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
懂保險的 AI 才有用!國泰人壽數據暨人工智慧發展部如何解開壽險業的 AI 實戰難題
懂保險的 AI 才有用!國泰人壽數據暨人工智慧發展部如何解開壽險業的 AI 實戰難題

金管會調查顯示,國內金融機構與周邊單位已有 33% 導入 AI,其中壽險業導入比例達 67%,僅次於銀行業的 87%。事實上,保險業應用 AI 的難題不在技術,真正的挑戰是要在高度監理、複雜流程與專業領域中,找到可落地的應用場景。國泰人壽數據暨人工智慧發展部走過八年、歷經三次組織定位演進,如何摸索出自己一套的 AI 轉型路徑?

國泰人壽養兵練 AI

國泰人壽數據團隊的起點,可以追溯到 2016 年成立的「客群經營部」。2018 年,隨著公司希望讓 AI 發展更具基礎架構、更具規模地展開,團隊轉型為「數據經營部」;到了 2024 年,正式成立「數據暨人工智慧發展部」,角色也從推廣,轉向更專注的技術發展。

國泰人壽-2.jpg
國泰人壽數據暨人工智慧發展部目前為一約 65 人的團隊,平均年齡 33 歲。
圖/ 數位時代

八年間,團隊的任務始終圍繞同一件事:深入業務現場,釐清痛點,再與 IT、業務、客服等單位協作,推動 AI 從研究走向實踐。國泰人壽數據暨人工智慧發展部協理莊淑儀形容,這個過程更像是傳教士的工作:「很多數據產品是由我們發想,從核保到理賠,有哪些導入機會?我們要去和各部門溝通,AI 可以協助什麼。」

國泰人壽-3.jpg
國泰人壽數據暨人工智慧發展部協理莊淑儀。
圖/ 數位時代

這樣的溝通並不容易,因為壽險業的專業門檻極高。國泰人壽數據暨人工智慧發展部首席數據分析師黃喬敬博士指出,一張保單牽涉的關係人本來就複雜:「在保險業,一張保單的銷售,涉及要保人、被保人、受益人,是多方關係,尤其在金管會的要求下,還必須兼顧模型的公平性與可解釋性。」核保邏輯、理賠判斷、業務員培訓,每個環節都有各自的專業門檻與監理要求,通用技術難以直接套用。這也是國泰人壽選擇自己養兵練 AI 的原因,唯有深度理解壽險場景,AI 才有落地的條件。

從真實需求長出來的 AI 實戰力

要讓技術模型真正為前線人員所用,數據暨人工智慧發展部團隊長期觀察業務現場,確保 AI 產出都能有效銜接既有作業流程。去年,團隊面對的挑戰,是在十三個部門提案中,篩選出值得投入的場景。莊淑儀說明,評估標準有三項:「是否能複製到多元場景?對公司有什麼效益?技術可行性?」最終六個案子出線,其中包括「AI Coach」。

AI Coach 以 AI 陪練業務員磨練銷售技巧,同步縮短培訓週期,讓業務員能更快提供專業、貼近保戶需求的服務。看見 AI Coach 的成效後,國泰人壽也將同一套模式延伸至客服中心及直效團隊,評估面向包括禮貌、問題回應、服務要點...等面向,給於評分及建議。黃喬敬博士解釋背後的難度:「以往這些評估指標是由人來判斷,現在則是要做到標準化,讓 AI 系統可以自己判斷。」今年一月上線後,客服新人有超過九成以此作為教育訓練工具,業務端使用率也過半,不僅省下資深人員帶新人的時間,也讓保戶獲得更一致、更高品質的服務體驗。

國泰人壽-4.jpg
國泰人壽數據暨人工智慧發展部協理莊淑儀(左)與首席數據分析師黃喬敬博士(右)帶領團隊在國泰人壽保險領域驗證 AI 應用。
圖/ 數位時代

另一項落地應用則是「Cathay Eye」,是國泰人壽自行開發的智能風險控管模型。莊淑儀說明:「這最主要是幫案件的複雜度做分級,讓新進同仁處理複雜度低、資深同仁處理複雜度高的案件,一來反映人力價值,二來加速案件處理流程,讓客戶更快獲得所需服務。」

黃喬敬博士也補充背後的機制:「Cathay Eye 是把公司過去數千萬筆資料整合起來,藉此建立一個平均的判斷基準,用來做複雜度分級與派工。」目前,Cathay Eye 的識別能力相較原流程提升一倍精準度,也讓流程的判斷效率明顯加快。

壽險業 AI 應用的新標竿

對國泰人壽而言,讓 AI 發揮作用的關鍵,在於將產業領域知識與技術能力結合,而這仰賴的是兩條並行的人才路徑。對內,是強化已熟悉保險核心業務人才的 AI 素養;對外,則是網羅生成式 AI 工程與系統設計、AI 治理、雲端數據工程...等專業人才,補齊技術深度。莊淑儀強調:「在人才 AI 素養上,以往我們著重精兵制。去年開始,我們要做到全員素養提升,在人人都會用 AI 的時代,如何善用、如何合規,這都是需要教育訓練的。」

黃喬敬博士則從技術端點出下一步的方向,如 Agentic AI 是明確的發展趨勢,但在企業級的應用上,不可能讓它完全自由運作,如何兼顧安全與效益,是關鍵任務。「檢視整個 Workflow,如何建立更好的決策流程,人員的角色和流程都會慢慢轉換。」他也指出,把端到端的自動化流程建置起來,是團隊接下來的重點工程。

國泰人壽-5.jpg
國泰人壽數據暨人工智慧發展部首席數據分析師黃喬敬博士。
圖/ 數位時代

導入 AI,或許已是壽險業的產業常態;但能不能真正走進核心業務的第一線,關鍵仍是有沒有先搞懂保險本身。從需求出發、從場景驗證,國泰人壽正以這套方法,定義壽險業 AI 應用的新標竿。

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
台達電全解讀
© 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