admin
會用AI已經不夠了？基礎AI技能需求下滑25%，企業更想找能把AI做進工作流程的人
2026年AI人才市場正在出現新的分水嶺。Workday分析550多家使用其Recruiting系統的雇主後發現，simple prompting等基礎AI技能需求自2026年1月高點下滑25%，但建立AI工具、工作流程自動化與AI工程等實作能力，2025年9月至2026年7月反而增加51%。這並不代表企業不需要AI，而是單純「會用聊天工具」正在快速變成基礎能力。下一階段真正拉開差距的，可能是能理解業務、資料、流程、風險，再把AI真正接進公司營運的人。
「基礎AI技能需求下降25%」是真的，但不能解讀成AI人才退燒
這個25%的數字，來自Workday於2026年10月公布的Global Workforce Report。
Workday分析550多家使用Workday Recruiting的企業職缺技能資料後發現，simple prompting等基礎AI技能需求在2025年持續增加，2026年1月達到高點後，接下來數月下降25%。
但同一份資料裡：
建立AI工具＋工作流程自動化＋AI工程
需求反而增加51%
這個51%的比較期間是2025年9月至2026年7月。
所以更精確的解讀不是「AI技能沒用了」，而是企業開始把不同層級的AI能力分開看。
| AI能力層級 | 典型能力 | 企業看到的價值 | 下一步 |
|---|---|---|---|
| 基礎使用 | Prompt、摘要、翻譯、改寫 | 逐漸接近基礎數位能力 | 學會驗證與情境應用 |
| 專業協作 | AI＋財務、SEO、法律、程式、客服 | 提高既有專業生產力 | 理解業務與資料 |
| 流程整合 | API、自動化、Agent、知識庫、CRM整合 | 直接改變工作方式 | 建立可量化流程 |
| 治理與規模化 | 權限、評估、成本、安全、Human-in-the-loop | 讓AI真正能安全進企業 | 承擔結果與風險 |
會用ChatGPT可能很快就跟「會用Google」一樣，重要但不再稀缺
生成式AI剛進入職場時，會使用ChatGPT、Claude、Gemini，本身就是區隔。
因為很多同事甚至不知道：
- AI可以整理長文件
- AI可以協助寫程式
- AI可以分析資料
- AI可以做研究摘要
- AI可以協助建立工作初稿
但當工具普及之後，「知道怎麼開ChatGPT」的稀缺性自然會下降。
就像現在不會有人因為履歷寫著「熟悉Google搜尋」就直接得到高薪工作，但幾乎所有知識工作者又確實需要搜尋能力。
Prompt Engineering沒有消失，但「很會寫Prompt」已經不再等於完整AI能力
早期大型語言模型比較容易受到指令格式影響。
因此網路上大量出現：
- Prompt大全
- 角色提示詞
- 萬用框架
- 提示工程課程
- Prompt Engineer職涯預測
但模型本身正在變得更擅長理解自然語言、拆解任務、使用工具與規劃步驟。
這代表提示能力依然重要，但真正的問題逐漸從「我要怎麼寫出一個很漂亮的Prompt」，變成「我要設計什麼結果、什麼流程，以及怎麼判斷它做對了沒有」。
為什麼Workflow開始比Prompt更重要？因為真實工作很少只有「問一次、答一次」
公司真正的工作通常長這樣：
收到資料
↓
判斷類型
↓
查詢其他系統
↓
執行動作
↓
人工審核
↓
更新紀錄
↓
通知下一個人
如果AI只是幫其中一名員工把一句Email改漂亮，企業得到的是個人生產力。
但如果AI可以進入整條流程：
AI就從「工具」
變成「工作系統的一部分」
這也是為什麼Workday資料中，工作流程自動化、AI工具建置與AI工程需求反而持續增加。
AI Agent正在改變的是「AI會不會自己往下一步走」
傳統聊天式AI主要是：
人問問題
↓
AI回答
↓
人再決定下一步
Agent型系統則更強調多步驟任務、工具使用與流程執行。
例如客服Agent可能：
讀取客訴
↓
查訂單
↓
查公司政策
↓
判斷能否退款
↓
產生處理建議
↓
高風險案件交給真人
這類AI工作更需要流程設計、工具串接、權限、錯誤處理與Human-in-the-loop，而不是只有一句漂亮Prompt。
下一波真正稀缺的可能不是「AI人才」，而是AI＋會計、AI＋SEO、AI＋法律
假設兩個人都很熟生成式AI。
第一個人知道大量Prompt技巧。
第二個人除了AI，還熟悉：
- 會計流程
- ERP
- 對帳
- 內部控制
- 財務資料
- 公司權限與稽核需求
如果公司要做AI財務自動化，真正需要的往往是第二種人。
AI越普及，「知道怎麼使用AI」越容易被複製；真正難複製的是產業知識、判斷能力、流程經驗，以及知道AI應該放在哪裡。
客服、行銷、財務真正的AI導入，都不是「多開一個ChatGPT帳號」
客服
AI客服真正有價值的地方，不只是替客服人員寫一段比較客氣的文字。
而可能是：
訊息分類 → 查訂單 → 查知識庫 → 產生草稿 → 風險判斷 → 真人接手 → CRM紀錄
行銷
任何人都可以要求AI生成10篇文案後，真正稀缺的就不再是文字產量。
而是知道：
- 哪一個客群值得投放
- 哪一個關鍵字值得做
- 什麼內容符合品牌定位
- 哪些流量真的轉換
- AI內容是否需要人工查證與修正
財務與行政
AI可以協助分類發票、整理文件、比對異常、產生報表摘要，但真正進入財務流程之後，就必須處理資料正確性、存取權限、稽核紀錄與錯誤責任，這已經不是一個Prompt可以解決的問題。
AI會寫程式，所以工程師要消失了嗎？2026年的職缺資料反而顯示事情更複雜
AI寫程式的能力確實快速提升。
但Indeed Hiring Lab分析美國市場發現，自2025年2月至2026年的研究期間，軟體開發職缺反而出現回升。
更值得注意的是，2025年5月至2026年5月軟體開發職缺增加量中：
- 71%來自Senior職缺
- 37%來自職稱直接包含AI的職缺
兩者存在重疊，因此不能直接相加。
這組資料至少提醒一件事：AI未必只是在消滅工程工作，也可能讓需求更加集中在能處理架構、系統整合、AI工具與複雜產品問題的資深人才身上。
AI做得越多，「驗證AI」反而可能越值錢
AI最大的問題之一，是錯誤結果不一定看起來像錯誤。
它可以生成非常完整的：
- 法律文件
- 財務分析
- 程式碼
- 研究摘要
- 行銷策略
- 醫療資訊
問題是，如果關鍵假設錯了，整份內容仍可能非常像真的。
微軟2026 Work Trend Index調查AI使用者時，受訪者認為AI承擔更多工作後，變得更加重要的人類能力前三面向中，品質控制與批判思考尤其突出：
- 50%認為AI輸出的品質控制更加重要
- 46%認為批判思考更加重要
- 86%表示會把AI輸出視為起點，而不是最終答案
未來人類最重要的20%工作
可能反而是最不能做錯的那20%
初階白領工作值得注意，因為AI最擅長的剛好是很多新人以前用來練功的工作
很多職業的新人工作，本來就是：
- 找資料
- 整理資料
- 做摘要
- 翻譯
- 寫初稿
- 整理會議紀錄
- 製作基本報表
- 撰寫重複性程式碼
這些也正是生成式AI目前最容易協助的工作。
所以真正值得研究的問題可能不是：
「AI會不會一次消滅所有白領工作？」
而是：
「如果公司少招新人，新人未來要從哪裡取得變成資深員工所需的經驗？」
Indeed目前的美國軟體職缺資料確實顯示近期職缺回升較偏向資深與AI相關角色，但這仍不足以證明所有產業都會出現相同的新人斷層，因此應視為值得觀察的職涯結構問題，而不是已經確定的全面趨勢。
未來履歷只寫「熟悉ChatGPT」可能不夠，企業更想知道你到底改善了什麼
比較弱的寫法可能是：
熟悉ChatGPT、Gemini與生成式AI工具
更有價值的描述會開始變成：
- 利用AI將每週報表製作時間由6小時降至1小時
- 建立客服訊息自動分類與摘要流程
- 串接CRM與AI產生業務會議摘要
- 建立內部文件AI知識庫搜尋流程
- 將內容審核流程加入來源查證與人工批准
- 建立AI自動化後，持續追蹤錯誤率與人工處理比例
差別在於前者證明「你用過AI」，後者證明「你能用AI改變工作結果」。
一般上班族現在真正該學什麼？可以從5個層次往上走
第一層：AI基本使用
知道模型能做什麼、不能做什麼，懂得描述需求、提供背景、要求格式並檢查結果。
第二層：拆自己的工作流程
找出每天哪些工作最重複、哪些有規則、哪些需要查資料、哪些一定要人判斷。
第三層：工具串接與自動化
了解表單、試算表、Email、CRM、API、自動化平台、資料庫與AI模型怎麼彼此交換資料。
第四層：資料能力
AI最終一定要吃資料。資料名稱不一致、權限混亂、來源不清楚，再強的AI也很難穩定工作。
第五層：驗證與風險治理
知道什麼資料不能放進AI、哪些結果一定要人工批准、哪些錯誤需要被記錄，以及系統做錯時誰負責。
企業導入AI最大的陷阱，可能是「買了工具，卻沒有重新設計工作」
很多公司第一階段AI導入都是：
買企業帳號
↓
辦AI教育訓練
↓
鼓勵員工使用
↓
希望生產力自然提高
但真正成熟的AI導入，問題應該反過來問：
- 哪一個流程現在最浪費時間？
- 哪一段工作規則最明確、最適合自動化？
- AI需要讀取哪些資料？
- 哪些步驟可能造成法律、財務或品牌風險？
- 什麼情況一定要交給真人？
- 怎麼衡量節省時間、錯誤率與成本？
- 如果模型或流程失敗，有沒有備援方式？
微軟2026 Work Trend Index也把這種變化形容為重新設計工作本身：先決定哪些事情交給AI、哪些事情由人負責，再重新安排整個營運模式。
所以AI導入最後是一個管理問題、流程問題與組織設計問題，不只是IT部門的採購案。
已知事實、延伸分析與目前不能直接下結論的地方
目前已確認
- Workday分析550多家雇主的Recruiting職缺資料
- 基礎AI技能需求在2026年1月高點後下降25%
- AI工具建置、工作流程自動化與AI工程相關技能在2025年9月至2026年7月增加51%
- Workday調查中，40%企業領導者預期AI主要用於提高既有人員產出
- 同一調查只有28%領導者預期AI主要用於減少員工人數
- 微軟2026調查中，86%AI使用者表示會把AI輸出當成起點而不是最終答案
- 50%受訪AI使用者認為品質控制的重要性上升
- 46%認為批判思考的重要性上升
- Indeed美國軟體職缺近期回升主要集中於資深與AI相關職缺
25%不能被怎麼解讀？
最重要的是，Workday的25%不能直接寫成：
「全球企業AI技能需求下降25%」
因為這是特定雇主樣本、特定技能分類與特定期間的結果。
其他資料集甚至可以得到不同方向。
LinkedIn 2026勞動市場報告就指出，美國職缺中要求AI literacy能力的職位年增約70%。
這並不一定和Workday矛盾，因為「AI literacy」的技能定義、資料來源、觀察時間與企業樣本都不同。真正一致的訊號反而是：AI正在進入更多工作，而單純會操作工具與能把AI實際整合進專業工作的價值開始分化。
目前仍不能直接證明
- AI已造成所有初階白領職缺全面下降
- Prompt Engineering已經沒有價值
- 所有公司未來都會減少新人招聘
- AI工程師一定會比所有其他職種更高薪
- 會使用AI Agent就一定能提高企業生產力
- 工作流程自動化一定會直接造成裁員
- 所有產業都會以完全相同速度受到AI影響
結論：AI時代真正搶手的，不一定是最會問AI的人，而是最知道AI該在哪裡工作的人
第一波生成式AI浪潮，大家都在學：
怎麼問AI？
下一階段企業更可能開始問：
哪個流程值得AI做？
↓
AI需要哪些資料？
↓
怎麼串進現有系統？
↓
做錯怎麼發現？
↓
哪裡一定要真人批准？
↓
最後到底省了多少時間與成本？
所以Workday看到的「基礎AI技能下降25%」，更像是一個AI成熟化訊號，而不是AI退燒訊號。
當越來越多人都能叫AI寫Email、摘要文件、整理資料、生成程式碼，真正能拉開差距的就不再只是「會使用」。
真正稀缺的能力
是懂一個專業
再知道怎麼把AI放進那個專業的工作流程
未來履歷上最有價值的AI能力，也可能不再是「熟悉ChatGPT」，而是能證明自己曾經利用AI重新設計一個真實流程，降低時間、降低錯誤、提高品質，並且知道最後的結果為什麼值得信任。
AI技能、AI工作與未來職場常見問題 FAQ
資料來源與查核基礎
- Workday，2026 Global Workforce Report
- Workday，2026年10月全球勞動力與AI技能需求資料
- Microsoft，2026 Work Trend Index Annual Report
- Indeed Hiring Lab，2026年AI與軟體開發職缺分析
- LinkedIn Economic Graph，2026 Labor Market Report
- Lightcast，2026 Agentic AI職缺與技能市場分析
