下周電子報主題：AI 時代如何建立專業能力

一直想談這個主題很久了，所以我先讓 Claude 幫我做了研究，本周會讀一下它的報告，尤其是它提供的連結資料。然後我再提出我的看法以及實作經驗。

這邊也提供 Claude 的報告，有興趣的人可以先看看。

AI 時代如何建立專業能力：英日雙語論述分析

從 2025 年中到現在，英語和日語圈的討論有著驚人的一致結論：人類技能的價值正在上升而非下降，但培養專業能力的路徑正在瓦解。從 McKinsey 到東洋經濟、從教育界到企業 CEO，全球已形成共識——「領域專業 × AI 素養」才是致勝公式。然而，專業人才養成的結構性威脅卻被嚴重忽視。本報告綜合了英日兩國主要媒體、政府報告、產業領袖與公共論述的內容，涵蓋 2025 年 7 月至 2026 年 2 月。

一、專業人才培養管線正在底層斷裂

英日雙方最迫切的擔憂，不是 AI 會消滅專家職位，而是 AI 正在掏空過去用來培養專業能力的入門級職位。

Fortune 在 2025 年 12 月報導，根據一項針對 1,540 名董事會成員與高階主管的調查，AI 暴露出來的不只是技術能力不足，更是「批判性思考的落差」。Pluralsight 的 2026 年科技預測發現，自疫情以來，大型企業的入門級技術職位已經砍了 50%，而且預計還會繼續下降。哈佛大學追蹤 285,000 家美國企業中 6,200 萬名工作者的研究也確認：導入 AI 的企業中，初階職位正在萎縮。

這造成了一個弔詭的局面。NC State 的 Mark Beasley 博士說得直白：「知識在某種意義上已經免費了，真正要啟動的是思考能力。」如果 AI 自動化了那些過去用來累積經驗的重複性工作——金融、法律、顧問業的苦力活——下一代的策略思考者要怎麼成長？Robert Half 董事會成員、經濟學家 Julia Coronado 直接拋出這個問題：「如果 AI 取代了典型的入門級職位，而我需要中層人才，那不給人從基層做起的機會，我要怎麼培養未來的中層？」

在日本，這個問題更加緊迫。IPA（情報處理推進機構）在 2025 年 10 月的報告中指出，85.1% 的日本企業缺乏足夠的 DX 人才，遠遠落後於美國和德國。日本在七國調查中的自主學習率也敬陪末座。少子化、終身雇用制度瓦解、人力資本投資長期不足——這三者交會之下，這已經不是企業層面的問題，而是國家存亡等級的挑戰。

二、英日兩國都認同的關鍵技能

在雙語數十個資料來源中，一個高度一致的技能階層已經浮現。WEF（世界經濟論壇）的 Future of Jobs Report 2025 被幾乎所有來源引用，預測到 2030 年，39-40% 的核心工作技能將發生變化，1.7 億個新職位將被創造，9,200 萬個被淘汰（淨增 7,800 萬個）。IMF 在 2026 年 1 月分析了數百萬則職缺公告，發現需要新技能的工作薪資高出 3-15%，而且全球近 40% 的工作面臨 AI 驅動的轉型。

最常被提及的有價值技能分為三個層級：

第一層：不可替代的人類能力——批判性思考、創造性解決問題、倫理判斷、同理心、人際關係建立。McKinsey 在 2026 年 1 月的研究（發表於華爾街日報）發現，雇主今天看重的技能中，超過 70% 同時適用於可自動化和不可自動化的工作，另有 12% 完全屬於人類專屬。

第二層：AI 協作技能——提示工程與上下文工程、AI 產出評估、工作流程重新設計、判斷何時從 AI 升級到人類決策。

第三層：技術基礎——資料素養、資安基礎、領域專業技術知識（用於對 AI 系統進行有意義的監督）。

日本論述額外強調兩個概念。Deloitte Tohmatsu 在 2025 年 7 月的 AI Agent Day 上提出了**「紫色人才」（パープルピープル）的概念——結合商業知識（藍色）和技術知識（紅色），在 AI 能力與商業價值之間架起橋樑的人才。Deloitte 的田中公靖指出：「很多企業專注於搶 AI 原生人才，但最重要的其實是橋樑/樞紐型人才。加厚這一層，才是推動 AI 轉型的關鍵。」Business Research Lab 則強調「提問的精準度」（問いの精度）**和「修正的精準度」（修正の精度）是定義專家價值的後設技能——你必須知道該問 AI 什麼、如何導正它的輸出，而這需要深厚的領域知識為基礎。

Salesforce Japan 的部落格在 2025 年 7 月透過五位專家訪談精彩呈現了這個觀點。影片製作人明石學人提出「編輯力」（編集力）——選擇、結構化、賦予資訊意義的能力——作為關鍵人類技能。前微軟日本高層澤円強調好奇心（好奇心）是根本驅動力。內容創作者堀元見則提出一個非常人性化的觀點：在 AI 拉平產出品質的世界裡，**「討喜度」（かわいげ）**決定了誰能被錄用。

三、選科系的問題：從文理對立走向文理融合

英日雙方對於「該讀什麼」這個問題正在趨向相同的答案——但結構性背景差異極大。

美國：文科 vs. STEM 的重新評估

Georgetown 大學 2025 年報告確認，20 個最高薪科系中有 17 個仍然是 STEM。但反面證據同樣有力：STEM 畢業生有一半收入低於中位數，非 STEM 畢業生有一半收入高於中位數。Palantir、美國銀行、J. Crew 的 CEO 分別唸的是哲學、歷史和英文。2026 年 1 月 AAC&U/Morning Consult 對 1,030 名企業主管的調查發現，93% 認為溝通力、批判思考和倫理判斷是重要技能——這些全是文科的強項。科技公司也在積極雇用人文學科畢業生：Apple 招募藝術類背景做產品設計，微軟在 AI 團隊中加入倫理學家，OpenAI 雇用文科背景人才負責 AI 的負責任發展。

新興的美國共識是**「AI + X」**：把任何你熱衷的領域結合 AI 素養。Mark Cuban 在 2025 年中告訴 Money.com，如果今天重新進大學，他會主修商業，但同時選修「每一堂能讓我在工具發布那一週就用上的 AI 課程」。WEF 建議「堆疊」策略——核心主修加上資料科學、資安或分析的輔修或證照。大學端也在回應：UCSD 在 2025 年秋季推出 AI 主修、USF 開設了整個 AI 與資安學院（吸引超過 3,000 名學生）、Ohio State 推出全校性 AI 素養計畫要求所有學生接觸 AI 工具。

日本：文理融合的結構性改革

日本面對的是截然不同的結構性挑戰。文系/理系的分流根深蒂固——學生大約 16 歲就要選定方向，這決定了大學入學選項。2025 年 8 月，文科省（MEXT）定案了一項里程碑式政策，將資料科學和 AI 教育擴展到所有大學學院作為畢業必修，包括法律、經濟、文學系。政府撥款約 5 億日圓用於示範計畫，選定五所大學，從 2026 年開始實施。經產省預測到 2040 年 AI 技能人才缺口達 300 萬人，傳統文科畢業生則會多出 30 萬人——這正是政策急迫性的來源。

日本的關鍵詞是文理融合（bunri-yūgō）。多所大學已經行動：中央大學推出跨學院 AI/資料科學子課程、法政大學的 MDAP 計畫到 2023 年已招收超過 3,000 名學生、連京都藝術大學都開發了自己的 AI 聊天機器人用於學生學習支援。從 2025 年起，所有國立大學考生必須在共通測驗中加考「情報」（資訊）科目——這是確保不分文理都有基本數位素養的結構性推動。科學作家竹內薰的暢銷書建議高中生：「迷ったときは理系」（猶豫的時候選理組）——同時也承認這個區分本身已經過時。

四、自學不是選項而是必修：技能再造的必要性

所有英日來源都把持續性的自主學習視為不可談判的底線。問題不再是「要不要學」，而是「怎麼學」。

Josh Bersin（知名 HR 產業分析師）在 2025 年 12 月指出，每週有 9 億人使用 ChatGPT，其中 40% 以上的互動涉及學習。AI 在短短三年內「吸引的學習者比任何 L&D（學習與發展）平台有史以來都多」。Frontiers in AI 的 2025 年同儕審查研究發現，在 148 名大學畢業生中，自學和線上課程是 AI 領域的主要培訓路徑——而非正規大學課程。McKinsey 在 2025 年 12 月的分析發現，每 10 名員工中有 7 名忽略了正式的入職培訓影片，改為依賴實作學習和同儕討論。

OECD 的 Digital Education Outlook 2026 提出了一個關鍵警告：使用通用 AI 工具的學生能產出更高品質的成果，但這個優勢**「在移除 AI 存取的考試中會消失——有時甚至逆轉」**。意思是 AI 輔助的工作可能掩蓋了理解的膚淺。真正的學習需要刻意的教學設計，而不只是能用 AI 工具。

在日本，NetLearning 社長岸田努在 2025 年 11 月提出，技能再造正在被重新定義為三個層次：AI 素養（理解機制、風險、倫理）、AI 應用技能（提示工程、工作流程整合）、後設學習（在 AI 時代如何學習）。他警告「知識落差」（知的格差）正在擴大——那些用 AI 來深化思考的人，和那些用 AI 來逃避思考的人之間的鴻溝。他的框架反映了日本更廣泛的擔憂：國家必須從傳統的企業依賴式職涯發展模式轉向キャリア自律（職涯自主）——自我導向的職涯掌控。

日經 Business 在 2025 年 10 月的專題宣稱 2025 年為「AI Agent 元年」（AIエージェント元年），並警告「技能再造是個人問題，不是公司的事」現在是危險的心態。無法持續更新員工技能的企業「將輕易失去競爭力」。第一生命經濟研究所建議採用逆推法（backcasting）：先描繪你未來想解決的產業挑戰，再從目標倒推設計學習計畫。

雙方提到的具體學習優先項目包括：Python 程式設計（被普遍推薦為入門點）、資料素養、AI/ML 基礎、資安基礎、AI 倫理。日本方面，正式認證如生成 AI パスポート（Generative AI Passport）、E 資格、G 檢定等逐漸受到重視。美國方面則指向 IBM 免費的 SkillsBuild 平台（目標到 2026 年培訓 200 萬名 AI 學習者）、Amazon 12 億美元的員工技能提升承諾、以及 Coursera 和 Udacity 等平台。但雙方都強調：單靠技術技能是不夠的——OECD 的核心建議是「學習的首要目標應該是培養有價值的人類知識和技能，如獨立思考和基礎能力」。

五、不確定時代的職涯策略

研究中浮現的最具可操作性的建議歸納為以下幾個策略：

策略一：成為 AI 與領域專業之間的「翻譯者」

McKinsey 在 2026 年 1 月的領導力文章指出，「在 AI 時代能真正成功的領導者，是能將人類深度與數位素養融合在一起的人。他們讓 AI 跟自己一起思考，而不是替自己思考。」Deloitte Tohmatsu 的三層人才模型將「橋樑/樞紐」型人才——能在技術能力與商業價值之間翻譯的人——定位為最關鍵也最稀缺的一層。Morson Jobs 在 2026 年 2 月的建議也呼應：「能在資料與決策者之間翻譯的 AI 專業人士將是最搶手的。」

策略二：建立技能組合而非單一專長

L&E Group 的釘宮在 2025 年中告訴 Goodfind College：「專精於單一技能的風險極高」（一つのスキルに特化して磨いていくことは非常にリスクが高い），因為 AI 可能突然取代任何單一能力。多個日本來源主張從 T 型人才（一個深度專長加廣泛知識）進化為π 型人才——擁有多個深度專長。Entrepreneur Loop 的 2026 職涯指南同樣建議「組合式職涯」，結合不同類型的工作。

策略三：培養不可替代的個人世界觀

東洋經濟作者三浦敬助在 2025 年 12 月的著作中強力主張：「在 AI 時代，單純的知識能力沒有價值」，因為 AI 擅長的就是中間處理。差異化的關鍵不在於你知道什麼，而在於你怎麼想——你獨特的觀點、價值觀和判斷力。同為東洋經濟作者的 Kensuu（秋元裕紀）說得更銳利：AI 快速產出「正確答案」，所以唯一的差異化因素是「你怎麼想？」

策略四：建立可展示的、組合式的專業能力

Upwork 在 2026 年 2 月的報告指出，77% 的企業領導人表示 AI 增加了他們對專業化、彈性人才的需求，而非傳統全職員工。AI 相關技能的需求年增超過一倍（109% 成長），但對人類專業能力的聘僱「在各工作類別中依然強勁」。近半數企業領導人願意為具創造力和創新力的人才支付溢價。意涵很明確：建立可展示、可放入作品集的專業能力，比學歷證書更重要。

結論：英日交匯處揭示了什麼

這次雙語分析最令人驚訝的發現是：儘管結構性背景截然不同，結論卻高度相似。英美和日本的論述都認同人類技能正在升值、「AI + 領域專業」是致勝公式、持續自學是職涯存活的基本門檻。雙方都認為批判性思考、創造力、倫理判斷和與 AI 協作的能力是最重要的技能。

差異之處才是真正有啟示性的。日本論述遠更聚焦於系統性與結構性改革——政府政策、大學課綱強制要求、企業技能再造計畫——反映的是一個職涯發展歷來由機構主導而非個人主導的社會。日本的文理融合概念背後有數十億日圓的政府資金和強制性課綱變更支持，而美國等同的 STEAM 推動基本上仍是自願性質。日本對自主學習不足的獨特認知，加上人口危機，催生出由上而下的政策行動。

美國論述則更強調個人能動性與市場信號——組合式職涯、個人品牌建立、自主學習、以創業思維經營技能發展。文科的價值重估是由雇主調查和意見領袖推動，而非政府命令。

兩者交匯處浮現的更深層洞見是：AI 時代並沒有降低深厚人類專業能力的價值——而是讓這種專業能力更難透過傳統路徑培養。入門的坡道正在變窄。技術技能的半衰期正在縮短。那些用 AI 放大真實理解的人，和那些用 AI 取代理解的人之間的落差正在擴大。真正能勝出的專業人士，不是那些學會使用 AI 工具的人——那只是基本門檻——而是那些保有足夠的知識深度、倫理底蘊和創造性獨立思考能力來引導 AI 走向有意義成果的人。正如 McKinsey 全球管理合夥人在 2026 年 1 月所說：「AI 或許會改變我們怎麼工作，但只有人類領導者能決定我們為什麼工作、以及我們想達成什麼。」

主要參考來源

英語來源：