一年前，科技圈還在瘋傳「AI 將消滅一半入門級工作」。一年後劇情反轉：福特、IBM 這些大公司，正在把當初因為 AI 被裁掉的員工，一個一個請回來。

前幾天聽了《天下零時差》的一則報導，越聽越有感觸，決定把心得整理下來。報導引用軟體公司 Asana 的調查：因導入 AI 而裁員的企業主管中，55% 後來承認裁錯了。人力資源公司 Robert Half 的數據也差不多，將近三分之一的美國招聘主管曾以 AI 為由裁人，後來又把原本的人請回來，或者招了類似的職位。

這已經不是零星個案。到底發生了什麼事？

三個案例：AI 上場之後才發現的事

福特：350 位資深工程師回鍋接管 AI

福特原本的如意算盤是把設計需求輸入 AI，不用資深人員盯著也能產出高品質產品。車輛硬體工程副總裁事後坦言，這個假設是錯的。

AI 察覺不到某些車輛品質問題，而這種問題一旦流出去，就是保固和召回的天價帳單。福特在過去三年重新聘用了 350 位資深工程師，回來接管 AI 工具、主導除錯。執行長法利（Farley）說，回聘反而幫公司省下數億美元的保固與召回費用。

有個細節值得停一下：工程師回來後做的不是原本的工作，而是管理 AI。執行者變成了監督者。

澳洲聯邦銀行：客服機器人上線，客訴電話暴增

澳洲聯邦銀行去年裁掉 40 多個客服職位，換上 AI 語音機器人。機器人應付不了工作量，客訴電話不減反增。銀行最後撤回裁員決定，承認當初「沒有充分考慮到所有相關的業務考量」。翻譯成白話：想得太美了。

IBM：94% 很順，卡在那 6%

IBM 用 AI 處理人資業務，成績其實不差，解決了約 94% 的日常請求。麻煩在剩下的 6%：道德判斷、需要同理心的對話、規則互相打架的兩難情境。

IBM 的回應是加碼人力：宣布 2026 年要把全美業務部門的初階員工招聘人數增加兩倍。

為什麼「導入 AI」沒有比較省？

把案例攤開來看，AI 自動化在實務上撞到三面牆。

第一面牆：複雜度與倫理判斷

AI 擅長高度重複的例行公事，一碰到需要經驗、同理心或道德判斷的情況就卡住。IBM 那 6% 就是典型。不是技術不夠強，是這類問題本來就沒有標準答案，需要判斷力，不是運算力。

第二面牆：算力比想像中貴太多

很多企業裁員的初衷是省人力成本，結果發現買算力的錢比被裁員工的薪水還高。報導裡有兩個數字很嚇人：某技術長的公司在四個月內燒光整個 2026 年的 AI 預算；另一家知名企業忘記設用量上限，一個月收到 5 億美元的 AI 帳單。

MIT 的研究結論更乾脆：目前只有約 23% 的職位用 AI 自動化划得來。剩下的 77%，僱人比較便宜。

AI 服務多半按用量計費，跟固定薪資完全是兩種成本結構。沒管好用量，帳單就沒有上限。

第三面牆：早期成效被美化

一份調查顯示，約 20% 的美國企業高層承認，他們收到的 AI 部署報告比實際情況樂觀，失敗案例常被淡化或壓下來。耶魯執行長領導力研究所的恩里克斯（Enriquez）講得很直接：執行長在財報電話會議上談 AI 的能力與回報，聽起來總是很美好，但這項技術實際上如何在整個經濟體中落地，完全是另一回事。

決策層看的是美化過的簡報，做出來的自然是過度樂觀的裁員決定。

連 AI 大老闆的說法都轉彎了

企業實務碰壁，大眾對失業潮的焦慮又一直升，矽谷的論調明顯降溫。

Anthropic 執行長阿莫迪（Amodei）2025 年還預期 AI 可能消滅一半入門級工作，今年改口，強調企業可以用 AI「以同樣的資源做更多的事」，而這需要人的創造力。OpenAI 執行長奧特曼（Altman）則坦言，他們對科技發展的預測大致正確，對社會與經濟影響的預測「錯得離譜」。他還補了一個反直覺的觀察：最積極導入 AI 的公司，往往也是招人最積極的公司。

奧特曼說「業界低估了以人為本的重要性」。這話一年前聽起來像客套，現在讀起來像檢討報告的結論。

不招新人的隱形代價

這波反思裡我覺得最值得多想兩分鐘的，是入門級人才。

IBM 人資長拉莫羅（Laghmore）在紐約一場會議上反省：不繼續投資入門級招聘，三到五年後人才儲備就會枯竭。邏輯不複雜，今天不招初階員工，明天就沒有中階員工，後天就沒有能監督 AI 的資深專家。福特那 350 位回鍋的資深工程師，就是十幾年前的初階工程師養成的。

AI 公司 Continuation Labs 的報告也警告：只想用科技取代人、不投資培訓，團隊最後反而用不好 AI。工具再強，還是要有會用工具的人。

我的三個 takeaway

AI 沒有失敗，失敗的是「AI 可以完全取代人」這個假設。 福特和 IBM 都沒放棄 AI，他們調整的是分工：AI 處理重複的 94%，人負責關鍵的 6%，順便盯著那 94% 別出錯。

省下的薪水和新增的算力帳單，要放在同一張試算表上看。 MIT 那個 23% 是很好的現實檢查。導入 AI 前先誠實算總持有成本，包含算力、維護、監督、除錯，而不是只算裁員能省多少。

經驗和判斷力正在被重新定價。 被請回去的是能主導除錯的資深工程師，被加倍招聘的是未來要長成資深的初階員工。貶值的是不需要判斷力的重複執行；升值的是駕馭 AI、在它出錯時接得住的能力。

一年前我們問「AI 會不會取代我」。現在更實際的問題是：我能不能成為那個管理 AI 的人？