R4 - 員工想交給 AI 的工作，跟技術做得到的不一樣

2026-10-23

美玲在客服部做了九年。她最喜歡的工作，是接到一封氣衝衝的客訴信，花半小時把事情弄清楚，再寫一封讓客戶消氣的回覆。她最討厭的工作，是每週五下午，把三個系統裡的工單資料複製貼上到試算表，做成給主管的週報。

今年公司啟動 AI 專案，第一個目標是「客訴回覆自動化」，因為技術成熟、節省的工時最多。至於週報，因為要串接三個舊系統，列在「第二階段再評估」。

專案說明會上，美玲問：「那我以後的工作，是不是只剩下檢查 AI 的回覆，然後繼續做週報？」沒有人回答得出來。

美玲的問題點出了一個常被忽略的事實：多數 AI 專案的優先順序，是從「技術做得到什麼」與「能省多少成本」出發，很少有人先問做這份工作的人：你希望 AI 幫你做什麼？又希望留下什麼？

研究問了什麼：一千五百位工作者的意願地圖

史丹佛大學 SALT 實驗室的 Shao 等人（共同作者包括經濟學家 Erik Brynjolfsson 與 Diyi Yang），在〈AI 代理與工作的未來〉研究中做了一件過去很少人做的事：不只問技術能不能，也問做這份工作的人想不想。

研究團隊從美國勞工部的職業資料庫（O*NET）中，篩出可以在電腦上完成的任務，建立了名為 WORKBank 的資料庫。最後納入分析的是 104 種職業、844 項任務，由 1,500 位實際從事這些工作的人評分；另外由 52 位 AI 專家評估同樣這些任務的技術可行性。

研究也提出了一個「人的參與程度」量表（Human Agency Scale），分為五級：

H1 - AI 代理可以完全自行處理。
H2 - AI 代理只需要少量人的投入。
H3 - 人與 AI 是對等的夥伴，合作的表現優於任何一方單獨完成。
H4 - AI 代理需要人的投入才能完成。
H5 - 沒有人的持續參與，AI 代理就無法運作。

發現一：意願與能力交叉出四個區塊

把「員工想不想自動化」與「技術做不做得到」交叉之後，任務分成四個區塊：

綠燈區 （想要，也做得到），約佔四成三。這是最適合先做的地方。
紅燈區 （做得到，但不想要），約佔三成一。技術上可行，但工作者不希望交出去。
研發機會區 （想要，但還做不到），約佔一成三。員工很希望有人幫忙，技術卻還沒跟上。
低優先區 （不想要，也做不到），約佔一成三。

更值得注意的是投資的方向。研究把知名新創加速器 Y Combinator 的新創公司對應到這些任務，發現 41% 落在紅燈區與低優先區；許多員工最想交出去的工作，反而很少有人在做。美玲公司的專案排序，只是這個現象的縮影。

發現二：多數人要的是夥伴，不是替代

在 46.1% 的任務上，工作者對自動化抱持正面態度，而且是在考慮過工作可能消失與工作樂趣之後。他們最常見的理由是「把時間空出來做更有價值的工作」（69.4%），其次是任務重複乏味（46.6%）與提升品質（46.6%）。

但在「人的參與程度」上，工作者最常選的是 H3，也就是對等的夥伴關係；希望完全交給 AI（H1）的只有 1.9%。工作者與專家的看法只有 26.9% 一致；在 47.5% 的任務上，工作者希望保留的人的參與，高於專家認為技術上必要的程度。對 AI 有疑慮的人中，最主要的擔心是對準確度的信任（45%），其次才是工作被取代（23%）。

這個落差很重要。如果工作設計只聽技術專家的意見，就會在近一半的任務上，把人拿掉得比做這份工作的人願意的更多。

發現三：被看重的能力正在轉移

研究還觀察到一個早期訊號：分析資料、更新知識這類「資訊處理」的能力，與需要高度人的參與的任務關聯正在減弱；而協調他人、監控資源這類「人際與組織」的能力，關聯則在增強。

這份研究的限制

這是一份設計嚴謹、但仍在預印本階段的研究（證據等級 B）。樣本是美國工作者，年齡偏輕；只涵蓋 287 種符合條件職業中的 104 種；資料反映的是 2025 年初的 AI 能力。作者也坦承，工作者未必完全了解 AI 的能力，也可能因為擔心工作而不完全說實話；專家之間的一致性也只是中等。台灣的產業結構與職場文化不同，區塊的比例不能直接套用，但「先問意願」這個方法本身是可以借用的。

另一個參考數字來自 BCG《AI at Work 2026》：61% 的工作者認為，三年內代理可能做掉自己一半以上的工作。也就是說，員工已經感受到改變即將發生；他們缺的不是危機感，而是參與設計的機會。

人想留下什麼：意義、關係與判斷

研究的訪談紀錄中，有工作者直接說：「內容創作不要。」也有人說：「我絕對不會用 AI 去取代藝術家。」編輯是唯一一個多數人選擇 H5（完全需要人）的職業。把這些線索與美玲的例子放在一起，可以看出人想留下的工作，大致有三個特徵：

有意義 做完之後知道自己幫到了誰，而不只是完成了一個步驟。
有關係 需要和人對話、理解情緒、建立信任，就像美玲安撫客戶。
有判斷 沒有標準答案，需要專業與經驗來權衡，也是專業身分的來源。

而人最想交出去的，往往是重複、乏味、跨系統搬資料的工作。問題是，這些工作常常卡在舊系統與流程之間，技術上不好做，投資報酬也不好算，所以被排在後面。

理論解讀：工作重塑與共同設計

以下是作者的觀點，而非上述研究的發現。

Wrzesniewski 與 Dutton（2001）提出「工作重塑」（job crafting）的概念：員工會主動調整自己工作的任務、關係與意義，讓工作更符合自己的價值與專長。這個概念提醒我們，工作不只是一組任務的組合，也是一個人建立自我認同的地方。當 AI 專案拿走的正好是員工用來建立意義的那一部分，即使工時省下來了，投入感與留任意願也可能一起流失。

社會技術系統的傳統則更早就說過：技術與工作組織要一起設計，而且要讓做這份工作的人參與設計。Cherns（1976）整理的社會技術設計原則中，第一條就是「設計的過程要與設計的目標一致」：如果希望新的工作方式讓員工更自主、更投入，就不能用一個員工完全沒有發言權的過程來設計它。

從這個角度看，史丹佛研究的價值不只是那四個區塊，而是它示範了一種方法：把員工的意願視為與技術可行性同等重要的設計資料，而不是事後才需要「溝通」的阻力。

怎麼做：在決定自動化什麼之前，先問做這份工作的人

一、工作設計前先做意願盤點。 可以借用研究的做法，把一個職務的主要任務列出來，請第一線同仁對每項任務回答三個問題：你希望這項任務自動化到什麼程度？你希望在這項任務中保留多少參與（可以直接用 H1 到 H5）？為什麼？第三個問題最重要，因為它會告訴你這項任務對員工的意義。

二、用意願與能力的落差排優先順序。 把任務放進四個區塊：綠燈區優先做，可以快速建立信任；紅燈區不要硬推，就算要做，也先設計成 H3 的夥伴模式；研發機會區可以列為中期投資，因為這是員工最期待的地方。美玲的週報，就是一個典型的研發機會區任務。

三、讓員工參與設計，而不只是參與測試。 在專案小組中放進第一線的代表，讓他們一起決定「哪一段交給 AI、哪一段留給人」，而不是等系統做好了才請他們試用。〈工作圖的下一步〉介紹的工作鏈地圖工作坊，可以是這個參與的場域。

給人資與 OD 的提醒： 意願盤點不是滿意度調查，也不是為了讓員工「買單」的溝通活動。如果問了卻不影響決策，員工很快就會發現，下一次就不會說真話。也要留意研究指出的限制：員工可能因為擔心工作而保留，所以盤點最好匿名進行，並且事先說清楚結果會怎麼使用。

結語：工作設計的第一個問題，應該問做這份工作的人

技術做得到什麼，決定了 AI 專案的可能性；員工想要什麼，決定了專案能不能真的被接受。兩者之間的落差不是阻力，而是一張指引投資與溝通的地圖。

美玲問的那句話，其實不是在反對 AI，而是在問：我想保留的那一部分，有人在意嗎？

留給你的問題： 你們決定要用 AI 做什麼之前，問過做這份工作的人嗎？他們最想交出去的那件事，排在你們專案清單的第幾位？

參考文獻

Boston Consulting Group. (2026, June 3). AI is reshaping jobs faster than companies are reshaping work [Press release]. https://www.bcg.com/press/3june2026-ai-reshaping-jobs-faster-than-companies-reshaping-work（證據等級 C：顧問公司調查）
Cherns, A. (1976). The principles of sociotechnical design. Human Relations, 29(8), 783–792.（證據等級 A：經典理論文獻）
Shao, Y., Zope, H., Jiang, Y., Pei, J., Nguyen, D., Brynjolfsson, E., & Yang, D. (2025). Future of work with AI agents: Auditing automation and augmentation potential across the U.S. workforce (arXiv:2506.06576). https://arxiv.org/abs/2506.06576（證據等級 B：預印本，大型問卷與專家評估）
Stanford SALT Lab. (n.d.). Future of Work with AI Agents [Project website]. https://futureofwork.saltlab.stanford.edu
Wrzesniewski, A., & Dutton, J. E. (2001). Crafting a job: Revisioning employees as active crafters of their work. Academy of Management Review, 26(2), 179–201.（證據等級 A：經典理論文獻）

慧培國際相關服務

組織發展與變革 在 AI 導入前後，協助組織聽見第一線的聲音，讓變革的過程與目標一致。
工作設計工作坊 以工作鏈地圖與意願盤點，讓員工與主管一起決定人與 AI 的分工。

更多資訊請見慧培國際網站 www.whitespace-leadership.com 。