文：張恭銘
生成式AI正以驚人速度滲透全球職場，但效率提升的背面，一個更深層的危機正在浮現：年輕人透過入門工作累積判斷力與專業直覺的傳統路徑，正被系統性地侵蝕。
耶魯大學管理學院教授K. Sudhir指出，初級工作的價值從來不只是產出本身。分析師手繪的粗糙財務模型、助理律師笨拙的合約標註，這些「慢」的過程才是判斷力的來源——「你透過把它做錯、看到它在哪裡出錯、再重做一遍，來發現哪些假設真正驅動業務。」換言之，初級工作同時製造了兩樣東西：交付物，以及人本身。而AI恰恰是第一個能將這兩者分離的技術——交付物送達了，原本隨之而來的練習卻消失了。
這一結構性風險已有數據佐證。史丹佛數位經濟實驗室2025年11月發布的工作論文發現，在AI暴露度最高的職業中，22至25歲勞工的就業率相對下降了16%。PwC《2026 AI就業晴雨表》進一步顯示，AI暴露度最高的初級職位要求「資深技能」的可能性是最低暴露組的七倍，而「資深化」的初級職位自2019年以來增長了35%。超過半數的高階主管在BCG調查中將「初級人才發展放緩」列為核心擔憂。Talogy對207位資深人資主管的調查更顯示，78%擔心AI接管初級任務後將導致關鍵領導技能的長期流失。
值得注意的是，AI對職場的衝擊在不同經濟體中呈現出差異化的面貌。印度作為全球青年人口最龐大的國家之一，正面臨獨特的雙重壓力。Gallup《2026全球職場狀況》報告顯示，印度員工參與度在2025年降至四年新低，59%的印度勞工處於「安靜離職」狀態，每年因生產力流失造成的經濟損失高達3510億美元，約占GDP的9%。Indeed報告進一步指出，68%的印度雇主認為「安靜離職」等新職場行為主要由入門與初級員工推動。
印度安靜離職潮的成因與AI對技能學習的侵蝕形成了共振。印度青年面臨有限的就業機會、上升的生活成本與家庭期望，辭職在許多人眼中仍是「特權」而非選擇，這使得心理退出成為比實際離職更現實的選項。與此同時，AI工具讓初級員工更早被要求獨立上手，卻也更容易因過度依賴工具而錯過向主管請教、建立信任、累積情境理解的關鍵環節。當入門工作的「成長紅利」被AI吸收，而職場的參與感又持續下滑，年輕人面臨的是技能與動力的雙重空心化。
印度政府已開始回應這一挑戰。2025至2026年間，技能發展與創業部聯合AWS、Google、Dell等企業推出了大規模AI技能培訓計劃，目標覆蓋從一級城市到三級城鎮的數十萬青年。然而，培訓供給的增加能否轉化為職場中真實的判斷力累積，取決於企業是否願意重新設計入門職位——正如NYU專業研究學院院長Angie Kamath所言：「企業應自動化重複性任務，而非學習環境本身。」