論壇的預估認為，到 2030 年全球約 22% 的工作會受到結構性影響，同時會有約 1.7 億個新職缺被創造出來、9200 萬個職缺被取代——這代表淨影響不是單純的「工作消失」，而是大規模的職務內容重組，PwC 2026 年的報告也指出，AI 高度暴露的職業裡，所需技能的變化速度是低暴露職業的兩倍以上，判斷力、領導力、同理心與創造力這類能力的重要性正在上升。換句話說，比起關注單一「AI 會不會搶走我的工作」的二元問題，更值得投入心力的可能是持續追蹤「我所在領域裡，哪些具體任務正在被重新定義」。