AI 裁員潮來襲？該當「通才」還是「專才」？瓦基《情境智慧》破解職場焦慮

不如建造一棟AI無法複製的摩天大樓

自從AI技術普及後，你有沒有發現，身邊愈來愈多人對自己的專業或職涯感到焦慮？這種焦慮並不是空穴來風，光是2025年一年，全球就發生了許多改變：IBM裁了數百位人資部門職員，執行長直言：這些職位，AI現在就能勝任。四大會計師事務所相繼使用與開發審計AI系統，能同時處理數百份文件，且永遠不用休息。世界經濟論壇更預測，現存1/4的職業將在5年內被徹底改變。

面對這場變局，兩種生存策略開始角力。一派人選擇深耕專業，相信只要鑽研到AI無法觸及的深度，就能保住專業價値；另一派人選擇橫向發展，多方嘗試新技能，賭的是靈活勝過專精。

而你夾在中間，進退兩難。往深處走？擔心今天的專業明天就被AI取代。往廣處走？又怕自己什麼都會一點、但又什麼都不精，處境更尷尬。我們往往在看見新聞或社群上的資訊後，忍不住為自己開了一份學習淸單，一邊想著到底是該深化現有專業，還是趕潮流學個透過AI寫程式的Vibe Coding技法？如果要鑽研專業，要多深才夠？如果要學新技能，學得不精又哪來競爭力？在找出答案之前，我們不如先來分析下面這個經典的狐狸與刺蝟對決故事。

通才的優勢：涉獵廣泛的狐狸

英國哲學家柏林（Isaiah Berlin）曾用「狐狸」與「刺蝟」來比喻兩種不同思考方式的人，這個比喻源自古希臘寓言：「狐狸知道很多事，刺蝟只知一件大事。」刺蝟型的人專注於單一核心原則，將複雜世界簡化為一個系統性觀念來應對；狐狸型的人則涉獵廣泛，靈活應變，同時追求許多不同的目標。

乍看之下，狐狸似乎更加聰明，甚至從科學數據來看，狐狸也眞的更有遠見。心理學家菲利普．泰特洛克（Philip Tetlock）曾花20年追蹤284位專家的預測表現，想知道誰最能準確預測未來，結果那些涉獵廣泛、知識雜食的「狐狸型」思考者，在預測複雜事件時的準確度，遠勝深耕單一領域的「刺蝟型」專家。因為刺蝟型專家往往過度依賴自己的專業框架，用同一把錘子看所有問題；狐狸型思考者則能從多個角度切入，反而更接近眞相。這答案也許並不令人吃驚，畢竟仔細想想，在現實世界中，哪個問題眞的是單一專業能解決的？

例如，2021年的長賜輪卡在蘇伊士運河，表面上是航運問題，實際上則牽涉氣象學（沙塵暴）、物理學（船體受力）、經濟學（全球供應鏈）、甚至社會心理學（危機決策）。台積電決定設廠地點，不只考慮半導體技術，還要懂地緣政治、供應鏈管理、能源管理、人才流動、稅務規劃。一個App失敗，主因往往在於忽略了使用者的行為心理，未必是程式寫得不好；數位轉型失敗，其實更多時候是沒搞定組織文化，技術問題反而其次。

這種「跨界」在AI時代更顯重要，例如前面提到的新聞，當IBM發現AI能處理94%的例行工作後，雖然資遣了許多行政工作人員，但也增聘了更多負責創意、策略與整合的人才。因為AI雖然能在單一領域表現卓越，但把不同領域的洞察組合成全新解決方案，暫時還是人類的專利。

這裡有個關鍵：眞正有價値的通才，指的是那種能夠「整合知識來解決問題」的問題解決者，與「什麼都知道一點」的知識收藏家有著本質上的區別。知道蘇伊士運河的長度、沙塵暴的成因、船體力學這些零碎知識本身沒有價値，因為ChatGPT知道得更多。眞正有價値的是，能看出這些因素如何互相影響、能協調不同專業團隊、能在混亂中找出解決方案的整合能力。

這就是為什麼同樣是「涉獵廣泛」，有人成為搶手的顧問和高階主管，有人卻只是會在聚會上講冷知識的萬事通。差別不在於知道多少，而在於能不能把這些知識編織成解決問題的網。狐狸的優勢，從來不是牠知道很多條路，而是牠知道在什麼情況下該走哪條路。

專家的價値：化繁為簡的刺蝟

與狐狸相反，專家的眞正價値往往不在於他們掌握了多麼繁複的知識體系，而在於他們能夠像刺蝟一樣，穿透表象的迷霧，提煉出事物的本質。如果我們回顧歷史上那些改變世界的思想家，就更能看出專家的珍貴。心理學大師佛洛伊德將人類複雜的心理活動歸結為潛意識的運作；達爾文用物競天擇解釋了生命演化的萬千型態；愛因斯坦以一個優雅的方程式「e=mc²」揭示了質量與能量的關係。他們的偉大之處恰恰在於能夠化繁為簡，將看似無序的現象世界濃縮成一個核心原則。

這種看似單純的思維，背後需要極其深刻的洞察力，才能剝離層層表象，觸及問題的核心。台積電的故事完美詮釋了這種刺蝟式專家思維的威力，當半導體產業的主流都是既設計又製造晶片時，張忠謀創立台積電卻只堅持一個簡單原則：「專注做晶圓代工，永不與客戶競爭。」當競爭對手試圖多角化經營、在設計和製造間搖擺時，台積電始終堅守純代工模式，將所有資源投入製程技術的精進。這種專注帶來的結果是，台積電掌握全球過半的晶圓代工市場，在先進製程更是幾乎壟斷，成為全球科技業最不可或缺的基石。

這正是刺蝟型思維的力量：獲得高瞻遠矚的洞見，核心在於找到能夠解釋一切的根本原理，取代了對每一個細節的盲目追逐。也正因如此，在資訊爆炸、觀點紛雜的時代，具備這種思維的人更能產生深遠的影響力。

拉回到個人層面，LinkedIn的薪資報告也印證了這點：「深度專家」的薪資中位數比「通才型」員工高出35%。為什麼？在AI能夠負擔更多任務的時代，企業對於能精準判斷「什麼値得做」的人才需求，遠勝過單純的執行者。當AI可以寫一百個版本的廣告文案，公司需要的是那個能選出最佳版本的行銷總監；當AI可以生成無數個產品功能建議，公司需要的是那個深諳用戶心理的產品經理。