O1- 新人沒有基本功可以練了，未來的主管從哪裡來？
一家會計師事務所導入 AI 之後，查核底稿的初稿可以由系統快速完成。過去要花新人好幾天的抓資料、對數字、整理工作底稿，現在半天就能交出一份看起來很完整的版本。
第三年的查帳員開始被要求「複核」這些底稿。他很快就發現一個問題：他不太知道該看哪裡。經理說：「你看到數字怪怪的地方，就要追下去。」但「怪怪的」是什麼感覺？經理是在做了三年底稿之後才養成的，而他從來沒有做過。
經理後來在主管會議上說了一句話：「我們以前都是從做底稿練出來的。現在的新人，要從哪裡練？」
（以上為示意情境。）
這個問題近年在很多產業都開始出現。AI 最先接手的，往往是「簡單、重複、可以標準化」的工作，而這些工作，恰好是新人練習判斷、累積經驗的地方。省下的是今天的人力，可能失去的，是十年後的主管。
調查：入門職位正在變少
兩份國際調查都碰觸到這個問題。
第一份是 MIT Sloan Management Review 與 BCG 在 2025 年 11 月發表的《The Emerging Agentic Enterprise》，調查 116 個國家、共 2,102 位主管。在已經廣泛導入代理式 AI 的企業中，29% 預期入門職位會減少。
第二份是人才顧問公司 Korn Ferry 的《Talent Acquisition Trends 2026》。報告指出，43% 的人才主管預期部分入門或作業型職位可能被 AI 取代，並且明確警告：這可能限制未來的領導力發展。
這兩個數字都是「預期」，不是已經發生的事實；Korn Ferry 的報導也沒有公開樣本數。但它們指出了同一個方向：組織金字塔最底層的那一層，正在變薄。
而金字塔底層不只是成本，它也是學習的地方。很多主管的判斷力，是在入門工作中一點一點養出來的。問題是：當這些工作被 AI 拿走，學習會發生什麼事？
一項田野研究：學習不會消失，而是轉入地下
這個問題，有一項研究給了很清楚的答案。
UC Santa Barbara 的 Matt Beane 在醫院進行了長期的田野觀察，研究機器人手術如何改變外科住院醫師的學習，研究成果在 2019 年發表於《Administrative Science Quarterly》。
在傳統的開放式手術中，住院醫師站在主治醫師身邊，從拉開組織、縫合這些「邊緣但真實」的工作開始，一步一步地參與更多。機器人手術改變了這個學習結構。主治醫師坐在操作台前就能完成大部分手術，很少需要住院醫師幫忙，而且為了效率與安全，也不太願意把控制權交出去。結果是，大多數住院醫師在「正式」的管道裡學不到足夠的技能。
少數學會的人，靠的是 Beane 所說的「影子學習」（shadow learning）：在規範邊緣，用不被鼓勵、甚至不被允許的方式學習。例如提早專精、犧牲其他訓練；大量看手術錄影與用模擬器自己練；在監督不足的情況下硬著頭皮操作。這些方式有用，但不被公開討論，只有少數人做得到。
這項研究給組織的啟示是：當自動化拿走了新人練習的機會，學習不會消失，而是轉入地下、變得不平均。 少數敢冒險、有關係的人學得到，大多數人則被留在原地。
需要說明的是，這是單一領域（外科）的田野研究，而且是機器人而非生成式 AI。但它揭露的機制，和開場會計師事務所的情境非常相似：當「做」的機會被技術拿走，「學」的機會也跟著消失。Beane 後來在 2024 年的《The Skill Code》一書中，將這個觀察延伸到更多產業與 AI 的情境。
入門工作原本在做什麼？
要理解這個問題，可以借用兩個理論。
第一個是「合法周邊參與」。 人類學家 Jean Lave 與教育學者 Etienne Wenger 在 1991 年研究裁縫、助產士等學徒制，提出一個關鍵觀察：新人不是靠上課學會一個行業的，而是從「邊緣但真實」的工作開始，在資深者身邊一點一點參與更核心的工作，同時逐漸成為這個實踐社群的一員。「合法」的意思是：這個參與是被允許、被期待的；「周邊」的意思是：這些工作即使做錯，後果也還能承受。
從這個角度看，整理底稿、初審案件、寫會議紀錄，都不只是「低價值的工作」。它們是組織為新人設計的學習通道，只是很少被這樣看待。AI 拿走這些工作時，組織失去的不只是一些任務，而是新人進入專業的路。
第二個是「自動化的諷刺」。 心理學家 Lisanne Bainbridge 在 1983 年指出：自動化越完善，人就越少有機會練習；但當系統出問題時，偏偏需要經驗最豐富的人來接手。開場的查帳員就是這個諷刺的形象：他被要求做「複核」，這是最需要經驗的工作，但養成經驗的那段路，已經被 AI 拿走了。
為什麼組織很少主動處理？
從心理動力的角度，我想提出三個解讀（這是作者的觀點，而非上述研究的發現）。
第一，學習的損失是延遲的。 省下的人力今天就看得到，而「十年後沒有人能接班」的代價，要很久之後才會出現。很少有組織會為一個十年後的問題，放下今天的效率。
第二，資深者的「我們以前也是這樣熬過來的」。 這句話背後常常帶著一種不自覺的態度：學習本來就應該辛苦、應該靠自己。當新人找不到練習機會時，這種態度會讓資深者不覺得需要做什麼改變，甚至把新人的尷尬視為「不夠努力」。
第三，新人不敢說「我不會」。 當 AI 的產出看起來很完整，新人承認自己看不出問題，就像在承認自己不夠格。於是他們選擇沉默，或是自己在私下想辦法。這正是 Beane 看到的「影子學習」在組織裡的樣子：學習還在發生，但沒有人看得到，組織也就不知道問題存在。
這三個解讀加在一起，讓這個問題有一個危險的特徵：它很安靜。 沒有人抱怨，沒有指標變紅，直到某一天，組織發現找不到可以升任的人。
怎麼做：重新設計學習的路
解法不是把入門工作從 AI 那裡拿回來。那樣既不實際，也不公平。解法是刻意設計新的「合法周邊參與」：讓新人仍然有「邊緣但真實」的機會練習判斷。
（一）把 AI 處理過的案件，變成對照練習。 讓新人先在不看 AI 結果的情況下，自己判斷一部分案件，再和 AI 的產出對照，由資深者說明差異在哪裡、為什麼。開場的事務所可以每月挑幾份底稿，讓新人從頭做一次，經理花一小時和他們討論「怪怪的地方」是怎麼看出來的。AI 的產出，在這裡從「替代練習」變成了「練習的答案卷」。
（二）把例外案件，在陪伴下交給資淺者。 AI 處理常規，留下的是例外。例外通常交給資深者，因為他們最快、最安全。但例外也是最好的學習材料。可以設計一個「資淺先處理、資深把關」的流程：風險較低的例外，由新人先提出判斷與理由，資深者再核定並回饋。這會讓速度慢一點，但這份慢，就是組織對未來主管的投資。
（三）把「帶人」寫進資深者的職責與考核。 如果資深者的考核只看個人產出，花時間帶新人就是在犧牲自己的績效。這和我在〈同樣的 AI 沙盒，一家 141 個方案，一家只有 3 個〉中談到的是同一個道理：組織想要的行為，要被職責與制度認可，才會持續。具體地說，就是給帶人的時間，並把「帶出了多少可以接手的人」列入考核。
給人資與 OD 的提醒：
- 追蹤接班管道： 每個關鍵職位，現在有幾位「三年內可以接手」的人？這個數字在 AI 導入前後有什麼變化？
- 了解新人實際怎麼學： 這可以透過訪談或焦點團體了解。如果發現影子學習，不要急著禁止，而是把有用的做法正式化、讓更多人能用。
- 重新設計新人的前兩年： 讓「接觸多少種類的例外」成為導入計畫的一部分，而不只是「完成多少件工作」。
結語
AI 拿走的入門工作，很少出現在任何人的損失清單上。它們看起來是成本，實際上却是組織培養判斷力的地方。
當這條路被拿走，學習不會自動移到別處。它會轉入地下，只屬於少數敢冒險的人；或是消失，直到組織需要一位主管的時候，才發現沒有人準備好。
省下今天的人力很容易，培養十年後的主管則需要刻意設計。
留給你的問題： 你們公司的新人，現在從哪裡學會判斷？如果你不確定答案，就是一個值得去問的問題。
延伸閱讀
參考文獻
- Ransbotham, S., Kiron, D., Khodabandeh, S., Iyer, S., & Das, A. (2025, November 18). The Emerging Agentic Enterprise. MIT Sloan Management Review & Boston Consulting Group.
- Korn Ferry. (2025). Talent Acquisition Trends 2026.（引自 Fast Company Middle East，2025 年 12 月 3 日報導）
- Beane, M. (2019). Shadow learning: Building robotic surgical skill when approved means fail. Administrative Science Quarterly, 64(1), 87–123.
- Beane, M. (2024). The Skill Code: How to Save Human Ability in an Age of Intelligent Machines. New York: Harper Business.
- Lave, J., & Wenger, E. (1991). Situated Learning: Legitimate Peripheral Participation. Cambridge: Cambridge University Press.
- Bainbridge, L. (1983). Ironies of automation. Automatica, 19(6), 775–779.
慧培國際相關服務： 職能模型重構、主管轉型課程
Lead yourself first with authenticity and positivity that other people will choose to follow.Positive Leaders, Positive Organizations.
作者
Edward Cheng 鄭博文
慧培國際管理顧問公司台灣區人才發展總監 / 企業教練/策略引導師
台灣人，具多個行業的豐富人力資源管理經驗， 清大教育與心理諮商學系碩士，現職清大教育與心理諮商學系團體動力講師與慧培國際台灣區人才發展總監。
Edward 過去有將近18年的HR主管經驗，有2/3的時間是跟企業的CEO一起工作，能夠從企業經營的高度來規劃組織的人才發展。協助主管不只是知道還要能夠做到，從系統性的角度完整的規劃與提升主管的關鍵能力以帶來組織的成效。
Edward 擅長於 願景策略會議引導(Vision and Strategies Workshop) 、商業模式引導 (Business Model Workshop)、團隊教練 (Group Coaching)、高管教練(Coaching) 以及教練領導力（Coaching Leadership)。
Email：powen.coach@whitespace-leadership.com Ｍ：0958802653