AI將搶人類飯碗？企業HR主管不藏私：4種策略助員工升級戰力|數位時代 BusinessNext

AI將搶人類飯碗？企業人資主管不藏私：4種策略助員工升級戰力

近年來，人工智慧將取代大量勞動人口的傳聞甚囂塵上，各大公司也為隨之而來的趨勢做準備。為了不被取代，企業該如何為員工打造AI賦能的職涯路徑？

AI趨勢正夯，而AI即將取代人力的預測消息也不斷在報章雜誌流傳，但是經過了幾年的發展，事實真是如此嗎？

對此，各家企業對人才技能升級的策略各有不同，從維持現狀、無所作為，到授權員工為自己的職涯路徑設定目標皆有所屬。

AI真的會大量取代員工？

人工智慧的發展潛力和可能威脅就技術上而言都是真實的，從2017年開始，諸如「 你的工作技能在老闆眼中即將變為無用 」或是「 AI即將讓你的飯碗不保 」這類的新聞標題隨處可見。

牛津大學的研究人員曾宣稱全美國將會有47%的工作職務因為自動化而消失；麻省理工學院更為此成立全院工作小組，探討如何應對因為AI帶來的工作變化。全球各地的企業領導者都開始思考，當如此大規模的白領工作被電腦取代，他們的組織會變成什麼樣子？

然而實際上，AI對工作的影響尚未擴及到大多數的組織，這幾年下來，原本預設好的故事情節似乎有了變化。和許多新興技術一樣，現實並不能跟上炒作的步伐，至少不是立即發生劇變。分析師、評論家與行業專家似乎忘記了MIT史隆管理學院喬治．衛斯特曼教授所提出的數位創新的第一定律： 科技技術瞬息萬變，但是組織步伐是相對緩慢的 。然而事實是，許多人在日常工作裡使用智慧型裝置，卻很少人因此丟了工作。

雖說如此，因為科技帶來的工作變動是肯定的。根據麥肯錫於2021年的研究預測， 有近6%的勞動人口（尤其是低薪、較無技術含量的工作）將會因為自動化和疫情的影響需要另謀出路 。

延伸閱讀：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？

四種應對AI浪潮的人力資源策略

企業究竟如何為員工的未來發展做預備？麻省理工學院《史隆管理評論》訪談幾家大型企業的HR部門主管，如何在適應成為AI型組織而帶來的技術提升、職能改變做好準備？調查發現，有些企業目前尚未開始為AI轉型做準備；有些HR主管看準AI可能帶來的改變並且開始採取行動；而有些企業雖然還沒有積極地改變工作流程，但是他們正在協助員工做好準備，以迎接AI應用更為普及的時代。

策略一：什麼都不做

當研究者詢問某國防承包商的HR負責人為何不採取任何行動，他提出了三個理由：

1、短期內公司還有許多重點發展策略，是否值得投資像AI這樣需要長時間發展而且充滿不確定的技術？
2、職位變化與自動化的進展比專家預期慢得多。
3、預測出來的結果可能不準確，甚至可能是錯的，企業需要因此進行更多的即時調整。

對於這樣的觀點，研究者認為AI確實是可以預測工作中的改變，或者至少可以更好地賦能員工為工作變化做準備。然而技術升級可能是一個耗時耗力的過程，若無提前佈局，可能會反應不及。因此建議採取這類策略（緩慢行動）的企業，應密切關注AI趨勢，以便在必要之時可以迅速行動。

策略二：建立數位能力

有些企業希望重新訓練或是幫助員工提升工作技能，雖然不確定應具備哪些技能才能滿足未來工作需求，但是他們一致認為培養員工的數位能力是明確的大方向。以亞馬遜為例，該公司承諾花費七億美元進行培訓，以確保員工在日益數位化的人力市場中俱備生存技能。其培訓重點在配送中心的運輸網路以及總部的非技術人員，目標是將這些員工培養成IT工程師的角色，並且協助企業內部非技術背景的同事俱備軟體工程技能。

星展銀行（DBS）的領導者為其員工規劃七種數位能力，包含 數位溝通、數位商業模型、數位技術與數據驅動思維 等。勤業眾信一直以來致力於培養專業人員成為「精通技術」的人，這意味著當員工面對AI的業務環境，他們必須了解技術如何與他們的工作相互配合。

以上三家公司都認為，不論未來的工作發生什麼變化，如果他們的員工，甚至是各層級主管能夠擁有並擅長數位能力的應用，將更能夠在競爭激烈的商業戰場中生存下來。

策略三：預測工作趨勢

要精準預測未來工作性質其實是有難度的，即使可以預測，也可能因為工作性質的不同而產生極大的差異 。然而，有些公司正在採用一些方法來預測組織中所有的工作，特別是最可能受到AI影響、或是與未來戰略緊密相關的職位。

摩根大通（JPMorgan Chase）有一項3.5億美金的投資，用於與AI相關的工作技能再提升。這項計劃與MIT合作，以基於「適應性機器學習（suitability for machine learning，SML）」的評估來理解哪些技能和工作未來可能被AI所取代，這將有助於銀行為這些工作進行規劃，並幫助員工獲得過渡到新工作所需的技能。

延伸閱讀：不用再花時間輸入Excel！SAP佈局智慧機器人流程自動化，如何替企業打造安全的數位勞動力？

MIT研究人員指出，預測AI對職業帶來的影響是困難的，但還是有些方法可以提供幫助，例如SML。然而預測的目標不應該是預測每個工作的變化，而是明確哪些工作最有可能發生改變，以至於可以按照自己的步調主動地推動轉型。

策略四：幫助員工自己選擇未來

不同於直接預測AI對未來工作的影響，聯合利華（Unilever）更傾向於幫助員工掌握自己的工作技能以及未來的職業發展路徑。員工被授權可以為自己在工作上想做的事情提出改變，而不需要等待公司告知他們該如何做。而HR要做的事情，是向員工描述未來工作發展的藍圖，幫助他們選擇目標職業，並且了解想要實現這個目標職業需要哪些技能。接著，公司在這個基礎之上提供豐富的內、外部培訓課程，幫助員工獲得這些能力。

GE Digital有一套HR工具，這套工具向員工展示了個人在公司的下一步工作規劃，同時員工可以明確知道要達到下一個職位的所經路徑以及技能，這可以幫助員工減少被困在現有工作職位的焦慮感，並且感覺他們的職業發展是可控、有跡可循的。

確實，所有的工作都在迅速地發生變化，透過協助員工掌握自己的職業發展路徑，可以讓他們更有生產力，更具動力跟著企業的腳步往前邁進。對企業來說，面對未來環境的迅速變化，也可以更加敏捷。

本文授權轉載自：知勢Know!Edge｜洞悉知識，掌握優勢
責任編輯：文潔琳、蕭閔云

當GPU不再是唯一主角，記憶體為何躍上AI舞台中央？

過去，半導體的焦點多圍繞在晶片，例如CPU、GPU跟AI加速器等，市場普遍認為，晶片運算能力是左右科技產業發展速度的關鍵，但在進入生成式AI世代後，產業逐漸發現另一個事實：真正限制AI效能的瓶頸不是運算，而是資料能否快速被存取與傳輸。

從大型語言模型訓練，到AI推論、代理式工作流程（Agentic Workflow），甚至未來的機器人與自駕車，龐大的資料流量正持續推升對高頻寬、低延遲、高容量記憶體的需求，讓記憶體產業從過去相對標準化、以價格競爭為主的市場，逐漸轉變為AI基礎建設的重要核心。

「仔細觀察AI應用服務會發現，大多數工作負載都被頻寬限制。」美光科技全球業務執行副總裁Mike Cordano認為，記憶體是突破（頻寬）瓶頸的關鍵，也讓AI競賽從晶片算力升級到記憶體與儲存架構的系統級競爭。這樣的產業洞察，也正是Mike在歷經二十餘年的儲存產業資歷，加上四年半的創投生涯後，選擇加入美光的核心原因之一：在AI重塑產業結構的浪潮下，記憶體將成為這波成長最直接的動能所在。

從零組件供應商到策略夥伴，記憶體共創時代來臨

AI的崛起，正在改變記憶體廠商與客戶的關係。

過去，記憶體產品多是標準化元件，客戶關注的是價格、供貨與規格；合作模式也偏向短期採購與交易導向。然而隨著AI系統規模愈來愈大，從資料中心、雲端平台到終端裝置，記憶體已經成為決定系統效能的重要關鍵，也因如此，越來越多企業將記憶體視為「策略性資產」，而非單純零組件。

Mike表示：「現在，我們跟客戶合作的時間跨度改變了，在產品正式上市前三到四年便開始合作，從系統架構階段就共同規劃未來需求。」例如，美光科技與NVIDIA共同研發的資料中心所使用的低功耗記憶體，便是雙方提前多年展開深度合作（co-design）的成果。

值得特別注意的是，美光科技除從技術層面與晶片製造商等夥伴共創產品，也在需求層面與客戶進行密切合作，例如，將過去較無約束力、期限僅一年的長期協議（LTA）轉變成為期五年、條款更具約束力的策略性客戶協議（SCA），藉此掌握客戶的未來需求，進而在技術層面做更深度的合作。Mike坦言，深度協同設計是高成本的投入，美光的做法是先廣泛進行市場感知，理解不同場域的需求方向，再與生態系統中的夥伴們展開客製化合作。

從裝置導向轉為Token導向，AI浪潮重寫記憶體成長模式

除了合作模式改變，更大的典範轉移是需求的改變。

Mike解釋，過去記憶體需求跟PC、手機跟伺服器出貨量息息相關，但在AI新世代，推動記憶體需求成長的核心不再是設備數量，而是AI模型所產生的運算與資料消耗量。「AI產業逐漸走向以『Consumption』或『Token』為主的新經濟模式，每一次的模型運算都需要消耗大量的記憶體跟儲存資源，這意味著，即使設備銷量成長趨緩，記憶體需求仍可能持續上升。」

更重要的是，AI應用正從資料中心外擴至手機、PC、自駕車與機器人等場域，儘管不同場域對記憶體的需求不盡相同，但是，Mike認為：所有AI裝置都存在三項共同需求：更快的速度、更大的容量，以及更高的能源效率。

正如Mike在受訪時提到的：「我們最大的挑戰，是如何與客戶和整個生態系保持高度一致，一方面創造供給與產能，另一方面持續推動技術創新。」可以預期，在接下來的五年，記憶體產業面臨的挑戰不僅僅是擴展產能，而是如何與客戶共同規劃需求、同步投入技術創新，而這也是美光科技積極經營AI生態體系的原因。

總的來說，AI帶來的改變，不只是算力提升，而是重新定義整個運算架構：過去，記憶體被視為支援運算的基礎元件；現在，則是決定AI效能、能源效率與創新速度的關鍵資源；當產業競爭從晶片性能延伸到資料流動效率，從裝置數量轉向Token消耗量，記憶體的重要性也將隨之水漲船高，對美光科技來說，這將是其從供應商走向AI生態系核心夥伴的關鍵角色轉變。