5年後,這十大工作可能被AI取代!與機器人當同事有哪些必學技能?
5年後,這十大工作可能被AI取代!與機器人當同事有哪些必學技能?

你有想過未來幾年,工作環境會有什麼大改變嗎?是機器人取代人類、遠距工作崛起,還是「多工」「斜槓」的概念繼續盛行?

世界經濟論壇(World Economic Forum)發布「2020 年就業前景報告」(The Future of Jobs Report 2020),預測未來 5 年內,哪些技術將會更受重視,哪些職位會爆紅,以及哪些職位將黯然失色。

世界經濟論壇.jpg
圖/ 經理人

10 大職位興起:數據分析、AI 相關工作大量出現

需求增長的前 10 大職位,包含:

  1. 數據分析師、科學家
  2. 人工智慧與機器學習方面的專家
  3. 大數據分析師
  4. 數字營銷和策略專家
  5. 流程自動化專家(Process Automation Specialists)
  6. 業務發展人員
  7. 數位轉型專家
  8. 資安分析師
  9. 軟體應用開發商
  10. 物聯網專家

「2020 年就業前景報告」指出,數據分析師和科學家,人工智慧和機器學習專家、數位轉型顧問,將如雨後春筍般湧現。這些角色的大量出現,反映出各行各業都受到科技進步影響。

另一方面,產業中比較「高階」的職位,愈加重要。例如,汽車產業的材料工程師、電商界的社交媒體專家,或是金融業的FinTech工程師等,他們的地位較不容易受取代。

10 大職位逐漸沒落:不學新技能,恐將被淘汰

需求減少的前 10 大職位,包含:

  1. 資料輸入人員
  2. 執行秘書
  3. 薪資結算師
  4. 會計師和審計師
  5. 零件組裝人員
  6. 行政經理
  7. 客服人員
  8. 運營管理人員
  9. 機械維修師
  10. 材料紀錄人員與庫存人員

技術更迭與新冠疫情的「雙重衝擊」,將使得低薪工人、婦女和年輕族群的工作面臨更大挑戰。另外,數據人員,行政人員、執行秘書、會計師,工廠工人,這些職位則容易受取代。上述族群,應想辦法提升自我能力,避免被淘汰。

AI
圖/ shutterstock

12 種技術受重視:加密、雲端技術最看俏

  1. 加密和網路安全:成長率 29%
  2. 雲端計算:成長率 17%
  3. 分散式帳本(distributed ledger technology):成長率 11%
  4. 人型機器人:成長率 11%
  5. 非人型機器人:成長率 10%
  6. 3D、4D列 印:成長率 10%
  7. 物聯網:成長率 9%
  8. 人工智慧:成長率 8%
  9. 生物技術:成長率 8%
  10. 大數據分析:成長率 2%
  11. 電子商務與數位貿易(Digital Trade):成長率 2%
  12. 擴增實境(Augmented Reality):成長率 1%

調查指出,雲端運算(Cloud Computing)、大數據(Big Data)和電子商務(E-Commerce)仍然是主要的領先技術,但企業會更關心加密技術(Encryption)、非人型機器人(Non-Humanoid Robots)和人工智慧(AI,Artificial Intelligence)的發展。

機器人成為重要勞動力!2025 年 AI 與人類工作時間相當

一個有趣的指標是:43% 的企業表示,由於未來會整合不同技術,他們打算降低勞動力、考慮裁員;另有 34% 的企業表示,技術整合之後,反而願意擴增勞動力。

到了 2025 年,世界經濟論壇評估,人類和機器人在整體工作時間將趨近相等,意味著機器人的重要性持續上升。41% 雇主說,往後會分配更偏向「任務型」的工作(Task-Specialized Work)給承包商,其餘的則交給人工智慧。

那麼,在未來勞動市場中,雇主最擔心面臨什麼問題?根據雇主們的回答,依序為:

  1. 擔憂技術鴻溝,也就是現有人員的能力無法跟上科技(55.4%)
  2. 擔憂未來公司無法吸引專業人才(46.7%)
  3. 擔憂人員技術落差之下,影響組織的團隊領導氛圍(41.4%)
合作_職場
雇主最擔心現有人員的能力無法跟上科技。
圖/ shutterstock

企業更加重視員工持續學習新技能

未來 5 年,雇主會更看重批判性思考、分析與解決問題的能力。同時,懂得自我管理、有學習心、挫折忍受力高、靈活的員工將會更受重視。

在 2018 年,只有 65% 雇主希望員工保持上進心,今年的調查中,高達 94% 企業都說,希望員工掌握新的工作技能。另一方面,企業認為 40% 員工都需要「重新培訓」,顯示了學習的重要性。

目前,有主動學習習慣的員工,較往年已增加 4 倍;雇主替員工提供線上學習的人數,較過去增加 5 倍。進一步來看,人們更優先學習數據分析、計算機科學與資科技術。

僅有 21% 企業能資助員工學習,政府應提供更多協助

儘管愈來愈多人意識到提升技能(Upskilling,為了現有職位提升的技能)與再技能(Reskilling,重新學習職位以外的技術)的重要性。平均來說,大約 40% 的職場工作者,需要6個月的再技能培訓,但這會依據產業不同而定。例如,在消費業、保健業來說,雇主依賴短周期的培訓;在金融業和能源產業,雇主則希望員工花更多時間投入較長的訓練。

然而,只有 21% 的企業有足夠的公共資金來支持員工學習。世界經濟論壇的研究總結,政府部門應投入更多資源,改善當前的教育與培訓系統,才能培育出更多人才。

新工作排擠「夕陽工作」,組織內的冗員將被淘汰

往後「新型態工作」出現的數量,仍大於「夕陽工作」,但整體來說,就業機會微幅下滑。目前,冗餘職位(Redundant Roles)占整體工作的 15.4%,到了 2025 年預計只剩下 9%(下降 6.4%),代表「冗員」會逐漸被淘汰;新興職業目前占整體工作的 7.8%,5 年後則會是 13.5%(增加 5.7%)。

數位化工作時代已來臨。84% 雇主會調整工作流程,其中最重要的就是遠距工作(Remote Work)。未來,預計有 44% 員工會採取遠距工作模式。

資料來源/世界經濟論壇

本文授權轉載自:經理人
責任編輯:錢玉紘

關鍵字: #人工智慧
往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

過去兩年,人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢,從客服、知識管理到軟體開發,越來越多企業將大型語言模型(LLM)導入企業營運流程,隨著應用程度的深化與廣化,越來越多發現,真正的挑戰早已不只是「選擇哪個模型」,而是如何管理算力、控制成本、確保資料安全,以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後,AI應用從回答問題進展為執行任務、操作系統以及串接流程,連帶拉升對AI基礎設施的需求與架構複雜度,而這意味著,想要發揮AI綜效,光只有模型與技術尚不夠,必須將整體IT環境逐步升級為AI基礎建設(AI Infra)。

深耕AI管理領域多年的數位無限(INFINITIX),近年積極布局軟體定應AI基礎建設(Software Defined AI Infrastructure)市場,除持續深化與GPU、伺服器與AI硬體生態系的合作關係,如於2021年取得NVIDIA Solution Advisor全球夥伴資格,2025年亦獲AMD GPU生態建設夥伴獎,也因應市場需求推出AI-Stack與ixCSP兩大產品線,協助企業、雲端服務供應商(CSP)與新世代AI雲端業者,更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示:「我們的目標是協助客戶打造軟體定義AI基礎架構,讓其可以視需求向下整合不同世代GPU、儲存與網路設備,同時,向上鏈結模型、Token跟AI應用,加速企業的AI創新轉型腳步。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

從AI模型到AI經濟,企業競爭焦點轉向算力與Token調度能力

過去市場談AI,焦點多半放在模型參數、推論效能與模型能力,但在大型語言模型推論需求暴增的現下,AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程;企業真正需要的,不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後,全球AI產業正逐步從模型競賽轉向「AI經濟」,亦即,影響企業AI決策的再也不是使用哪個模型、部署多少GPU,而是消耗多少Token、產生多少AI服務,以及算力是否能被有效共享與調度。

換言之,在AI新世界,算力調度能力的重要水漲船高。對此,陳文裕十分認同的說:「企業想要提升AI競爭力,不僅要掌握模型與應用,還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命,甚至是如何將閒置算力轉變成可交易的資源等。」

事實上,這也是大量AI資料中心(AIDC)跟新世代AI雲端服務(Neo Cloud)業者出現的原因,包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式,提供企業所需的GPU服務與AI算力平台。

看準這波趨勢,數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務,協助客戶提升GPU使用率,更進一步推出ixCSP平台,讓雲端服務供應商與新世代AI雲端業者,能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰:模型快速升級、算力需求攀升、GPU世代交替迅速,企業在追逐AI落地的同時,勢必得面臨基礎建設更新速度過快、硬體投資壓力升高,以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡,數位無限的作法是,透過AI-Stack將底層硬體抽象化,以Token或模型服務形式提供,讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如,高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題,加速39項AI模型進入臨床應用階段,成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步,為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源,也可以透過ixCSP平台,把算力共享或調度給集團內部團隊、子公司,甚至上下游合作夥伴使用,進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設,企業真正需要的,也不再只是單一模型,而是一套能持續適應AI快速演進的AI Infra,而這與數位無限近年來的重要轉型方向一致:從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商,更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值,數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案,協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境,降低企業從PoC走向實際導入的門檻,加速AI落地。

總的來說,隨著AI競爭從模型能力延伸到算力治理,企業比拚的不僅是導入速度,而是能否建立一套足夠彈性、可持續演進的AI Infra,而這與數位無限的發展目標一致,將持續不斷優化產品服務,化身企業搶進AI新世代的關鍵合作夥伴。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
代理式商務連動百兆商機
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓