法拉利設計師至今仍從鉛筆開始
AI 取代了雜務，新人學習工作的階梯也消失了
引言
各位讀者，曾為法拉利和標致設計車輛的義大利工作室賓尼法利納（Pininfarina），有一條適用於新進設計師的規定：構思新車時，必須從鉛筆開始。在 AI 能一次產出 200 張渲染圖的時代，為什麼還要堅持手繪草圖呢？
本週《金融時報》給出了這個問題一個有趣的解答：AI 並非在剷除新人的工作，而是在改變新人學習工作的方式本身。先說結論——目前全球企業正在進行的，不是重新啟動新人招聘，而是重新搭建「學習階梯」的工程。而韓國，是這個工程最迫切的市場之一。
斷裂的階梯，回來的招聘
讓我們把時鐘撥回 2023 年。哈佛商學院研究團隊針對 758 名波士頓顧問集團（BCG）顧問進行了一項實驗，使用 GPT-4 的組別在 18 項標準化任務中，以快 25.1% 的速度多完成了 12.2% 的工作。但在 AI 能力邊界之外的複雜管理任務中，給出正確答案的機率反而低了 19%。研究團隊將這種參差不齊的邊界稱為「鋸齒狀前沿」（Jagged Frontier），而這裡真正重要的是：AI 最擅長的那類工作，恰恰是原本交給新人的工作。
數據也證實了這一點。史丹佛數位經濟實驗室 Brynjolfsson 研究團隊發表的「煤礦中的加那利雀」論文指出，生成式 AI 普及之後，AI 暴露度高的職類中 22~25 歲的就業相對下降了約 13%。而同一職類中資深員工的就業卻相當穩定。借用 Brynjolfsson 的說法，「年輕員工所掌握的知識與 LLM 能取代的重疊了」。
但今年以來，趨勢開始轉變。美國大學就業協會（NACE）的2026 年春招展望顯示，企業表示今年將增加 5.6% 的大學畢業新人招聘。考慮到僅半年前的調查中同一數字為負 2.4%，方向已經反轉了。不過回應企業僅 185 家，樣本不算大，且增量集中在 5,000 名以上員工的大型企業（8.7%）。
更有趣的是 Ramp 和 Revelio Labs 將美國 21,000 多家企業的支出與人力數據連結分析後的結果：對 AI 最積極投資的企業，在導入後兩年內將就業增加了約 10%，新人招聘更是增加了 12%。這意味著 AI 使用最多的公司，新人招聘也最多。當然，這並非 AI 創造了工作的證據，更合理的解讀是：能大規模投資 AI 的優秀公司，本身就會大量招人。研究團隊也附上了相同的限定說明。
LinkedIn 的 Anish Raman 這樣總結了這個變化：「我們開始看到新人的工作從雜務（grunt work）轉向真正的工作（real work）的信號。」不是招聘回來了，而是新的工作崗位正在誕生。
雜務其實是學費
這裡需要釐清一點。我們所稱的雜務——整理會議紀錄、研究初稿、合約審閱、圖面修訂——並非單純的瑣碎雜事，而是用身體去習得組織「隱性知識」1的學費。在資深員工身邊做雜務，學習「這個組織為什麼這樣判斷」，這就是師徒制模型的核心。
AI 把這個繳納學費的窗口給取消了。問題是，企業開始要求先拿到畢業證，卻不給上課。PwC 分析了 27 個國家超過 10 億則招聘廣告的2026 年 AI 就業晴雨表顯示，要求資深能力的「資深化」新人招聘廣告自 2019 年以來增加了 35%，而沒有這種要求的新人招聘廣告則減少了 10%。在 AI 暴露度高的職類中，新人招聘廣告中新出現的能力要求有 52% 原本是對資深員工的要求；在 AI 暴露度低的職類中，這個數字僅為 7%。
把學習的階梯收起來，卻要求階梯頂端能力的悖論。這個落差在教育現場也能看到。Pearson 和 AWS 對 6 個國家 2,700 人進行調查的AI 就緒度報告顯示，78% 的大學領導者認為畢業生能滿足企業期望，但 53% 的企業表示很難找到具備 AI 能力的畢業生。自認具備高水平 AI 實務能力的畢業生僅有 14%。
紐約大學的 Gary Marcus 在此增添了一項憂慮：依賴 AI 成長的新人無法培養批判性思考，最終也無法具備辨識 AI 錯誤的能力。
賓尼法利納的鉛筆規則在此再次登場。上海工作室的首席設計師 Daniel Lee 這樣描述了 AI 渲染的問題：以前比例不對，從線條上就能立刻看出；現在華麗的色彩和背景反而掩蓋了錯誤。所以內燃機車的渲染圖中，散熱器通風口整個消失，連最基本的細節都會遺漏。堅持用鉛筆不是浪漫，而是在一個錯誤清晰可見的環境中，刻意鍛鍊基本功的訓練設計。
重建階梯的三種方式
領先企業的應對大致可歸納為三個方向。
第一，將 AI 作為訓練者而非替代者。德國 DHL 用官方手冊訓練 AI，同時讓即將退休的資深員工補充和修正這些知識——這是在把即將消失的隱性知識轉化為組織的共享資產。顧問公司 Cognizant 建置了引導新人的 AI「馬具」（Harness），CEO Ravi Kumar 將此比喻為蘊含數百萬駕駛者經驗的自動駕駛系統。以前是走過走廊、耳濡目染學到的，現在由系統來傳承。
第二，重新定義中階管理者的角色。Kumar 認為原本負責衡量和協調的中階管理者，應該成為直接培養新人的「球員教練」（Player Coach）。而法律 AI 企業 Luminance 的 CEO 提出了更激進的預測：只留下理解 AI 的初級員工和因 AI 提升生產力的資深員工，中間層可能完全消失。無論哪種情況，中階管理者以現狀原封不動地存活下來的劇本都不存在。
第三，恢復面對面協作。工程顧問公司 Arup 的數據顯示，新人成長的 70% 來自實務、20% 來自同事、僅 10% 來自正式教育。札哈・哈帝德建築事務所的 Niels Fisher 更進一步指出，摧毀初級員工軟技能的，可能不是 AI 而是遠端辦公。這是 AI 時代的悖論——技術越進步，企業越要把人重新聚到同一個空間。
韓國的階梯先斷了
將這個全球趨勢套用到韓國，會發現一個令人不安的事實：韓國是在 AI 到來之前就已經踢翻階梯的市場。
大型企業從定期公開招聘轉為隨時招聘已經好幾年，填補這個空缺的是「二手新人」。根據Incruit 的調查，去年大學畢業新進員工中，28.9% 是有經驗的「二手新人」，較 2023 年的 25.7% 上升了 3.2 個百分點。人事主管認為新人應徵的底線是 3.1 年經驗，而尚未入職的新人求職者中，73.8% 表示未來有意以「二手新人」身分應徵。
拆解結構來看：如果全球企業正在公司內部重建學習階梯，韓國企業一直把階梯的成本轉嫁給個人——他們在找的是已經在別處完成訓練的成品。這個模式一旦所有人都這樣做就會崩潰，因為如果沒有人願意成為第一份工作，三年後要聘請的資深員工也就不存在了。再加上 AI 開始取代新人的工作，個人能自行繳納學費的地方會更少。
所以我認為這篇 FT 文章對韓國企業來說，與其說是趨勢介紹，不如說是警告。像 AI 訓練者、球員教練、面對面協作設計這樣的實驗，不是可選項目，而是「二手新人」模式走到盡頭時唯一的保險。
Oswald 的視角
在做 GTM 策略和組織設計顧問時，我經常參與招聘計畫的討論。每次看到「暫時不招新人」這個決定在會議室裡被輕易做出，都感到驚訝。這個決定的實際意義是：我們組織未來的資深員工，要從市場上進口。問題是，如果所有公司都做出同樣的決定，市場上就不存在可以進口的資深員工了，而韓國已經站在這個起點上了。
這篇文章中我認為最重要的句子是另一句，是 LinkedIn 的 Raman 說的：「新人的工作，預示了所有工作將去的方向。」現在發生在新人身上的事——也就是重複性工作被 AI 接手、人轉向判斷、驗證和協調的變化——是幾年內所有職級都會發生的事情的預告片。解決新人融入問題的公司，其實就是最先解決 AI 時代組織設計問題的公司。
所以實務上的建議只有一個：在討論是否招聘新人之前，先列出我們組織中雜務所承擔的教育功能清單。那個清單就是 AI 時代組織需要刻意重新設計的學習系統的使用說明書。
結語
今天的內容用三句話總結：AI 先消滅的不是新人的工作，而是新人學習的方式；領先企業正以 AI 訓練者、球員教練、面對面協作重建那條階梯；而長期依賴「二手新人」的韓國，是最迫切需要重新設計的市場。
在你們的組織中，新人最先學到的是什麼？如果 AI 導入後那項工作消失了，我很好奇現在是什麼在填補那個空缺。作為新人正在經歷的您的經驗，或是從培養新人角度的困擾，都很歡迎。歡迎在留言中分享，我會在下期參考。
💬 歡迎在留言中分享你們組織「消失的雜務」和那個空缺的故事。我會在下期參考。 📨 如果有正在為新人招聘煩惱的同事或主管，請分享這篇文章。
參考資料 & 延伸閱讀
核心來源
- Brynjolfsson, E., Chandar, B., & Chen, R., “Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence”, Stanford Digital Economy Lab, 2025. (PDF 原文) ··· 實證 22~25 歲 AI 高暴露職類就業下降的論文。是本文出發點的數據，如果只讀一篇，推薦這篇。
- PwC, “Two Futures for Jobs in an AI Era: 2026 Global AI Jobs Barometer”, 2026. (完整報告 PDF) ··· 以 10 億則招聘廣告呈現新人招聘的「資深化」趨勢。如果是負責設計招聘廣告的人，特別值得一看。
- Ramp Economics Lab & Revelio Labs, “A New Look at AI’s Impact on Jobs”, 2026. (Revelio Labs 解讀) ··· AI 高投資企業反而多招新人的反直覺發現。需連同研究團隊「並非因果關係」的限定說明一起閱讀，才能避免誤解。
- Dell’Acqua, F. et al., “Navigating the Jagged Technological Frontier”, Harvard Business School Working Paper No. 24-013, 2023. ··· BCG 758 名顧問實驗的原文。「鋸齒狀前沿」概念的出處，描述 AI 擅長與不擅長的工作之間的邊界參差不齊。
- NACE, “Employers Expect to Hire 5.6% More New College Graduates This Year”, 2026. ··· 美國大學畢業生招聘展望在半年內反轉的調查。請注意樣本僅 185 家企業。
- Financial Times, “AI isn’t destroying entry-level jobs. It’s changing them”, 2026. ··· 本文的素材文章。詳細收錄了賓尼法利納、DHL、Cognizant 的案例。（FT 訂閱者專用）
背景知識
- Pearson & AWS, “AI Readiness: Building the Bridge from Higher Education to Work”, 2026. ··· 以 6 個國家的數據呈現大學（78%）與企業（53%）之間的認知落差。如果從事教育工作，框架部分會很有用。
- Incruit, “二手新人增加……61% 上班族「放棄經驗以新人身分應徵」”, 2025. ··· 本文韓國章節數據的來源。
각주
-
隱性知識（tacit knowledge）：無法用文件或手冊整理、只能透過經驗傳承的知識。可以想像成「對這個客戶要這樣說話」這類用身體學到的訣竅。 ↩
