很多人討論 AI 與職場時，會直覺地想像一場代際替換。年輕人熟悉新工具，所以年輕人會取代年長員工；年長員工不熟悉 AI，所以會被時代淘汰。這種想像未必準確。真正正在發生的變化可能剛好相反。AI 未必首先淘汰資深員工，反而可能令資深員工變得更有價值，同時令新人更難進入職場的學習鏈條。
因為 AI 最容易取代的是初階任務。過去的職場有一個隱含制度：新人透過低階工作累積經驗。整理資料、寫初稿、做紀錄、處理客戶查詢、準備簡報、跟進行政流程，這些工作未必高端，甚至經常被視為瑣碎，但它們本來就是職業能力的入口。新人在大量低階任務中逐步理解行業規則、組織語言、客戶心理、錯誤成本和現實限制。
這些任務表面上低價值，實際上有培訓功能。問題是當企業開始用 AI 處理這些任務，它們看到的只是成本下降，未必看到學習通道被抽走。
企業最容易犯的錯是把「工作成果」和「人成長的過程」當成同一件事。AI 可以更快整理會議紀錄，於是企業覺得不需要新人做紀錄。AI 可以更快生成報告草稿，於是企業覺得不需要初級員工起稿。AI 可以初步分析數據，於是企業覺得 junior analyst 的角色可以減少。但對一個新人來說，做紀錄不是為了產出一份紀錄，寫草稿不是為了交出一份草稿，分析數據也不只是為了得到一個結論。這些工作本來是訓練他理解事情如何被組織、如何被判斷、如何被上級修正。
當這些環節被 AI 接管，新人的問題便是少了一條由不成熟走向成熟的路。這就是 AI 對職場結構最深的影響，它改變能力形成的路徑。過去企業雖然不一定有意識地培訓新人，但初階職位本身仍然承擔了一部分培訓功能。新人可以在低風險任務中犯錯及被修改，其後可以旁觀資深員工如何判斷。現在 AI 把低風險任務吸走，企業留下來的往往是需要判斷、需要協調、需要負責任的工作。這些工作是新人未必有足夠的前置經驗去做。
於是職場開始出現一種新的斷層：企業需要有經驗的人，但不再願意養成有經驗的人。這個矛盾會越來越明顯。很多企業會說，市場變化太快，已經沒有時間慢慢培訓新人。這句話在短期內合理，因為企業面對成本壓力、競爭壓力和技術轉型壓力，不可能無限承擔培訓成本。但如果所有企業都這樣做，整個勞動市場就會出現結構性問題。今日的資深員工，是昨日的新人。如果今日的新人沒有入口，十年後的資深人才從哪裡來？
這是社會把學習成本外判出去之後，突然發現沒有人負責承接。更弔詭是 AI 可能會令資深員工在短中期內更強。因為資深員工本身已有行業判斷，他們使用 AI 時，不只是叫 AI 代工，也知道應該問甚麼、怎樣驗證、哪裡可能錯、甚麼地方不能交給工具。對他們來說，AI 是能力放大器。對新人來說，AI 卻可能是能力替代器。新人如果未建立基本判斷，就過早依賴 AI，表面上產出變快，實際上未必知道自己產出的內容是否合理。
這會令職場優勢由「年輕、快、懂工具」轉向「有判斷力、懂場景、能負責」。AI 不會自動獎勵年輕人，它獎勵能夠駕馭工具的人。而能駕馭工具的人，通常是最知道工具應該被放在哪個位置的人。
所以，AI 時代真正受壓的未必是老人，是沒有被制度正式承認的新人階段。以前新人可以用低階工作換取學習機會。現在企業可能會問：既然 AI 可以做，為甚麼還要請一個新人？這個問題看似理性，但它其實只計算了當下產出，沒有計算未來人才供應。如果一間公司不培訓新人，短期內可以降低成本。如果一個行業都不培訓新人，整個行業就會逐步老化。這是能力來源的老化，它會不斷消耗既有經驗，卻沒有新的經驗生成機制。
未來職場可能分成幾種人︰
第一種是已有經驗、又能使用 AI 的資深工作者。他們會變得更高效，也更難被取代。因為他們把 AI 變成自己的延伸。
第二種是只會執行舊流程、又抗拒 AI 的工作者。他們確實會受到壓力，但這是因為其能力與新工作系統脫節。
第三種是剛入場的新人。他們最大的風險是太早被 AI 代替原本應該親身經歷的笨功夫。他們可能會變成一種很奇怪的工作者：很快會產出，很熟悉工具語言，但對真實業務的因果、風險和人際脈絡缺乏厚度。
這種新人缺少被磨出的能力。職場教育的核心問題會因此改變。過去的問題是新人如何更快上手？未來的問題將會是在 AI 已能完成大量初階任務的環境下，新人還可以透過甚麼方式累積經驗？
如果企業沒有重新設計培訓制度，結果可能是新人被要求一開始就像資深員工一樣工作。這會製造更大的焦慮。畢業生會發現，市場一邊說 AI 工具降低門檻，一邊要求他們已有成熟判斷。企業會說新人不夠即戰力，但它們自己又取消了新人變成即戰力的過程。
長遠來說，真正有前瞻性的公司會重設初階職位的功能。未來的 junior role 可能圍繞三件事設計：學習如何提出問題，學習如何審核 AI 產出，學習如何理解真實業務場景。新人仍然要做基礎工作，但那些工作要被設計成判斷力訓練。
例如，AI 可以先生成報告，但新人要學會指出報告的漏洞。AI 可以整理客戶資料，但新人要學會分辨哪些訊號真正重要。AI 可以提供方案，但新人要學會理解方案在組織內是否可行。這種訓練比過去更難，因為它要求企業明確知道自己想培養甚麼能力。
這也代表未來教育和職場之間的斷裂會擴大。學校如果仍然只訓練學生完成標準答案，學生進入 AI 職場後會更困難。因為標準答案正是 AI 最容易生產的東西。人真正需要補上的是問題意識、現實判斷、責任感和對複雜情境的理解。這些能力過去可以在工作中慢慢形成，但當初階工作被壓縮，學校、企業和個人都要重新分擔這部分成長成本。
對個人來說，這代表新人不能再只把自己定位成「願意學、肯做、會用 AI」。這些條件會變得不足夠。新人要更早建立自己的判斷框架，甚至要主動製造經驗。做項目、寫分析、建立作品集、參與真實問題、反覆修正自己的輸出，這些會比履歷上的學歷和工具名稱更重要。因為未來企業最想知道的是你在 AI 幫你產出之後是否知道下一步應該怎樣判斷。
這對年輕人不完全是壞事。舊職場的初階路徑本來也有很多問題。很多新人長時間做低價值工作，未必真的學到核心能力，只是在消耗時間等升職。AI 壓縮初階工作，某程度上也迫使社會承認一件事：不是所有低階工作都等於培訓，也不是所有年資都等於成長。真正有價值的培訓需要被設計。
但危險是市場未必會自動走向更好的設計。市場更可能先走向成本削減。當企業發現 AI 可以減少初階人手，它們可能會先把空缺取消。只有當幾年後中層人才斷層、組織判斷力下降、資深員工過度負荷時，企業才會發現問題是人才生產線斷了。
所以，AI 對職場的真正衝擊是職業成長的時間結構被重寫。過去一個人可以從低階任務開始，在錯誤與修正中累積判斷。未來這條路會變窄。能留下來的人可能要更早證明自己有判斷力，但如果沒有入口讓人累積判斷，這個要求本身就是矛盾。社會不能一方面取消新人成長的階梯，另一方面抱怨年輕人不成熟。企業不能一方面拒絕培訓，另一方面要求市場自動供應成熟人才。
AI 沒有淘汰老人。至少在短期內，它反而強化有經驗者的優勢。真正被推到危險位置的是那些還未有機會形成經驗的人。這場變化使社會可能失去培養新人的耐性。當一個職場只想使用成熟能力，卻不想承擔能力成熟之前的成本，它表面上變得更有效率，實際上是在透支未來。AI 可以替企業完成很多初階任務，但它不能替社會完成一代人的成長。
未來真正有競爭力的組織會問哪些經驗不能被完全外判。因為一旦新人不再有地方犯低成本的錯，整個社會遲早要承擔高成本的錯。
AI改寫職場規則 菜鳥更難出頭、優勢倒向資深員工
文章定位：
