你好，我是點亮老師 👋
每隔一陣子，就會看到一張「不會被 AI 取代的工作」清單：老師、醫師、護理師、設計師、工程師、業務、心理師……看起來很安心，但我現在反而不太相信這種排法。
不是因為所有工作都會消失，而是因為 AI 真正先改變的，往往不是整個職業，而是職業裡的一部分任務。
這個問法比較不刺激，但也比較有用。因為它會直接告訴你：接下來要把時間投在哪裡。
2026 年我不會推薦任何人用「不會被 AI 取代」當職涯保證。比較可靠的判斷方式，是看一份工作裡可標準化、可數位化、可檢查的任務比例有多高，以及它是否同時需要真實脈絡、責任、信任、現場處理與跨領域判斷。工作會被重組，但重組不等於整個職業消失。
先別把「AI 暴露度」看成「失業機率」
國際勞工組織（ILO）2025 年更新全球生成式 AI 職業暴露研究，估計全球約四分之一的工作者位於某種程度的 GenAI 暴露職業中；但研究同時強調，多數職業由許多仍需要人類投入的任務構成，因此工作轉型比整個職位被消滅更可能。
到了 2026 年，ILO 也特別提醒：AI exposure 指標是在估計「哪些任務可能被 AI 取代或重做」，不是直接預測某個職業最後會少掉多少人。這兩件事不能混在一起。
真正要看的，是「這份工作裡有多少種任務」
| 任務型態 | AI 目前較容易做到 | 人仍然比較重要的地方 |
|---|---|---|
| 整理與轉換 | 摘要、分類、改格式、找重點、初步比對 | 確認資料是否完整、來源是否可信、結論能不能採用 |
| 大量第一版 | 草稿、文案、程式碼初稿、題目、報表說明 | 決定目標、品質門檻、刪什麼、留什麼 |
| 規則明確的分析 | 依既定規則比較、找模式、提出候選答案 | 規則本身是否合理、例外怎麼處理、結果造成什麼影響 |
| 高度情境工作 | 提供建議與腳本 | 讀懂現場、判斷例外、處理多人關係與隱性訊號 |
| 高責任決策 | 整理證據、列方案、模擬後果 | 承擔法律、倫理、安全、公平與最後決定 |
所以，同一個職業裡可以同時存在「非常容易被 AI 重做」與「很難直接交給 AI」的工作。
AI 可以很快產生 CRUD、測試、文件與重構建議，但「到底要做哪個系統、需求彼此衝突時怎麼取捨、哪個風險要先擋、誰要為上線結果負責」不是同一種問題。老師、醫療、設計、業務、管理也一樣。
我會用這 5 個條件，判斷一份工作比較不容易被「整包替代」
需要看懂真實情境
資訊不完整、規則會變、每個客戶或個案不同，而且很多關鍵資訊不會完整寫在資料裡。這種工作很難只靠一個固定流程結束。
有人必須為結果負責
當結果牽涉安全、金錢、法律、評量、公平或人的權益時，「AI 建議的」通常不能成為責任終點。
結果取決於人願不願意跟你合作
談判、帶人、教學、顧問、照護、銷售與輔導，往往不是答案正確就夠了。對方是否信任你，會直接改變結果。
需要處理物理世界與突發狀況
設備、環境、人的反應、時程與現場例外會不斷改變。生成式 AI 可以提供建議，但真正執行仍需要現場能力；未來機器人進步也會改變這一塊，所以它不是永久護城河。
需要跨領域取捨，而不是只求唯一答案
真正困難的工作常常同時牽涉成本、風險、時間、品質、人際與長期後果。AI 可以列出選項，但取捨仍需要目標與價值判斷。
哪些工作「任務暴露」目前比較高？
ILO 目前的研究仍顯示，文書與高度數位化的認知工作暴露度較高。資料輸入、打字、會計記帳、行政秘書等文書職類仍在高暴露群；同時，隨著生成式 AI 對文字、圖像、影音與程式能力提升，一些金融分析、Web、多媒體、應用程式開發等專業技術職的部分任務暴露也上升。
ILO 2026 也提醒，高技能與高薪職類不一定暴露較低；商業、金融、運算、數學與教育等認知工作，同樣可能有不少任務受到影響。但這描述的是技術可介入的程度，不是直接預測失業人數。
這裡最容易誤會的一點是：
真正需要警覺的是：如果你的工作大部分價值都建立在「把已知資訊快速整理成標準答案」，那 AI 很可能會大幅壓縮這部分的時間與價格。
那什麼工作會成長？也不能只看 AI
世界經濟論壇《Future of Jobs Report 2025》估計，到 2030 年，宏觀趨勢可能創造約 1.7 億個職位，同時替代約 9,200 萬個職位，淨增加約 7,800 萬個。成長最快的職類裡有 AI、大數據、軟體與資安，也同時包含照護、教育、農業、配送等核心經濟工作。
同一份報告也提醒，企業需要的不會只有技術能力。分析思考、韌性、領導、協作等人類能力仍會是核心技能。
如果你現在很擔心自己的工作，先做這個 10 分鐘盤點
拿一張紙，把你最近一週真正做過的工作列出來，不要只寫職稱。
| 問題 | 你要找的訊號 |
|---|---|
| 1. 哪些事每週重複？ | 最適合先自動化、模板化、交給 AI 做第一版 |
| 2. 哪些事有明確輸入與輸出？ | 越標準化，越容易被工具重做 |
| 3. 哪些事出錯會有很大後果？ | 責任、查核與人類監督的重要性更高 |
| 4. 哪些事只有熟悉客戶／團隊／學生的人才看得懂？ | 這就是脈絡價值 |
| 5. 哪些事需要說服、協調、安撫、帶人？ | 信任與關係是工作結果的一部分 |
| 6. 哪些事你現在還在「手工做第一版」？ | 這通常是最應該立刻開始學 AI 的地方 |
比較實際的是：把自己從只會做第一版的人，往定義問題、整合脈絡、查核結果、做取捨、對結果負責的人移動。
那老師呢？
老師是一個很好的例子。AI 可以幫忙整理資料、產生題目、做教案初稿、改寫文字，但課堂裡的目標、脈絡、判斷、關係與責任不能因為有 AI 就消失。
如果你特別關心教師這個職業，我另外整理了一篇更完整的：AI 會取代老師嗎？教師真正不可外包的工作。
重點整理
- 不要把「AI 暴露度」直接當成「失業機率」。
- AI 最先重做的是任務，所以看工作內容比只看職稱更準。
- 標準化、數位化、可大量產生第一版的任務，受到的影響通常更快。
- 脈絡、責任、信任、現場與跨領域判斷，會提高人仍需參與的程度。
- 沒有哪份職業值得用「永遠不會被取代」來保證；比較好的策略是把自己的價值往第二輪判斷與結果責任移動。
常見問答 FAQ
真的有完全不會被 AI 取代的工作嗎？
我不建議這樣保證。AI、機器人、政策與工作流程都會持續變化。比較耐用的判斷方式，是看每份工作裡哪些任務可以被自動化，以及哪些脈絡、責任、關係與現場判斷仍需要人。
AI 暴露度高是不是代表一定會失業？
不是。暴露度通常衡量 AI 能處理某些任務的程度，不等於實際就業人數會按相同比例下降。ILO 明確提醒，暴露指標是可能轉型的訊號，不是就業結果預測。
白領工作是不是比勞力工作更危險？
生成式 AI 目前對高度數位化、文字與認知型任務的暴露較明顯，但實體工作也會受到機器人與自動化影響，不能只用白領／藍領二分法判斷。
現在最值得培養什麼能力？
除了 AI 工具能力，我會更重視問題定義、查核、分析思考、跨領域取捨、溝通協作、帶人與對結果負責。
如果我的工作很多事情 AI 都能做，我該怎麼辦？
先不要和 AI 比第一版速度。把重複工作交給工具，刻意往需求判斷、例外處理、品質查核、客戶／團隊脈絡與最後責任移動，通常比單純逃離原本職業更實際。
官方與權威參考來源
- International Labour Organization－Generative AI and jobs: A 2025 update
- International Labour Organization－Workers’ exposure to AI: What indicators tell us – and what they don’t（2026）
- World Economic Forum－Future of Jobs Report 2025
最後查核：2026/09/11。AI 能力、職業暴露指標與勞動市場預測都會變動；本文提供的是判斷框架，不是對任何個人職涯的保證。