當智慧變得廉價，普通人的工作會發生什麼變化？
一個比模型排行榜更讓我在意的問題
2026 年 9 月 10 日，DeepSeek 正式發布了 V4.1 Flash，並宣布相應調降 API 價格。這讓我再次想起先前 V4 Flash 發布時的一個問題：當模型具備相當不錯的能力，同時使用成本又很低時，我們應該怎麼理解它對日常工作的影響？[1]
在開發者社群裡，每次新模型出現，我們很自然地關心它的程式開發能力提升了多少，能不能解決更複雜的問題，能否在更長的任務中維持可靠。這些討論很有必要。身為開發者，我也在意這些能力。
但企業日常運作中的大量工作，並不需要模型站在能力排行榜的最前面。
整理 Excel，把不同來源的資料彙整成報表，根據既有材料製作文件，比較兩個版本的差異，或是把會議紀錄變成一份待辦清單。這些工作很普通，卻需要有人持續投入時間。
當一個模型已經能完成其中相當一部分，而且價格低到企業可以頻繁呼叫、反覆嘗試時，問題就會落到一個非常現實的地方：企業還會為這些工作配置多少全職人力？
這些工作當然有價值。資料需要被整理，文件需要被製作，業務需要有人推動。只是工作需要被完成，和企業願意為它保留一個職位，是兩件需要分別考慮的事。
能力達到實用門檻之後，成本會改變使用範圍
一個模型即使非常強大，如果每次使用都很昂貴，企業也可能只把它留給少數重要任務。但當成本夠低，原本不值得自動化的瑣碎工作，就可能進入試驗範圍。
例如，一份每週只做一次的小報表，過去可能不值得請開發者為它維護專用軟體。員工手動整理一個小時，雖然麻煩，卻容易安排。如果模型能夠理解不同格式的材料，再透過現成工具完成整理，企業嘗試自動化的門檻就可能降低。
我認為，能力跨過實用門檻之後，成本下降會擴大受到影響的工作範圍。企業無須為每個任務購買最強的推理能力，只需要找到足以完成它、又比現有方式更划算的方案。
企業最終會比較完成工作的總成本，包括模型呼叫、系統整合、結果核對、錯誤修正和例外處理。員工追問缺漏資料、協調部門間資料定義的能力，也在這筆帳裡。我的擔憂是：隨著這些環節越來越多地被自動化，維持現有編制的成本理由還剩下多少？
設想一個原本需要五個人處理日常材料的團隊：如果自動化之後，兩個人就能完成剩餘的核對、協調與例外處理，企業就有了調整編制的誘因。這個假設說明了我在意的機制：只要剩餘工作可以集中到更少的人手中，人力需求就可能下降。
職位受到影響，並不需要等到 AI 能夠獨立完成這個職位的全部工作。
最早消失的，可能是尚未被招募的人
我認為，AI 對就業最早產生的衝擊，很可能先體現在進入職場的機會減少上。
企業未必急於解雇現有員工。這些人熟悉業務，維持著日常運作，也承擔著許多尚未被自動化的工作。但當部門提出增加人手時，管理者已經有了一個越來越容易提出的要求：先試試 AI，看看現有團隊能不能把工作接下來。
一個原本準備招募的職缺，就這樣被擱置了。沒有裁員公告，也沒有誰辦理離職，但一個本來可能獲得這份工作的人，失去了進入組織的機會。
最近幾個月的美國就業資料，讓我更加在意這種變化。先前公布的就業走弱，到最新一期非農就業報告再次表現強勁，說明短期數據仍有波動和修訂。但就業總量的韌性，並不能消除我對就業入口的擔憂。企業可以繼續保留現有員工，同時對增加人手保持謹慎；餐飲、教育等產業的成長，也不能說明普通辦公室職位擁有同樣的機會。[2][3]
我的短期判斷是，企業可能繼續維持少裁員、少招募的狀態。 現有員工的經驗仍然有用，AI 接入業務也需要時間。在這個階段，企業可以一邊維持運作，一邊驗證：哪些新增工作已經不必透過招募來解決？
對企業來說，這是一種成本較低的試驗。對求職者來說，影響卻已經發生了。畢業生找不到第一份工作，轉職者遲遲等不到合適的機會。仍在職位上的人，可能覺得就業環境沒有發生太大變化；站在門外的人，卻已經感受到入口正在變窄。
而我更擔心的是，這可能只是一個過渡階段。
目前，模型能夠整理表格、產生文件，並不意味著它已經能夠接手整份工作。資料散落在不同系統裡，流程需要協調，異常需要處理，結果需要有人負責。這些環節，讓企業暫時仍然依賴現有員工。
但如果未來一段時間，agent 越來越能適應不同工作流程，能夠取得資料、操作軟體、完成核對，並把少數例外交給人處理，那麼企業重新計算人力需求的條件就會逐漸成熟。
到那時，變化就可能從「這個新職缺暫時不招人」，發展為「這個人離職之後不用補」，再進一步變成「這個團隊還需要維持現在的規模嗎？」
我擔憂的是，今天沒有明顯增加的裁員，可能讓我們低估明天職位減少的風險。 當前的穩定，可能包含著企業尚在試驗、流程尚未接通、組織尚未調整的時間差。我們不能僅憑最新一期就業數字仍然強勁，就認為普通工作已經獲得了長期保障。
這並不意味著我能從幾份就業報告中證明 AI 已經造成了招募放緩。我表達的是對接下來變化方向的判斷：當模型夠好用、成本夠低，而 agent 又逐漸把這些能力接進企業流程時，企業減少人力需求的誘因會越來越具體。
我們是否正在利用這段時間，為可能受到影響的人建立新的職涯入口、培訓路徑和收入保障？還是要等到編制開始縮減，才告訴他們應該學習新技能、尋找更有價值的工作？
我擔心，等到衝擊以裁員數字的形式變得夠醒目時，許多人的機會早已在先前一次次被擱置的招募申請中消失了。
Agent 逐漸讓企業具備重新計算編制的條件
我認為，決定這種衝擊何時深入企業編制的關鍵，是 agent 接入實際工作流程的進度。模型能力與成本已經讓企業有理由嘗試，接下來需要打通的是日常業務中的具體環節。
以每月營運報表為例，實際工作可能包括從不同系統取得資料、確認資料定義、發現異常、聯繫相關人員補充資訊、更新表格，最後提交給負責人審核。每接通其中一個環節，就可能減少一次人工搬移資料、檢查狀態或追蹤進度的需要。
我在這裡所說的 agent，是能夠呼叫工具、執行多個步驟，並根據執行結果繼續推進任務的 AI 系統。要進入企業日常流程，它還需要獲得適當的權限，知道何時停止並交給人處理，留下可追溯的紀錄，並讓失敗後的修正成本保持可控。
這些要求是企業導入 AI 時需要解決的工程和管理問題。我擔心的是，我們把今天尚未完成的整合工作，當成了某些職位可以長期保留的理由。當業務資料、企業軟體和人工審核之間的連接逐漸成熟，企業就更容易把模型能力換算成人力安排。
在這樣的流程中，一個人的角色可能從親自完成每一步，轉為檢查多個 agent 的結果、處理少數例外。工作仍然存在，但完成它所需的人數可能已經減少。
這個過程可能持續一段時間，也會因產業而不同。資料混亂、例外很多、責任要求很高的工作，需要更長時間才能完成改造。流程清楚、輸入輸出容易核驗的工作，則更適合先被嘗試。
新的業務需求能否吸收這些節省下來的人力，需要實際發生的招募來回答。我不願把「效率提高以後自然會有更多新工作」當成已經兌現的承諾。對正在失去機會的人來說，新職缺出現的時間、地點和技能要求，都決定了他們能否真正進入。
未來一家企業的業務成長，可能不再帶來與過去相同比例的招募成長。
如果初階工作減少，經驗從哪裡開始累積？
討論到這裡，一個常見的回答是：人可以去做更有價值的工作。
這個回答讓我不安，因為它跳過了最具體的問題：一個人怎麼獲得承擔那些工作的能力，又由誰為學習所需的時間和收入負責？
很多人的職涯，恰恰從整理資料、製作文件、核對表格開始。在這個過程中，他們逐漸認識業務，知道哪些數字容易出錯，理解客戶真正關心什麼，也學會判斷什麼時候應該追問，什麼時候需要向上回報。
當這些基礎任務被大量自動化，我擔心被一同拿走的，還有新人累積經驗的機會。企業需要回答：新人透過什麼方式獲得足夠的練習？
一個組織可以短期依賴少數經驗豐富的人來審核 AI 的結果，卻仍然需要培養下一批能夠審核、判斷和承擔責任的人。如果入門職位不斷縮減，卻沒有新的培養路徑，幾年之後，資深人才的來源也可能出現問題。
這需要企業和教育體系共同設計。培訓除了教人使用工具，還需要給人接觸真實業務、處理例外和接受回饋的機會。否則，「學會 AI」可能只是讓每個人獲得相似的工具，卻沒有增加足夠的職涯入口。
更小的團隊，和更難迴避的分配問題
如果一個小團隊藉助 AI 就能完成過去一個部門的工作，企業的組織規模和職位安排就有了重新設計的空間。創業和提供專業服務的門檻可能因此降低，但我更關心的是：這樣的組織還會向多少普通人提供穩定的工作？
與此同時，已有客戶、資料、資本和通路的企業，也可以使用同樣的工具擴大營運規模。未來可能同時出現更多小團隊，以及用更少員工經營更大業務的公司。
我擔心，智慧的使用成本下降之後，客戶、資料、資本和通路會更加影響收益歸屬。一個失去辦公室職位的人，即使擁有同樣便宜的模型，也未必擁有客戶來源、創業資金和承擔收入波動的能力。要求每個人都轉型成獨立創業者，無法替代社會對就業與保障的安排。
企業可能把收益用於降價、擴張、提高薪資、縮短工時，也可能主要用於增加利潤。不同選擇，對普通人的生活意味著完全不同的結果。
如果我們仍主要依靠全職就業來分配收入、保障和社會參與機會，那麼人力需求的變化就不只是企業內部的效率問題。一個人失去的可能包括穩定收入、累積經驗的路徑，以及對未來生活的預期。
我關心社會能否做好準備，具體就是關心這些事情：轉職的人能否在收入不中斷的情況下學習？新人能否獲得真正的成長機會？生產力提高之後，勞工能否分享收益？如果完成相同產出需要更少工時，我們能否把其中一部分轉化為更多人的生活餘裕？
在我看來，這些準備必須發生在職位大規模調整之前。模型可以在一次更新後迅速普及，一個人重新建立職場能力、一個社會重新安排保障體系，卻需要更長的時間。這種速度差，正是我最擔憂的地方。
在下一份招募申請被擱置之前
V4 Flash，以及這次 V4.1 Flash 的更新，讓我越來越擔心：當模型能力和使用成本共同跨過實用門檻，企業調整人力的速度，可能快過社會建立新出路的速度。企業不需要等到 AI 無所不能，才開始重新計算人力需求。
最初，這種變化可能只是下一份招募申請被擱置。一家公司少招一個人，一個團隊離職後沒有補缺。每個決定看起來都很小，也有自己的經營理由。但對於等待進入職場的人來說，沒有出現的機會，同樣會改變人生。
隨著 agent 逐漸接手完整工作流程，這些決定還可能進一步延伸到既有編制和組織結構。
我認為，我們已經需要認真回答這個問題：當完成日常工作所需的人力越來越少，我們準備怎麼讓普通人繼續獲得收入、成長機會，以及參與社會的空間？
資料來源
以下資料按 2026 年 9 月 10 日的可用資訊引用；月度就業數據可能繼續修訂。文中關於招募、編制與未來組織形式的判斷，表達的是我的觀點與擔憂，不代表這些變化已由上述資料證實。