Chip Insight 資料庫
#Future of Work
找到 6 篇文章
LLM 吃完文字，Physical AI 開始吃「人類動作」：下一波自動化會碰到誰的工作？
生成式 AI 主要學習文字、圖片與程式碼，Physical AI 則開始把抓取、搬運、組裝、行走與操作工具等人類動作轉成可訓練資料。這不代表人形機器人明天就會造成大規模失業，但它可能逐步改變倉儲、製造、物流、零售甚至服務業的工作內容，讓自動化從固定產線走向更複雜的真實世界。
當 AI 比你更有用，人還需要證明自己嗎？教育與工作制度正在撞上一個古老問題
幾千年來，人類文明幾乎都建立在同一條管線上：人的意圖，必須經過人的知識、技能與勞動，才能轉化為現實。蒸汽機放大肌肉，電腦放大計算，網路降低資訊傳輸成本，而今天的 Agentic AI 開始碰觸更古老的一層：規劃、執行、驗證與修正本身。如果「有用」不再是人類獨有的稀缺能力，建立在分數、技能、職位、薪資與生產力上的教育與工作制度，可能必須重新回答一個過去很少被迫正面處理的問題：人為什麼一定要有用？
當 AI 吃掉第一份工作：2026 年青年就業真正危險的，可能是職涯第一階正在消失
AI 對青年就業的第一波衝擊，可能不是突然出現大規模失業，而是企業開始減少最初階、最容易被自動化的工作。Stanford Digital Economy Lab 最新研究顯示，美國 22 至 25 歲、身處高度 AI 暴露職業的勞工，就業表現已比低暴露同齡族群落後約 19%，而差距主要來自招聘減少而非大量解僱。PwC 則發現，高 AI 暴露的 Entry-level 職缺正在快速「Senior 化」，企業開始要求剛入行的人同時具備判斷、溝通、創造力甚至領導能力。
AI 已經不是聊天機器人了：2026 年哪些產業真的把 LLM 塞進日常工作？
到了 2026 年，企業使用 AI 的問題已經逐漸從「員工有沒有在用 ChatGPT」變成「哪些工作流程已經沒有 AI 就跑不動」。從軟體工程的 Coding Agent、法律業的合約與判例分析、醫療現場的病歷與研究摘要，到銀行的數位員工、保險核保，以及半導體設計中的 RTL、驗證與除錯，LLM 與 Agentic AI 正開始成為企業工作流程的一層基礎設施。真正最先受到影響的，也不是單純的低技能工作，而是那些具有大量文字、規則、文件、搜尋、比較與重複判斷的高知識密度職業。
AI 還沒引爆全面失業潮，但年輕白領先承壓：Stanford 發現高 AI 曝險職業就業缺口擴大至 19%
生成式 AI 對勞動市場的影響正從預測走向可觀察的就業數據。Stanford Digital Economy Lab 最新研究分析 ADP 數百萬名美國勞工的薪資紀錄後發現，目前仍沒有證據顯示 AI 已造成全美經濟範圍的大規模工作流失，但 22 至 25 歲年輕工作者在高度暴露於 AI 的職業中，就業表現已明顯落後低 AI 曝險同齡族群，估計缺口由 2025 年的約 15% 擴大至 2026 年 6 月的約 19%。更值得注意的是，這種調整主要來自企業減少招聘年輕員工，而非大量解雇既有員工。Richmond Fed 同時發現，高 AI 曝險職業的失業者重新找到工作的速度下降得更加明顯。這些數據指向一種不同於傳統『AI 大裁員』的風險：AI 可能先從初階職缺與招聘入口改變白領勞動市場。
投履歷更快，找工作卻更難：AI 招募、幽靈職缺與海量申請正在侵蝕求職市場信任
2026 年的美國求職市場出現一個矛盾現象：科技讓投遞履歷變得前所未有地快速，但真正找到工作的過程反而更加漫長與令人疲憊。求職者可能先與 AI 聊天、接受 AI 面試，再被自動履歷篩選系統淘汰，甚至遇到企業根本沒有積極招募意圖的「幽靈職缺」。與此同時，一鍵投遞與 AI 自動申請又讓每個職缺收到的履歷暴增，迫使企業部署更多自動化工具。結果形成一個惡性循環：求職者大量投遞，企業大量過濾，雙方都愈來愈不相信對方。