AI讓企業不再招人?研究揭就業市場「大凍結」:新鮮人難找工作,薪水也受影響
AI讓企業不再招人?研究揭就業市場「大凍結」:新鮮人難找工作,薪水也受影響

談到人工智慧對就業的衝擊,多數人想像的畫面是大規模裁員,某天早上走進辦公室,發現門禁卡失效了,自己的私人物品已經被裝箱放在門口。

但真正的衝擊比這安靜得多,也隱蔽得多。

2026年4月,耶魯大學高階主管領導力研究所發表了一份研究。研究團隊花了6個月,在金融、製造、物流、房地產、電信等12個產業裡做田野調查,翻閱數百份公司文件。

他們的結論是,企業並沒有大規模裁員,而是不再補人。美國的自願離職率大約是每年13%,光靠放慢或凍結對這些空缺的遞補,企業就能達成人力縮減的目標,過程中不需要發出任何一封資遣通知。職場的大門並沒有把裡面的人推出去,只是不再對外開放。經濟學界後來給了這個現象一個名字,叫做「大凍結」。

而凍結壓力幾乎全部壓在同一群人身上。

Anthropic的勞動市場研究發現,ChatGPT發布之後,22到25歲的年輕人在人工智慧高曝險職業中的求職成功率下降了14%,但25歲以上的工作者沒有出現類似的下降。最明顯的是軟體開發,這個曝險程度最高的職業,職缺刊登數比ChatGPT發布時少了一半以上。

這個機制比大規模裁員更難被看見,因為它沒有任何新聞的著力點。一次大規模裁員有名單、有資遣費、有工會、有記者會,也有被裁員的人可以出來說話;而不再招人這件事,什麼都沒有。沒有人失去工作,因為那份工作從來沒有出現過。它在統計上只表現為某一個年齡層的失業率比別人高一點,而那個數字每個月都在動,很難歸因給哪一件事。

所以真正承擔這個隱形代價的,是那些本來應該會收到面試通知的職場新鮮人。

為什麼AI讓新鮮人更難找工作?初階職缺正在減少

企業內部的結構也在改變。曾參選美國總統的知名台裔企業家楊安澤(Andrew Yang)描述了這個轉變:過去每個資深員工底下配3個初階員工,形成金字塔;現在1個資深配1個初階就夠了,金字塔變成了柱子。他自己的公司原本要招聘初階工程師,技術長走過來說:「我不覺得我們還需要招這個職位,人工智慧工具現在已經夠好了。」

不過「初階職位消失了」這個說法並不精確。更適合的說法是,企業要求初階職位必須擁有過去中階職位才有的技能。

PwC分析超過10億則職缺公告之後,把這個現象量化出來,並且給了它一個名字:初階職位的「資深化」。在人工智慧高曝險的職業裡,對初階職位要求領導力、創造力、面對面溝通這類傳統上屬於資深工作者的技能,機率是低曝險職業的7倍。被重新定義過的初階職缺自2019年以來成長了35%,而傳統的初階職缺同期萎縮了10%。

也就是說,職業階梯的第1階還在,但它現在要求你已經站在第2階。

對一個剛畢業的新鮮人來說,這個變化比職缺數量減少更難處理。職缺變少,還可以靠多投幾家、放低期待、換一個城市來應對;但第1階的門檻被抬高到需要中階的能力,那是投履歷解決不了的事。

過去那條路徑之所以能運作,是因為企業願意用一段時間換取一個人的成長:它先付一份不算高的薪水,讓你在做中學,幾年之後你才開始創造超過薪水的價值。人工智慧改變的正是這筆交易的划算程度。當那些讓新人練習的工作可以用更低成本立刻完成,企業就沒有理由再為一個人的學習期買單。

哈佛大學一項涵蓋6,600萬名工作者、28萬家企業的研究,替這個推論找到了證據。導入生成式人工智慧的企業,初階員工人數在6季內比未導入的企業下降了約9%,而資深員工的成長趨勢完全沒有中斷,下降也主要來自放慢招聘而不是裁員。同一項技術,讓資深的人更值錢,讓初階的人變得可有可無。

但若初階工作持續消失,5年後、10年後,中高階職位的人才從哪裡來?這個問題沒有人有答案。企業省下的是今天的成本,付出代價的是5年後找不到資深人才。

AI沒有讓你失業,薪水卻可能先受到影響

對於目前還在職場上的人,衝擊以另一種形式出現:技能蒸發。翻譯、校對、基礎編程、數據整理、初階法律文件審閱……這些有清晰輸入輸出、可被驗證、大量重複的技能,正在極短時間內失去市場價值。從事這些工作的人還在這個位置上,但他們賴以維生的技能,瞬間被人工智慧以更快的速度、更低成本完成。

而技能蒸發之後,最先反映出來的不是失業,是薪水。

2026年7月,Apollo的經濟學家用實際的人工智慧使用資料,比對了321個職業、涵蓋580萬名勞工的薪資紀錄。他們發現,2023年之後,人工智慧高曝險職業的薪資成長速度比低曝險職業慢了6.7個百分點,其中薪資分布最底層的四分之一慢了10.7,而收入最高的那四分之一沒有出現統計上顯著的效果。最值得注意的是最後一項發現:同一份研究找不到顯著的就業效果。這些人沒有失業,只是薪水不再調升。

企業會走這條路,是因為它幾乎不必付出任何代價。裁員要付資遣費,要依法通報,要面對工會、媒體與內部士氣,而且一旦裁錯了再招回來,成本比省下來的還高。

不加薪則什麼都不必付:沒有名單,沒有公告,沒有人可以指著某一天說就是那天。它甚至不會立刻被察覺,因為薪水的數字沒有變少,只是被通膨慢慢吃掉。而對財務報表來說,這兩條路的效果是一樣的。

延伸閱讀:不用換公司,接案每月最高多領2.1萬元!日本企業推「內部兼職」,讓員工跨部門打工

算力時代 立體書封_棚拍.png
圖/ 天下財經出版

本文授權轉載自《算力時代:人工智慧正在開啟第二次大分流》,王伯達著,天下雜誌出版

責任編輯:蘇柔瑋

往下滑看下一篇文章
從切菜到乾燥加工!宜展如何結合桃園市政府創業資源,以AI開拓農產加工第二成長曲線?
從切菜到乾燥加工!宜展如何結合桃園市政府創業資源,以AI開拓農產加工第二成長曲線?

走進蔬果加工廠,同樣是100公斤高麗菜,最後能做出多少成品?答案不見得相同。氣候、產地與品質影響原料條件,客戶要求的切法、重量與交期也各不相同。對曾任科技業研發主管十多年的宜展科技農業執行長林佑澤而言,這是與科技製造截然不同的世界。

「農業部分全部都不一致。」林佑澤以青江菜為例,即使機械手臂已經訓練好辨識特徵,面對形狀各異的蔬菜,仍難以判斷該從哪裡抓取。農產品的天然變數,卻得面對學校團膳、連鎖餐飲、航空空廚等企業客戶對品質與交期的要求。如何讓加工流程穩定運作,成為宜展投入數位轉型的起點。

從紙本、LINE到數據,先把現場經驗留下來

目前宜展一年處理數千噸蔬果、服務超過120家企業客戶,業務涵蓋採購、截切、清洗、包裝與配送。林佑澤觀察,農產加工的關鍵經驗往往掌握在資深員工手中:該買多少菜、原料損耗多少、訂單增加又該安排多少人力,都仰賴現場判斷。

「主要就是把人的經驗變成數據。」林佑澤說。過去客戶透過LINE或紙本下單,現場靠人工整理訂單、對照不同客戶的加工規格;如今宜展利用AI辨識訂單內容並匯入ERP,再依客戶、品項與規格進行標籤化派工。製程則透過QR Code記錄原料投入量與成品產出量,逐步掌握各環節的加工損耗。

接下來是整理現場的判斷依據。林佑澤透過與資深員工對談,了解採購、派工與品管的作業方式,再利用AI協助找出規則、建立SOP。AI整理出的流程仍須由現場人員逐項確認、修正,才能實際執行。

品質管理也在持續改善。傳統金屬檢測器難以辨識菜蟲、橡皮筋等非金屬異物,宜展正與技術夥伴規劃導入AI影像辨識,輔助產線末端檢查。林佑澤表示,每批農產品品質不同,比起單看良率,他更重視客訴是否減少。隨著訂單與製程資訊逐步累積,宜展也希望進一步建立需求預測、採購建議與生產排程模型,減少營運對資深員工個人經驗的依賴。

不只把菜切好,乾燥加工尋找第二成長曲線

除了改善截切本業,宜展也開始發展乾燥加工。學校團膳在寒暑假面臨需求波動,生鮮蔬果則有保存期限短、價格易受產季影響等限制。林佑澤希望藉由乾燥技術延長農產品保存期限,開拓附加價值更高的加工業務。

不過,乾燥同樣有依賴經驗的問題。傳統做法是太乾就降低溫度、縮短時間,不夠乾就反向調整。每批原料的水分與成熟度不同,反覆試做不僅增加成本,也難以維持品質一致。「品質目標沒有設定的話,前面的製程參數就不知道怎麼調整。」林佑澤將過去研發車用面板的思維帶進農產加工:先決定產品希望達到的口感、含水率與水活性,再回頭檢視原料成熟度、截切厚度及乾燥參數等條件。

團隊進一步結合不同乾燥技術、自行改造設備,並接洽桃園的設備業者合作。林佑澤曾比較其他地區的設備,最後選擇設備構造、乾燥均勻度與可靠度較符合需求的桃園業者。宜展也持續累積製程參數,希望未來透過AI找出適合不同原料的乾燥曲線,減少反覆試做。

「我們主要還是要做代工,想要做一個功能性的原料平台。」林佑澤說,果乾目前更像是展示技術能力的產品,未來希望將服務延伸至辛香料、中藥材、太空食品、超級蔬菜及寵物食品等領域。現階段宜展主要營收仍來自蔬果截切本業,乾燥事業尚未形成主要收入。未來若能建立穩定的乾燥製程與代工能力,宜展便有機會從既有蔬果供應鏈,切入附加價值更高的食品原料市場。

從彰化走向桃園,驗證營運方法能否跨區複製

隨著加工流程逐步數位化,宜展也開始思考,這套管理方法能否帶到彰化以外的場域。

參與桃園市政府青年事務局天際線加速器及Meet桃園+後,宜展擴大與桃園產業生態系的連結。林佑澤提到,天際線協助邀集不同局處了解團隊需求,並提供資源媒合機會。宜展也開始與桃園市農會及在地農民合作,增加北部原料來源。這項合作不只拓展了供應來源,更成為宜展因應極端天候、穩定供貨的重要助力。林佑澤回憶,先前中南部連日降雨,蔬菜供應受到影響,宜展便從北部調度蔬菜,以不同產區互相支援,降低天候對供貨的衝擊。此外,團隊也透過天際線資源,獲得參與日本國際伴手禮設計競賽的輔導,並成功榮獲金賞獎肯定,除了展現產品的創新與設計實力,也為宜展拓展海外市場、提升國際能見度創造更多機會。

下一步,宜展規劃以桃園大溪作為第二個驗證場域,將彰化累積的資料、SOP與加工管理經驗,轉化為可複製、可優化的營運管理模式,帶到不同產地、供應鏈及人員條件下驗證。林佑澤指出,未來若要跨區域擴張,不可能每到一個新地方,就把原有團隊整批搬過去。因此,宜展希望將資深員工的實務經驗,轉化為標準化流程與數據模型,結合AI進行生產排程、資源配置及營運決策,讓新場域能依據當地條件快速調整,降低對特定人員經驗的依賴。

從彰化到桃園,宜展接下來要驗證的,是這套從傳統農產加工現場整理出來的管理方法,是能夠跨區域複製、快速部署並持續優化的農產加工營運系統。 長期目標是降低新場域的建置成本與管理複雜度,提升擴張效率,讓傳統農產加工業具備規模化發展的能力。

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