麥肯錫：美國40%工作會在10年內消失、18-34歲族群超過1,400萬受衝擊|數位時代 BusinessNext

麥肯錫：美國40%工作會在10年內消失、18-34歲族群超過1,400萬受衝擊

麥肯錫報告指出，美國在未來10年內將會有4成工作消失，被AI、自動化給取代，其中受到衝擊的年輕人（18-34歲）有1,470萬之多。

近幾年大學畢業生人數不斷創新高，幾乎每年都被媒體稱為「史上最難就業季」，家長們從大學填志願時就開始為給孩子選一個就業前景好的專業而操心，可隨著自動化的潮流來到，未來年輕人的就業也許會更難。

根據麥肯錫全球研究院的一份報告，美國有40%的工作職缺在未來10年可能會因為自動化而消失，這部份職缺的工人年齡主要在18到34歲之間，人數有1,470萬人之多，自動化浪潮下衝擊下年輕人受到的影響或許最大。

報告顯示面臨失業的近1,500萬年輕人中，有三分之二會發生在食品、飯店和零售行業，美國的服務生、飯店接待員、速食店員工等職缺中超過一半的從業人員為34歲以下的年輕人。另外三分之一則是白領職業，會計、財務、人力資源和行政管理的初級職位首當其衝。

在法律行業AI已經可以處理一些法律文件的初步審查工作，效率比人類律師更高。去年法律AI平台LawGeex和多家大學法學院舉辦了一個審讀法律文件的比賽，結果AI 26秒就能處理5份協議，而律師平均耗時92分鐘，而且AI的準確率還比律師高出10%。

雖然AI取代大量工作職缺的可能性被討論了很久，但目前大部分人都沒有太大感知。自動化的到來真有這麼可怕嗎？MIT-IBM沃森人工智慧實驗室（MIT-IBM Watson AI Lab）最近的一份報告則給出了一個不那麼悲觀的預測。

IBM首席經濟學家Martin Fleming認為機器人會取代大量工作職缺的擔憂並沒有數據支撐，「完全是胡說八道。」MIT-IBM Watson AI Lab的報告指出，自動化革命並不意味著是用物理機器人代替工作，更大的挑戰反而是來自AI演算法。

儘管我們不會丟掉所有工作，但由於人工智慧和機器學習的介入，很多職缺的工作方式將發生改變。

研究人員透過機器學習分析在2010-2017年間美國招聘的1.7億個職位，發現過去7年間需要人工的工作數量確實有所下降，但下降的趨勢並不明顯，不過這些消失的職缺的確大都由AI系統來取代了。

AI一方面提高了一些重複性工作的效率，另一方面也要求工人掌握更多機器無法做到事情，尤其是需要創造力、嘗試和判斷力等「軟技能」的工作。比如在銷售工作中，演算法能更快地為產品制定合適的價格，而人類可以將更多精力放在與管理客戶或者行銷上。

研究指出，那些需要智力技能和分析的工作未來的薪水會增長更快，比如設計、商業金融等領域，AI還無法取代。同時一些需要身體靈活性、常識判斷力或語言表達能力的工作會變得更有價值，比如家庭護理、髮型師和健身教練等職業。

儘管麥肯錫和MIT-IBM Watson AI Lab的兩份報告的結論不太一樣，但都提出了同一個問題，為了適應自動化帶來的變化，職場人士需要學會和AI分工合作，現在的大學教育課程和企業的人才培養體系也要相應作出調整。

目前一些美國公司已經開始和當地的社區大學合作，針對性地設計課程，以培養能適應自動化時代需求的人才。 7月份亞馬遜也宣布將在未來6年內，花7億美元，為10萬名員工培訓新技能，讓他們進入更高級的工作職缺或轉職。

數據與社會研究人員Madeleine Clare Elish舉了一個例子來描述未來工作的變化，當自動收銀台取代了收銀員，人類的任務則變成在故障時及時進行維修，同時安撫因此而焦慮生氣的顧客。

人工智慧和機器人到底會讓更多人失業，還是可以幫助人們的工作變得更加充實和有價值，目前還看不到，但從現在開始學會和AI相處，適應更多新的人機交互模式，已經越來越有必要了。

責任編輯：蕭閔云
本文授權轉載自：愛范兒

ChatGPT、Gemini、Claude 等 AI 通用工具問世後，「AI」無疑成了現今全球最熱門的關鍵字。儘管許多企業已經開始導入相關應用，多數卻仍停留在文書輔助、單一聊天機器人（Chatbot）運用等單點階段。但隨著商業環境快速變化、缺工日益嚴峻，企業需要的不再只是一個會回答問題的對話框，而是具備「自主決策與行動執行」能力的「代理式 AI」（Agentic AI）。

Going Cloud 和 IDC 合作發布的《多代理系統崛起打造敏捷韌性企業》報告便指出，如今「AI First」時代來臨，企業的 AI 應用正從輔助性質走向自主營運，有 80％的企業期望藉此提升生產力，70％的企業希望能更輕鬆處理複雜任務，還有 66％的企業期望透過多模型來提升整體效能。

代理式 AI 愈來愈多，必須納入組織管理

但究竟什麼是「代理式 AI」？

「過去人們使用生成式 AI 時，需要一步步下達明確指令，但現在使用者只要賦予代理式 AI（Agentic AI）明確目標，它就能自己理解前因後果、進行推演，甚至能去呼叫 API 完成任務。」Going Cloud 總經理黃柏淞點出差異。
而當企業內部的代理式 AI 日益增加，比方說，人資部門有專屬 AI、業務部門有報價 AI、法務部門有合約審閱 AI，跨部門協作的複雜度也隨之飆升，「如果你是管理者，你就會意識到，必須把 AI 當成一個人，納入組織裡來管理。」黃柏淞強調，能統籌、指揮多個 AI 代理協作的「多代理系統」（Multi-Agent System, MAS），正是為了解決這個痛點而生。

簡單來說，MAS 就像虛擬的企業總部，負責協調、治理負責不同任務的 AI 代理、工具和功能模組。在讓 AI 自主決策的同時，各個 AI 代理間也能共享資訊、協調分工。MAS 還具備極佳的擴展性和分散性，企業可以依照業務需求，隨時新增、更改 AI 代理，能大幅提升營運韌性。

雖然企業普遍意識到，代理式 AI 已經蔚為風潮，但實際部署時，仍面臨諸多挑戰。《多代理系統崛起　打造敏捷韌性企業》報告便顯示，資安疑慮、預算限制、缺乏 IT 支援分別是企業最擔憂的三大問題，「企業最擔心串聯多個 AI 代理時，要是權限沒控管好，很容易有機敏資料外洩的風險。」黃柏淞提到，在此情形下，Going Cloud 推出了以「分層式多代理架構」為核心的解決方案。系統會由一個「主管代理」（Supervisor Agent）作為主要決策層，底層則串聯了各個負責單一任務的「任務代理」（Task Agents）。

以 Going Cloud 服務的大型金融企業為例，假設一位 VIP 客戶登入銀行 APP，詢問 AI 客服：「我想申請房貸，請問現在利率多少？另外，請幫我評估把我目前的科技股基金贖回當作頭期款適不適合？」如果是傳統的聊天機器人，可能會因為問題太複雜直接轉接人工客服。但在 Going Cloud 的分層式 MAS 架構裡，「主管代理」接收到任務後，會先拆解再指派負責「房貸利率」的「任務代理」，去後台抓取客戶的信用評分和最新房貸專案。同時，這位虛擬主管還會指派「理財分析」的「任務代理」，去檢視客戶最近科技股基金的績效並預測市場。最後，再由「主管代理」統整資訊，一併給出一份完整且客製的財務建議，「分層式 MAS 能確保整個過程的指令被清楚傳遞，而且因為權限分層管理，房貸 Agent 不會碰到不該碰的理財資料，符合金融業的風險控管與合規要求。」黃柏淞說。

目前 Going Cloud 已經協助知名金融機構導入 MAS 架構。以實際成效來看，多代理客服平台能降低 50％以上的人工客服工作負擔，並讓回覆使用者問題的平均時間減少 60％以上；FAQ 知識導向與 API 資料調用的正確率，在調用得當的情況下，也都達到9成以上的成功率。黃柏淞指出，金融、製造、顧問等有複雜跨部門協作需求的大型企業，都是亟需採用代理式 AI 的產業。

懂雲也懂企業痛點，助員工無痛升級「AI 小組長」

但為什麼 Going Cloud 能為企業打造出如此高效的代理式 AI 底層架構？一方面，Going Cloud 先前服務過亞洲最大 AI 多媒體科技集團科科科技（KKCompany Technologies），奠定具備理解和服務大型企業的經驗，且自 2022 年創立起，就鎖定服務架構最複雜的大型企業市場。同時，Going Cloud 是全台首家榮獲 AWS 生成式 AI 服務能力認證及 ISO27001、ISO27701 雙重國際驗證的雲端產業專家，此成就彰顯 Going Cloud 在堅實的資訊安全基礎上，深化了對個人資料保護的承諾，為客戶提供符合國際標準的資料保障，強化雲端服務領導地位。另外，Going Cloud 還能為企業量身打造底層 AI 平台，提供 AI 策略方針定調、雲端架構設計、Agent 任務規劃、效能優化等一站式服務。

對於準備跨入「AI 商用階段」的企業，黃柏淞建議，釐清應用場景，比追求最新技術更重要，「唯有清晰定義痛點，才能讓強大的 MAS 平台真正落地。」
他特別提到，導入 MAS 系統不只是 IT 部門的責任，其實更像企業的升級轉型，「未來的知識工作者，不能只是單純『接球就打』，每個人都將成為『小組長』或『專案經理』。」例如員工不必再親自打開 excel 敲公式、解讀報表，應該要學著指派手下的「數位同事」去執行。員工的核心價值，將從過去繁瑣、重複性任務的執行，轉移到前期的目標定義、流程規劃，以及後期的決策判斷和審核把關。

AI 技術飛速推進，企業間的競爭已從「要不要用 AI？」，升級成「如何管理與協作多個 AI？」。透過建構靈活、安全且具高擴展性的多代理系統，企業不僅能解放員工的生產力，更能在瞬息萬變的市場中，打造敏捷、韌性兼具的營運大腦。