專業人才的斷層正在從初階工作消失開始

人工智慧正在快速降低許多初階專業工作的產出成本。軟體工程最明顯，程式碼生成工具已能完成函式撰寫、測試、除錯與文件整理，資深工程師可以把過去交給 junior developer 的工作直接交給模型。企業短期得到更高效率，卻同時移除新人累積判斷力的工作入口。

法律、會計、顧問與新聞工作也有相同矛盾。初階律師從文件檢索與合約比對學會辨識風險，會計師從核對憑證與底稿理解交易如何進入財報，顧問從資料清理與訪談紀錄逐步理解企業問題，記者則從跑線、查證與改稿建立消息來源與判斷力。這些工作重複、耗時，卻長期承擔了專業養成的一部分成本。

效率工具正在吸收專業養成的第一階段

專業能力不是把知識記住之後直接升級成判斷力。新人反覆處理低階任務時，會遇到例外、錯誤與模糊資訊，必須知道哪個數字不合理、哪段需求彼此矛盾、哪一個看似可行的解法會在系統其他地方出問題。這些微小判斷累積成日後規劃架構、管理風險與帶領團隊所需要的默會知識。2026 年一項針對軟體工程師的研究把初階工作被資深工程師加人工智慧吸收的現象稱為 absorption。新人失去的不只是工作量，也包括在真正任務中犯錯、追查與修正所形成的 productive struggle。

資深工程師使用人工智慧時仍能判斷輸出是否合理，因為他們的判斷力多半在人工智慧普及以前建立。新人若從第一天就把推理過程外包給模型，表面產出可能更快，底層心智模型卻未必同步形成。當代資深人才因此可以靠人工智慧擴大產出，下一代資深人才的形成速度卻可能下降。

遠距工作削弱了另一條非正式學習管道

辦公室的專業養成從來不只發生在正式訓練。新人會聽見資深同事如何和客戶爭論需求，看見主管如何處理失敗的專案，在會議後追問一句為什麼，或因為坐在附近而被臨時拉進一個問題。遠距工作對已經建立人脈與方法的資深員工具有通勤時間下降、安排更自由與專注時間增加等價值，但新人需要的大量低成本觀察、模仿與即時回饋，很難全部改造成預約好的視訊會議。

人工智慧與遠距工作疊加後，企業可以用更少的人完成同樣產出，也更容易把工作拆成可以遠端交付的成果。初階員工於是同時失去工作任務與工作現場兩種學習資源。這種損失不會立即反映在當期產出，因為現有資深員工仍能維持品質，人才供給的缺口要到後續升遷與接班時才會顯現。

企業節省的培訓成本會轉成未來的人才成本

單一企業有充分誘因減少 junior headcount。培養新人需要資深員工花時間 review、解釋與修正，而新人幾年後可能離職；人工智慧若能立即完成相同工作，購買工具比承擔培養成本更符合當期財務邏輯。整個產業若都採取相同策略，SD、PM、架構師、資深律師、主辦會計師與資深顧問的供給會在數年後延遲收縮。這些職位不是學校畢業後直接產生，而是從大量初階人員中經過實務篩選與累積形成。入口先縮小，中高階人才的存量仍可維持一段時間，直到接班需求出現才暴露中間梯隊不足。

勞動市場的報酬也可能因此兩端分化。少數已經具有深厚經驗的人可以利用人工智慧管理更大的產出範圍，市場價值上升；缺乏進入路徑的新人則更難取得第一份能累積經驗的工作。企業個別節省成本，產業整體卻可能提高未來取得成熟人才的價格。

專業養成必須從工作副產品變成刻意投資

人工智慧沒有必要退出專業工作，但訓練不能再依賴低效率工作自然存在。新人可以使用人工智慧，同時必須保留需要拆解問題、驗證輸出、解釋選擇與承擔結果的任務。軟體團隊可以要求新人不只提交程式碼，也說明架構選擇、測試邊界與模型可能犯錯的位置；法律與顧問工作可以讓人工智慧先完成資料整理，再要求新人對風險排序與假設負責。code review、案例複盤、shadowing、輪調與 apprenticeship 的功能，會從輔助制度變成正式的能力生產流程。

這類培訓成本無法完全用當期效率衡量。沒有組織願意為未來支付時，人才培育會形成公共財問題：每家公司都希望直接聘用已成熟的人，卻沒有人願意承擔成熟以前的成本。大型企業、專業公會、學校與 apprenticeship 制度因此需要共同維持入口訓練，否則人工智慧越成功地消除初階工作，專業人才的世代斷層就越可能在數年後轉化成更昂貴的招募與接班問題。