美國的 AI 裁員新聞越來越密。Challenger, Gray & Christmas 統計，美國企業 2026 上半年宣布裁員逾 44 萬人，其中約 23% 把 AI 列為原因，光 6 月就有三成、連續四個月是裁員首因；科技業更逆勢，上半年裁掉約 13.9 萬人，比去年同期多了八成。最有份量的一筆是甲骨文：它一年內把全球員工從約 16.2 萬砍到 14.1 萬，還把「導入 AI 導致人力縮減」直接寫進給美國證交會的申報文件。
但如果你人在台灣，先別急著把這套故事套到自己身上。台灣目前的實況幾乎相反：2025 年平均失業率 3.35%，是近 25 年最低；AI 相關職缺一年還成長 38%。104 人力銀行人資長鍾文雄直接說，台灣「尚未出現明顯裁撤潮」，企業反而在徵才時多加了一條「會不會用 AI」。
所以對台灣上班族，真正該擔心的，不是哪天職稱被 AI 取代。已經在發生的，是一個更安靜的分化：會用 AI 的人正被加薪、被搶著要，不會用的被慢慢篩掉。這篇的重點只有一個：與其跟著美國新聞焦慮，不如盤點自己每週的工作，讓自己站到用 AI 的那一邊。
美國在裁員，台灣在搶人：兩個故事別混為一談
先看美國這邊，AI 的角色到底有多真。除了甲骨文把 AI 寫進 SEC 文件，微軟 7 月 6 日裁掉約 4,800 人（約全球員工 2.1%）時的說法也很值得玩味：它一方面強調「這些被裁的職位不是被 AI 取代」，另一方面又承認「AI 正在改變工作怎麼完成」，而且同一年還把四千多名員工轉調到新職務。也就是說，就算是最直接受惠於 AI 的公司，裁員也不是單純機器換掉人，而是工作被重新拆分、人被重新安排。
再看台灣。104 的數據裡，2025 年 11 月 AI 相關職缺達 9.9 萬個，一年增加 38%；有 75% 的企業願意為具備 AI 技能的人加薪，平均加幅 9.5% 以上。萬寶華（ManpowerGroup）的調查顯示，2026 年第一季台灣整體就業展望淨值 +22%；該公司的人才短缺調查也指出，逾七成台灣雇主找不到適合的人才，最缺的正是資訊與數據、工程這些技能。台灣不是在裁這些人，是在搶這些人。
當然，這不代表台灣可以一直免疫。美國 Indeed 的分析把軟體開發列為最受 AI 衝擊的技能領域。但那是美國的情況；在台灣，這類工程人才目前反而還是缺口，不是裁員名單。所以真正要盯的，是自己有沒有跟上工具，職稱會不會消失反而是後面的事。
台灣真正的風險，是兩道正在拉開的差距
第一道是世代與使用習慣的落差。104 調查顯示，1990 年後出生的在職者有 80% 用過生成式 AI，七年級 54%、六年級 38%，到了四、五年級只剩 22%。這條線很現實：同一個辦公室、同樣的職務，年輕同事已經用 AI 把一份報表壓成十分鐘，資深同事還在手動跑兩小時。差距不會寫進裁員名單，卻會寫進考績、加薪，以及下一個重要專案交給誰。
第二道是「人準備好了，公司還沒」。微軟《2026 工作趨勢指數》發現，台灣的前瞻型工作者占 22%，高於全球的 16%；但只有 17% 的台灣員工認為公司領導層有清晰的 AI 策略，全球是 26%。台灣微軟總經理卞志祥講得很白：「企業並非缺少 AI 人才，而是組織文化仍在追趕科技發展。」
這第二道差距，反而決定了你該怎麼做。如果公司暫時不會給你 AI 策略、不會幫你認證能力，那你更該自己動手、自己留證據。因為當公司終於要重新分配人力時，能被看見的，是那些手上有具體成果的人。
怎麼應對：盤點任務，站到用 AI 的那一邊
看完數據，最實際的第一步，是拿最近一週的工作攤開來看，而不是急著猜自己會不會被裁。
大部分人的工作其實混了兩種東西。一種是每天重複的產出：回覆制式客訴、整理會議紀錄、改初稿、更新報表。另一種是需要你判斷的部分：排優先順序、處理難搞的客戶、跟別的部門喬事情、扛最後的結果。AI 現在能接手的，主要是前面那種重複產出；後面那種判斷和協調，它還接不動。
把它做細一點，可以照下面四類，把自己一週的工作歸位，順便想好每一類先動哪一步。
| 任務類型 | 常見的例子 | 先做什麼 |
|---|---|---|
| 可重複的產出 | 會議紀錄、制式客訴回覆、資料彙整、初稿 | 挑一件低風險的交給 AI 做第一版，你負責確認 |
| 高風險的輸出 | 報價、合約條款、資安通知、對客戶的承諾 | 先別全自動，寫清楚誰能核准、哪些資料不能貼進工具 |
| 判斷與協調 | 排優先順序、跨部門取捨、處理客訴、帶人 | 把判斷依據整理成範例，讓 AI 幫你彙整，但別替你決定 |
| 拿得出成果的能力 | 自動化了流程、做出分析、寫了內部教學 | 留成紀錄或作品，證明你能把工具變成成果 |
盤點完，重點就一句話：把可重複的那一格，真的交給 AI 做一次。如果你連手邊有哪些工具能用都還不確定，先看 免費 AI 工具推薦 挑一個上手，再用 AI 工具怎麼選 依任務和資料風險分流。
這裡也講一句多數文章不敢講的話：別急著砸錢去考一堆 AI 證照，或因為一則美國新聞就衝動離職進修。順序應該倒過來，先讓一件真實的重複工作被你用 AI 交出去、留下前後對照，再決定要不要投資更貴的課程。真要系統性進修，台灣其實有便宜的路：勞動部勞動力發展署近兩年開了近 1,200 班 AI 跨域訓練、平均就業率逾八成；15 到 29 歲的青年還能透過「產業新尖兵計畫」拿到最高約 20 萬元的課程補助與獎勵金。先用補助資源試水溫，比自費追證照划算。
員工和主管，該做的不一樣
如果你是員工，這週就挑一件每天或每週都在做的重複工作，實際交給 AI 跑一次：把客訴分成三類、把會議錄音變成待辦、把一堆報表數字濃縮成主管三秒看懂的摘要。做完留下紀錄，記下以前花多久、AI 做了哪一段、你改了什麼、錯誤怎麼被抓到。在台灣這一步特別重要，既然多數公司還沒有清楚的 AI 策略，能證明你會用 AI 的，就只有你自己留下的成果。
如果你是主管，微軟那個「轉型悖論」講的就是你：員工其實準備好了，缺的是組織給的方向。與其再辦一堂上完就忘的課，不如挑一條真實的任務線，例如客服回覆、銷售提案或採購比價，把它拆清楚：誰負責、能用哪些資料、哪些內容禁止貼進工具、最後誰把關、怎樣算做成。中小團隊想要更完整的做法，可以參考 中小企業用 AI：先跑一條任務線。想看更大範圍的任務影響數據，Anthropic 經濟指數 和 OpenAI 的 EU AI 工作轉型報告 可以當背景。
常見問題
台灣真的有 AI 裁員潮嗎？
目前查不到可靠數據支持。台灣 2025 年失業率 3.35% 創 25 年新低，AI 職缺還在成長，主計總處也沒有把失業歸因於 AI。美國那種「把 AI 寫進裁員理由」的情況，在台灣還沒成為主流。與其擔心裁員潮，先確定自己沒被卡在「不會用 AI」那一邊，比較實在。
我四十幾歲、又不是理工背景，還來得及嗎？
來得及，而且門檻比你想的低。104 的數據顯示，2026 年應徵 AI 職缺的新鮮人裡，有 62% 不限科系，投得最多的反而是商管背景。你要補的不是寫程式，是把 AI 用進自己本來就熟的工作。先從一個每天在做的任務開始，比從頭學一門技術實際得多。
要不要現在就離職去進修 AI？
多數情況不用。先在現在的工作裡用 AI 解決一個真實問題、留下成果，再評估要不要花更多錢和時間。真要進修，先看勞動部補助的課程和「產業新尖兵計畫」，別一開始就自費追高價證照。
參考來源
- Challenger, Gray & Christmas：June 2026 Job Cuts Report（AI 連四月為裁員首因）
- CNBC：Oracle to cut about 21,000 jobs, cites AI
- Microsoft：The latest in our company transformation
- TechCrunch：Every major tech layoff in 2026 that has name-checked AI
- 中央社：2025 全年失業率 3.35%，25 年最低
- 鉅亨網：104 調查，AI 職缺一年增 38%、具 AI 技能加薪 9.5%
- 城市學／遠見：104 各世代生成式 AI 使用率調查
- MakerPRO：微軟 2026 工作趨勢指數（台灣轉型悖論、22%／17%）
- 經濟日報：萬寶華 2026 年第一季台灣就業展望 +22%
- 勞動部勞動力發展署：AI 跨域人才訓練
- 勞動部：產業新尖兵計畫（青年最高約 20 萬補助）