走進科技巨頭與企業的徵才頁面，正在上演一場極端的職場大轉移：傳統初級分析師、會計助理等單一功能職缺數量腰斬，薪資下滑；反觀「Harness 工程師」、「AI 編排師」等過去不存在的跨職能新角色，即便開出百萬美元年薪依然一位難求。當企業已有 77% 的 AI 應用轉向「AI 主導執行、人類最後驗收」，過去靠人力堆疊的執行門檻已被完全拉平。
如果你今天去看Anthropic、OpenAI、Google 三家公司的徵才頁面，會看到一批十八個月前根本不存在的職位：知識架構師、前線部署工程師、Harness 工程師、AI 編排師（AI Orchestrator）、人機協作主管（Head of Human-AI Collaboration）。這些職位的共同特徵是：基本薪資開到年薪30 萬美元起跳，加上股票與獎金最高可破百萬美元，但這些公司還是找不到人。如果你再去LinkedIn 上看大型企業的徵才需求，會看到完全相反的現象：傳統的初級資料分析師、初級行銷企劃、初級會計助理、客服代表等職缺，數量都比兩年前少了一半，薪資中位數也明顯往下掉。
兩個方向同時往極端走：頂尖的跨職能新角色搶到沒人，傳統的單一功能初階職位塞到沒人要。這背後是一場史無前例的職位大轉移。科技巨頭過去兩年的大規模裁員是這場轉移的一個顯眼切面，但裁員只是這場戲的表面。要看懂底下發生什麼，得進一步問：當AI 開始有能力承接過去人類負責的單一任務，整個職位結構會被怎麼重組？工作者要怎麼站到對的位置上？
2025 年1 月，世界經濟論壇在《2025 未來就業報告》中預測，2030 年前，AI 會消滅9,200 萬個既有職位，卻也會創造1.7 億個新職位，一來一回扣掉後，職位的淨值大概會增加7,800 萬個。從宏觀經濟的角度來看，整體工作機會會變多。我個人的觀察與世界經濟論壇有些差異。我認為在高度自動化的未來，職位總數其實會愈來愈少。但無論總數增減，真正值得我們關注的，是這些新增職缺的「成分」，並沒有均勻分布在原先的就業光譜上，而是高度集中在與數據、AI、機器學習相關的領域。比方說數據分析師、機器學習工程師、超資深的軟體工程師、AI 系統設計師，這些人的需求量沒有減少，反而瘋狂增加，速度只會愈來愈快。
這也呼應了Anthropic 在2025 年9 月發布的〈Anthropic 經濟指數報告：人工智慧在地域和企業中的應用失衡〉（Anthropic Economic Index report: Uneven geographic and enterprise AI adoption）所揭露的關鍵數字：在企業透過API 大規模部署AI 的場景裡，有77% 的使用模式已經屬於「自動化」（AI 主導執行，人類只做最後驗收）。企業AI 應用的主流已經從「AI 在後台輔助人類」演進到「AI 直接執行、人類退到驗收角色」。這個轉變直接帶出一個關鍵問題：當AI 開始大規模執行任務，人類的工作角色該怎麼重新定義？
跨職能角色崛起：AI 正在解構傳統職位中的單一任務，單一功能的初階職位大量消失，「Harness 工程師」、「AI編排師」等跨職能工作者成為最搶手的人才。
氛圍編碼讓程式開發變成全民技能：氛圍編碼讓不會寫程式的人也能以自然語言指揮 AI 產出可運行的程式碼。
原本需要產品、設計、工程三人的工作，如今一個善用AI 的人就能搞定，職能因此被合併。
通才比專才更有競爭力：AI 時代的真正創新來自跨界，單一專業的護城河正在縮減。工作者必須升級為「AI 指揮官」，對各領域都具備至少80 分的常識底蘊。
跨界轉譯力是最具價值的軟實力：當 AI 拉平執行門檻後，最稀缺的能力是「跨界轉譯」，亦即能聽懂工程師的技術限制，將之轉換成設計語言，包裝成商業故事，並以系統性思維將任務整合成有商業價值的完整系統。
從 T 型人才進化為π 型人才：過去「一深一廣」的 T型人才已不夠用，市場開始要求「兩根深度專業加跨領域廣度」的π 型人才。因為 AI 已將「廣度」便宜化，真正稀缺的是兩根專業之間的交叉整合能力。
