AI 導入後就業不減反增？Stanford 研究：增加的是高階職位，縮編之前先重設流程

企業導入 AI 之後，最常被問到的問題是要裁掉多少人。2026 年 9 月 22 日刊出的一篇分析指出，一項 Stanford 工作論文給出的答案剛好相反：採用 AI 的企業，整體就業可能小幅增加。但增加的部分集中在哪裡，才是真正值得細看的訊號。

12.5 億筆職缺告訴我們什麼

研究團隊 Bharat Chandar 與 Bouke Klein Teeselink 分析約 12.5 億筆職缺與 1.54 億筆就業紀錄，涵蓋 41 個國家。研究以職缺廣告中出現的生成式 AI 使用內容推估企業採用情形，再與條件相近但未採用的企業比較。

幾個關鍵數字：相較於控制組，採用 AI 的企業初階員工佔比低約 1.9 個百分點；模型點估計顯示高階就業增加約 6.7%、初階就業減少約 2.5%，企業總就業增加約 3.3%。要注意的是，後兩項分別只有邊際統計顯著性與未達顯著，只能視為提示性證據，不是實際成長率。

高階就業增加是較一致的訊號。31 個可估計國家中，有 23 個出現初階員工佔比下降。樣本集中在具數位連結、跨國活動的企業，對臺灣中小企業的適用性仍需個別判斷。

為什麼高階需求反而上升

研究的模型把影響拆成幾條路徑。第一是規模效應：AI 降低生產成本後，企業擴大產出與服務範圍，帶動部分職務需求。第二是任務重組：例行工作交給 AI 之後，AI 稽核、工作流設計、資料品質管理與例外處理這類任務可能增加。第三是既有任務的生產力變化，AI 讓員工更快完成工作，但人力需求取決於新增業務與任務削減哪邊力道較大。

用一個日常比喻：把廚房裡切菜的活交給機器之後，並不代表廚房要的人變少，而是需求移向能設計菜單、試味道、決定哪道菜可以出餐的人。例行任務交出去之後，真正稀缺的是站在任務連接處的人：把業務目標轉成流程、決定哪些 AI 輸出要由人複核、並為結果負責。

這也呼應我們先前討論過的企業用各種手法讓員工自己走的縮編趨勢：問題從來不是該不該減少人力，而是減掉的位置是否正好是未來需要的能力。

最容易被忽略的代價：人才培育階梯

初階職位常是累積產業知識、熟悉流程與學習判斷的入口。若刪除例行工作卻沒有提供新的實戰場景，企業長期可能缺少能接任高階職務的人。今天的初階員工，是五年後的流程設計者與品質把關者；把入口拆掉，出口自然也會枯竭。

國際勞工組織指出，多數職務仍由需要人力投入的多項任務組成，生成式 AI 更可能帶來工作轉型而非全面替代。OECD 2026 年報告也指出，AI 正提高對高技能人才的需求，培訓與再培訓是企業回應技能變化的主要做法。

培訓有沒有效，可以分層檢驗。第一層看學習任務的完成品質：能否依規則整理資料、標出 AI 輸出的疑點，並說明採用或退回某項結果的理由。第二層看導師回饋與錯誤率，若錯誤從格式問題逐步轉為較少見的判斷問題、返工量持續下降，才表示工具與流程開始形成工作習慣。第三層是獨立作業，讓受訓者在沒有即時提示的情況下完成範圍明確的任務，由資深同仁檢查資料追溯、例外處理與交付品質。這比單次測驗更接近實際工作，也能找出培訓與職務要求之間的落差。

縮編之前，先問三個問題

這份研究是相對比較，不是整體經濟的就業預測，企業總就業增加也不能拿來保證個別公司的擴編結果。但對正在評估 AI 導入的管理者，它至少指出順序問題：先重設流程，再談編制。

具體來說，可以依序確認三件事。哪些 AI 輸出需要人複核、由誰負責，權責沒有定下來之前，談縮編只是把風險往下遊推。初階員工有沒有新的實戰場景，例如低風險模擬、輸出比對與輪調，讓判斷力有地方養成。以及培訓成果能否用實際任務驗收，而不是用完課率交代。

AI 改變的是聘用的組成，不是簡單地增減人數。把這個順序弄反的企業，省下的薪資，之後多半會用另一種形式付回去。