AI蜜月期結束了?調查揭Z世代用最兇卻「最討厭AI」,為何X世代老鳥反而是最大擁護者?
AI蜜月期結束了?調查揭Z世代用最兇卻「最討厭AI」,為何X世代老鳥反而是最大擁護者?

求職評論網站 Glassdoor 在 8 月 27 日發布 2026 年職場 AI 態度報告,分析美國員工留在該站的雇主評論後,得到一個違反直覺的結果:對公司導入 AI 講好話的,是四十幾歲到六十出頭的 X 世代(1965 至 1980 年出生),47% 的 AI 留言落在評論的「優點」欄;被視為數位原生的 Z 世代只有 33%,千禧世代居中,為 40%。

更有意思的是,Z 世代恰恰是最常使用 AI 工具的一代,但整體風向同時在轉負:2019 年提到 AI 的評論有 81% 只出現在優點欄,2026 年只剩 43%,另有 53% 的評論只把 AI 寫進「缺點」欄。

年紀越大越挺 AI,性別落差在 Z 世代最深

Glassdoor 的分類方法很直白:AI 被寫在評論的「優點」欄就算正面,寫在「缺點」欄就算負面。以此為準,年紀越輕越批判,而且三個世代的正面占比都未過半,負面占比均高於正面。

性別的差距同樣明顯,男性的 AI 留言 45% 正面,女性 32%。千禧世代是男性 44% 對女性 33%;落差最深的則是 Z 世代,男性 42% 正面,女性只有 21%。

Glassdoor 用統計方法控制職業與產業的分布後發現,X 世代的性別落差可以完全由「男女從事的工作與所在產業不同」解釋掉,千禧世代只能解釋一部分,而 Z 世代的落差在控制之後依然存在,職業與產業完全解釋不了。

Z世代厭倦AI
越年輕的世代對 AI 的正面評價越低,且在所有世代中,女性的正面評價比例皆低於男性。
圖/ Glassdoor

用得最多的一代,評價卻最低

「我們過去擔心年長員工無法或不願意採用新技術、因此在職場上被淘汰,至少在這項技術上,這件事並沒有發生。」Glassdoor 資深經濟學家 Chris Martin 在接受《Bloomberg》訪問時這樣說。

Martin 的解釋是,資深工作者反而更容易從大型語言模型手上拿到好結果,因為他們有足夠的專業判斷力寫出精準的提示,也認得出模型的幻覺(模型一本正經編造出來、看起來合理但其實錯誤的內容)。但使用率恰恰相反。超過四分之三的 Z 世代用過獨立的 AI 工具,X 世代只有略高於三分之一(引述 Deloitte 研究)。

職缺結構是 Glassdoor 提出的一種解釋。截至 2026 年 5 月,資深職缺的徵才廣告較一年前成長 14.7%,入門職缺則年減 7.5%(求職網站 Indeed 旗下 Hiring Lab 數據)。Glassdoor 認為,年輕員工的相對悲觀,可能與美國企業把客服、資料查找、行銷文案這類入門任務自動化,以及入門職缺縮減所帶來的焦慮有關。 Martin 的說法是:「如果你在職涯上比較資深,你就比較有緩衝。」

抱怨 AI 的理由,只有兩成是「怕被取代」

Glassdoor 進一步把 2025 年 6 月到 2026 年 5 月的評論全文分類,發現稱讚 AI 的理由只有兩種:公司搭上 AI 熱潮而受惠(占正面留言 44%),以及公司提供工具、訓練與支援,讓員工好好用 AI(41%)。

抱怨的理由則散成八類,而最大宗的「怕公司用 AI 取代人力」也只占負面留言的 20%。其餘依序是:

  • 被公司逼著用 AI 工具(14%)
  • 認為公司為了 AI 荒廢本業或搞壞顧客體驗(13%)
  • 公司拿 AI 做員工監控或發內部溝通信(10%)
  • 嫌公司在 AI 上動作太慢(9%)
  • 老闆對 AI 的生產力效益抱有不切實際的期待(8%)
  • 本業本身會被 AI 取代(7%)
  • 公司不提供 AI 工具與訓練(2%)

其中「嫌公司太慢」與「公司不提供工具」這兩類,其實是站在支持 AI 的一方在罵公司,合計約占「缺點」欄評論的一成。

更關鍵的一組數字是,AI 負面評論中有 25% 同時提到裁員,為整體評論基準的 6 倍;工作不安全感與過勞的關鍵字則是基準的 3.7 倍。這些評論也高度兩極化:AI 批判者只有 23% 認可公司執行長、18% 看好業務前景,AI 正面者的同兩項數字則是 86% 與 81%。

分職業來看,公司領導層最挺 AI(67% 的 AI 留言落在優點欄),銷售與產品經理、招募人員、軟體架構師、資料分析與資料工程師也偏正面;最反彈的是保險理賠人員,98% 的留言都是負評,作家、記者、會計師、客服人員、設計師與 IT 人員同樣極度批判。

領導階層對AI最積極
分職業來看,公司領導層最挺 AI(67% 的 AI 留言落在優點欄)。
圖/ Glassdoor
保險業最討厭AI
最反彈AI的是保險理賠人員,98% 的留言都是負評。
圖/ Glassdoor

有一個發現打破了直覺,被研究者歸類為最容易被 AI 取代的那批職業,留言反而略偏正面。Glassdoor 的解讀是,一家公司的 AI 策略不論好壞都會影響到所有員工,而推動使用 AI 的壓力,經常延伸到根本用不上的職位。

產業之間差距同樣大,藝術類工作者對雇主的 AI 作為批評最兇(89% 負評),其次是非營利組織(85%)、保險(81%)、電信(80%)與運輸物流(79%);法律業是「最正面」的產業,但也只是五五波。科技業提到 AI 的頻率則是整體基準的 3.6 倍,遠高於次高的媒體與傳播(1.8 倍)。公司規模方面,200 人以下的小公司負評占 51%,員工超過 1 萬人的大公司升到 67%。

報告裡還有一個對雇主有參考價值的觀察。把 AI 寫進優點欄的員工,在留下評論後一個月內於 Glassdoor 投遞其他工作的機率,比完全沒提到 AI 的員工低了 47%;而 AI 負面評論者的投遞機率,與未提及 AI 的員工相近。

延伸閱讀:妖股再現!世紀*連10根漲停後上演「天地板」,IC老廠轉型無人載具為何暴紅?

資料來源:Glassdoor 職場 AI 態度報告、《Bloomberg》、Indeed Hiring Lab 資深職缺報告、Deloitte 生成式 AI 預測報告

本文初稿為AI編撰,整理.編輯/ 李先泰

關鍵字: #Z世代
往下滑看下一篇文章
OpenAI 重磅講者親臨高雄|掌握前瞻 AI 與產業轉型關鍵趨勢
OpenAI 重磅講者親臨高雄|掌握前瞻 AI 與產業轉型關鍵趨勢

隨著 AI 工具逐漸普及,真正拉開差距的,已不只是技術或算力的強弱,是企業能否整理資料、重新設計流程,並把 AI 融合既有工作方式,持續轉化為營運價值。

Amazon Web Services(AWS)將於10月23日於高雄舉辦「2026 亞馬遜港都 AI 創新日」邀請 OpenAI 與製造、金融、交通、零售及運動育樂等領域的實務代表,從技術趨勢、資料治理、流程設計與組織轉型等面向,拆解 AI 落地前必須處理的現實問題,協助企業重新檢視自身的導入條件與下一步布局。

企業下一步,不只是再導入一套 AI 工具,而是讓 AI 進入日常營運

模型可以採購,系統可以建置,但資料是否整理到位、流程能否重新設計、組織是否清楚由誰負責,才是決定技術能否持續發揮價值的關鍵。

高雄近年推動數位轉型,同樣面對這項核心課題。亞灣周邊聚集扣件、石化、鋼鐵等傳統產業,場域複雜、既有系統眾多,正因如此,更能檢驗一套 AI 導入方法是否具備複製與擴大的條件。城市發展也從建置算力基礎,進一步走向讓技術真正進入產業與治理現場。

AWS 連續六年深耕高雄,今年以「雲騰智慧大南方 齊創 AI 好未來」為主軸,將討論重心從雲端與算力基礎,推進到應用全面升級,協助城市從「有 AI」走向「AI 有感」。

政府治理是否更即時、產業流程是否真正改變、市民與使用者能否感受到服務提升,才是「AI 有感」的具體檢驗。延續「高雄試點、全臺普及、雲端出海國際」的發展路徑,10月 23 日登場的亞馬遜港都 AI 創新日要談的不只是企業「有沒有 AI」,而是導入之後企業的真實改變。

2025 亞馬遜港都 AI 創新日現場,資料照
圖/ AWS

OpenAI 重磅講者親臨高雄,從技術前沿看見企業的關鍵課題

今年活動特別邀請 OpenAI 東南亞暨台灣合作夥伴總監 Mark Jeffrey,以「前瞻 AI 如何助力產業領袖開創新局」為題,分享在 AI 技術快速演進之下,企業應如何重新思考未來布局。

面對 AI 能力邊界持續擴張,哪些應用已具備規模化條件?哪些仍需要更完整的資料、治理與組織準備?這是正在規畫下一階段 AI 投資的企業必須先回答的關鍵課題。

上午議程將從資料、組織與金融三個面向,拆解 AI 落地前必須處理的現實問題。「數據為本,AI 啟航」先回到資料基礎:外部模型跑得再快,若企業自身的欄位定義、存取權限與資料品質尚未整理到位,技術仍難以轉化為可靠判斷。

「打造 AI-Ready 組織的關鍵布局」論壇則聚焦組織當責。AI 專案通常橫跨資訊、營運與管理部門,真正困難的不只是把系統建起來,而是由誰推動流程改造、由誰認列成果,以及當 AI 產出的判斷出現問題時,責任最後應由誰承擔。公部門、製造業與雲端服務業者如何從不同角色處理這些問題,對其他組織同樣具有參考價值。

金融創新論壇將討論 AI、虛擬資產與企業轉型。金融場域對資料安全、合規、風控與可追溯性的高度要求,也提醒企業:效率不能取代治理,AI 更不能成為責任模糊的理由。能否在高監管、高風險環境中建立清楚邊界,將直接影響 AI 應用能不能被長期採用。

2025 年活動論壇現場,資料照
圖/ AWS

從六種產業場景,看 AI 如何走進真實流程

真正具備參考價值的 AI 案例,不只要說明「做了什麼」,還要回答幾個更實際的問題:解決哪一段流程、使用哪些資料、在哪個節點交給 AI、誰負責最後判斷,又如何確認投入確實產生價值。

下午議程規劃橫跨智慧支付、製造、媒體科技、智慧交通、零售製造與運動育樂六種產業場景。每個場景面對的資料條件、即時要求與風險門檻都不相同。

產業場景 議程規劃與關鍵課題
智慧支付 藍新金流運用 AWS AI 自建智能 KYC 與交易監控;處理身份辨識、交易監控與風險判斷
製造 以語意層串接資料孤島,讓 AI Agent 正確理解分散在不同系統的資料
媒體科技 會說台語的 AI Agent:從醫院櫃台到第一線的落地實戰
零售製造 零售製造轉型;把技術接進實際營運與使用者體驗

這些差異進一步說明,AI 沒有一套可以直接複製到所有產業的標準答案。企業真正需要的,不只是更多案例,而是看見不同產業如何依資料條件、即時要求與風險門檻,把 AI 融入實際營運與使用者體驗。

現場同步打造「產業賦能走廊」,邀集超過 15 組雲端生態系夥伴設置展示攤位,聚焦智慧製造、金融科技與城市治理的真實痛點與解法。無論企業目前卡在技術、資料、治理,還是組織協作,不同問題點,都能找到對應的解方。

10 月 23 日,從智慧製造的產線優化、金融科技的風控升級,到運動產業的會員體驗創新,看 AI 如何從概念走進產業現場,成為百工百業轉型升級的實際動能。

10/23高雄展覽館盛大舉行
圖/ AWS

「2026 亞馬遜港都 AI 創新日」,掌握 AI 賦能百工百業、領航產業升級的實務趨勢
立即報名

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
一次搞懂工業AI
© 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