當潮水退去：AI 泡沫的校正回歸，與「流程架構師」的崛起
一、狂歡過後，企業開始把人找回來
過去兩年，生成式 AI 的爆發讓無數企業高喊「用 AI 取代人力」。然而，現實給出了截然不同的答案。
隨著 AI 陸續投入實際營運，愈來愈多美國大型企業開始修正這項看法，認為 AI 雖能提升生產力，卻無法完全取代人力，近期也陸續恢復徵才、擴編員工。從 Google 母公司 Alphabet、到福特汽車、再到 IBM，愈來愈多企業開始調整策略，重新聘用遭裁撤的人力，以彌補 AI 無法勝任的工作。
這場「回聘潮」的數據同樣怵目驚心。組織管理平台 Orgvue 的報告指出，39% 的企業領導者曾因部署 AI 而裁員，但其中 55% 坦言，相關裁員決策事後證明並不恰當。
這就是校正回歸的開端——不是 AI 技術本身的崩潰，而是圍繞 AI 的「認知泡沫」正在破裂。從話題炒作，回歸到真正可落地的實務成果；從滿街的「AI 訂閱戶」，演變到真正稀缺的「AI 流程架構師」。
二、「人力成本比 Token 便宜」是一個偽命題
許多老闆曾天真地以為，只要給員工一組 ChatGPT Codex、Cladude 帳號，就能裁掉資深人力、換上廉價新手。結局卻是：新手加上 AI，產出的是大量看似正確、實則漏洞百出的「AI 廢料」。修補這些廢料所消耗的溝通成本與除錯成本，遠遠超過了省下的薪資。
Intuition Labs 分析認為，若企業只著重以科技取代人力，卻沒有同步投入員工培訓或技能提升，團隊往往無法有效運用 AI。不少積極推動自動化的企業後來也發現，被裁撤的人員其實正是監督 AI 運作所需要的人才。
人力資源專家強調，AI 輸出常有邏輯矛盾或結果偏差，必須保留人工複核環節，否則會造成決策效率下降。
所以，這可不是什麼「人力成本比 Token 便宜」的算術題。AI 是一個「槓桿」：如果使用者本身的專業能力是零，槓桿再大，結果還是零。唯有專業能力夠強的人，才能透過 AI 將產出從 100 放大到 10,000。
三、裁員又回聘，究竟證明了什麼？
企業老闆們裁員後又把人找回來，其實只是成功證明了一件事：「不會用 AI 工具完成九成工作內容的新手用戶，遠比預期想像中還要多太多。」如果只是用 AI 完成單一項目的簡單任務，市場上一直不缺這樣的人；但要用 AI 串起跨部門的完整工作流程，具備這種能力的人才極為稀有。
企業普遍認為，AI 雖然能協助撰寫程式、整理文件、分析資料、回應客服等重複性工作，但在跨部門協調、專業判斷、創新發想、客戶溝通及最終決策等工作上，仍高度依賴真人參與。
人力資源平台 Lattice 執行長 Sarah Franklin 表示，不少企業過去曾停止招募初階員工，認為 AI 代理（AI Agents）足以填補人力缺口，但實際導入後發現，人類仍然不可或缺。甚至連 IBM 也宣布將於 2026 年把美國初階職位招募規模提高至原本的 3 倍，其人資長 Nickle LaMoreaux 表示，如果企業持續減少初階人才招聘，未來 3 到 5 年的人才管道可能因此乾涸。
最諷刺的案例來自澳洲。2025 年 7 月，澳洲聯邦銀行宣布裁撤逾 40 名客服人員，以 AI 語音機器人取而代之；然而，1 個月之後，就選擇收回裁員決策，向受影響的員工致歉。實際情況是，AI 語音機器人系統無力負荷客服電話的工作量，隨著來電不斷累積，連主管都要親自接聽客服電話。
四、退潮之後，誰在裸泳？
巴菲特說過一句名言：「After all, you only find out who is swimming naked when the tide goes out.」——潮水退了，才知道誰沒穿褲子。
這句話精準描述了當下 AI 使用者的兩極分化：
盲目燒 Token 的弱者：
缺乏對模型邊界、提示詞工程邏輯與業務本質的理解，只能靠「量」來碰運氣。他們一次次地對話、一次次地重來，Token 消耗驚人，卻始終產出不了有品質的成果。這群人有強烈的「燒 Token 額度焦慮」，因為他們的效率完全建立在消耗量上。
精準出手的強者：
真正的 AI 流程架構師不會盲目燒 Token。他們知道如何精確定義任務、如何拆解問題、如何設計 Pipeline，一次高品質的推理（Reasoning），就能解決弱者對話五十次都解不開的問題。這不是在省錢，這是在展現對「邏輯結構的掌控力。」
如果真的會用 AI，就不會刻意挑工作職缺、單靠人海戰術來營造出「訂閱 AI 工具就能讓工作更有效率」的職場生產力假象。
五、這不是 AI 的泡沫，是平庸者的泡沫
業界逐漸形成了「AI 是輔助人類的工具，而非替代品」的共識。企業發展的最佳路徑是建立「人機協同」模式，讓 AI 處理重複性標準工作，人類則專注於複雜決策、情感溝通與創新。
這場校正回歸，淘汰的不是 AI 技術本身，而是「靠 AI 走捷徑的平庸者」。未來的職場將極度兩極化：
- 底層——
只會在對話框裡輸入 Prompt，隨時被更便宜的 API 或更強的基礎模型取代，甚至被下一個願意更低薪的「AI 訂閱戶」取代。
- 頂層——
能夠定義問題、拆解流程，並將 AI 作為模組嵌入業務系統的「流程架構師」。他們理解業務邏輯、掌握領域知識，AI 在他們手中不是玩具，而是精密的生產力引擎。
「效率，從來不等於 Token 消耗量，而等於解決問題的精確度。」
當潮水退去，留下來的，才是真正能支撐起下一波 AI 實務生產力的中堅力量。而那些在浪頭上狂歡、以為訂閱就等於精通的人，終將發現自己一直在裸泳。
---
留言
張貼留言