接續「AI 會導致失業？」系列。本篇聚焦高風險職能群：任務大量可標準化、可驗證，因而更容易被淘汰或大幅替代；以及流程被加速、若不改結構就會更快出錯的職能。
增強／加速／淘汰三軸框架（本系列共用）
- 增強：人仍做判斷與關係，但被 AI 放大器材、模擬與洞察。
- 加速：流程被壓縮，週期變短；不做結構改寫只會更快犯錯。
- 淘汰：可標準化、可驗證、可回寫的任務被自動化或大幅替代。
一、淘汰／大幅替代風險較高
1. 客戶服務（Customer Service）
在所有職能中，首當其衝受到 AI 衝擊的就是客戶服務領域。AI 技術正徹底改造企業與顧客互動的方式，滲透客服工作的每一個細節。傳統以電話為主的客服中心正在讓位給全通路整合的客服平台——文字聊天機器人、語音助理與行動 App 支援的服務無縫融合，讓顧客無論透過何種管道都能得到一致且即時的回應。客服工作也從被動反應升級為主動預測：透過 AI 即時分析顧客的語氣與情緒，企業可以在問題爆發前預先識別不滿並及早介入，提供貼身且個人化的關懷。客服人員不再只處理單一次的提問，而是運用 AI 工具協助管理顧客跨多渠道的整體旅程，確保每個接觸點的體驗都順暢且連貫。
伴隨這些轉變，AI 為客服團隊帶來了前所未有的增強能力。先進的語言模型讓聊天機器人得以進行多輪對話，從企業知識庫中自動調取答案，即時解決常見問題。同時，NLP 技術的進步令系統能洞察顧客的真實意圖並據此提供量身打造的回應。例如，當 AI 偵測到顧客情緒低落或語氣焦躁時，可以自動將對方引導至更體貼的應對流程或是即刻通知真人接手。此外，AI 輔助工具能自動為每次互動生成對話摘要、服務紀錄與後續追蹤提醒，大幅減輕人工紀錄的負擔。透過人機協作，客服團隊可將更多心力放在複雜棘手的問題與建立長期客戶關係上。
然而，隨著 AI 接管大量基礎且重複性的客服任務，部份傳統角色也面臨淘汰的命運。標準問答型的客服人員（如只照稿提供 FAQ 答案的初階座席）將大幅減少，因為這類簡單提問如今多由自動化聊天機器人快速且準確地處理。同樣地，以往需要人工逐字記錄每通對話、整理歷史資訊的流程也因 AI 系統的自動紀錄與分析而變得不再必要。甚至那些依賴大量人力的外包客服團隊也受到衝擊，因為 AI 解決方案能以更低成本和更高一致性來處理大量基礎諮詢。對企業而言，這意味著客服人員的定位將重新調整——不再是重覆回答問題的「話務員」，而是能善用 AI 工具、專注於高層次溝通和情感連結的顧客關係管理專才。
2. 行銷（Marketing）
行銷職能也在 AI 浪潮下經歷劇烈轉型。過去，行銷團隊習慣以一連串的廣告活動（Campaign）週期來推進品牌曝光，如今則朝向「全年無休（Always-on）」的個人化行銷模式發展。企業不再僅靠單一的大創意驅動市場，而是運用語意分析和數據洞察來持續調整策略，隨時為不同客群提供精準的內容。行銷工作的重心也從產出大量素材本身，轉移到確保傳遞的訊息真正符合受眾的需求與情感共鳴——也就是以傳播意圖為核心，而非僅僅追求內容產量。
在 AI 的加持下，現代行銷獲得了強大的增強工具。生成式 AI 如同創意助手，可以一鍵生成廣告主視覺（Key Visual）、腳本、產品頁文案甚至短影音，讓行銷人員在短時間內產出多種方案，快速進行 A/B 測試以找出最有效的創意。企業開始建立品牌的語義圖譜，讓 AI 自動判斷何時、透過何種管道向何人傳遞哪種內容，實現智能化的內容分發與監測。同時，實時的社群聆聽與輿情分析系統讓行銷團隊能掌握消費者偏好和流行語彙的變化——AI 會即時提示市場上正在發酵的話題或口碑趨勢，使品牌溝通緊扣時勢脈動。
隨著基礎製作和分析工作被 AI 接管，一些傳統行銷職責正面臨淘汰。初階的內容製作人員（如撰寫簡單文案、修圖、美工剪輯影片等角色）需求銳減，因為 AI 工具已能勝任大量標準化的創作任務。過去靠直覺判斷流行趨勢、憑經驗押注爆款內容的作法也日漸式微——不善於運用數據與 AI 洞察的策略人員將發現自己落後於時代。此外，那些以人工方式整理社群數據、標記貼文、生成報告的工作也因自動化儀表板與 AI 分析而逐步邊緣化。未來的行銷人才將把重心放在 AI 無法取代的部分：例如整合多元數據背後的洞見、打造富有創意且具人性洞察的品牌故事，以及堅守品牌價值觀與策略大方向。
3. 財務（Finance）
財務部門同樣正受到 AI 技術的深刻影響，其職能定位正在發生轉變。以往財務人員的重心在於事後記錄業績和製作報表，而現在 AI 讓財務工作從結果記錄走向過程預測與異常預警。企業不再僅僅依賴每月、每季結帳後才了解財務狀況，取而代之的是實時的財務數據看板：AI 系統能即時匯總營收、成本、現金流等關鍵指標，讓管理層隨時掌握公司健康狀況。一旦出現異常趨勢（例如開支暴增或收入異常下滑），AI 會及時發出警訊。過去仰賴人工在 Excel 建立財務模型的方式也正在被顛覆，如今財務分析師可以透過自然語言提問，讓 AI 即時進行情境模擬與數據運算。從「如果下季銷量下滑 10% 對盈虧的影響」這類問題，到更複雜的資本支出與回報分析，都能由 AI 快速給出預測結果，協助財務團隊更前瞻性地做決策。
這些創新為財務領域帶來了強大的增強效能。AI 可以輔助進行現金流預測、利潤預估，以及風險對沖方案的模擬。例如，機器學習模型可以根據歷史數據與市場走勢，預測未來幾個季度的現金狀況並提出相應策略；又或者在金融市場波動時，自動評估不同對沖策略對公司財務的影響。繁瑣的財務文書工作也因自動化而大幅減輕：AI 可以自動解析發票、收據和帳單，進行對帳核對，並產出符合稅務規定的報表與文件。更重要的是，這些及時精確的數據分析讓財務決策與整體業務策略能夠緊密結合。財務部門不再是事後提供數字報告的支持單位，而是能主動提供洞見、參與業務戰略討論的核心夥伴。
隨著 AI 接手大量重覆性的計算與紀錄工作，一些傳統財務職位正逐漸淘汰或被重新定義。過去那些埋首帳冊的基層會計和出納人員（手工記帳、整理憑證等）之需求正在下降，因為自動記帳軟體與 AI 影像識別可以高速且無誤地完成這類工作。專職編制靜態報表、繪製圖表的財務助理角色也日益稀少，現在管理者可以直接透過儀表板即時查詢所需資訊，無須等待人工彙整。甚至傳統的審計支援崗位（執行大量機械式核對工作的職務）也面臨縮減，因為 AI 可長時間監控交易異常、即時比對異動並確保規章符合。面對這些變化，新時代的財務專業人才需向「策略導向」轉型：擅長解讀 AI 產生的洞見、評估各種決策的財務影響，並與其他部門緊密協作，確保企業在數據驅動下健康成長。
5. 數據與分析（Data & Analytics）
在 AI 的驅動下，企業的數據與分析職能正在經歷脫胎換骨的演變。過去，數據分析師往往必須親自撰寫 SQL 查詢或程式腳本來生成報表，如今這種模式正迅速被「語義提問＋自動洞察」所取代。也就是說，業務人員只需以自然語言向系統提問，AI 便能從大量數據中提取相關資訊並產出洞見，無需工程師逐步寫程式碼來挖掘答案。數據工作的重心也從過去著重「收集整合數據」轉變為建立「數據→模型→意圖」的閉環：確保蒐集到的資料能即時進入機器學習模型，直接服務於決策者的特定意圖（例如回答某個業務問題或預測某項指標）。此外，數據團隊的組織形式也更加分散嵌入：傳統上公司可能設有一支中央數據團隊服務全公司，而現在趨勢是將數據分析人才嵌入到各業務部門，成為懂業務又懂 AI 的夥伴，貼近一線需求即時提供分析支援。
伴隨這些改變，AI 為數據分析領域帶來強力增強：大量過去耗費分析師時間的基礎工作實現了自動化。舉例而言，AI 工具可以自動清洗與整合來自不同系統的雜亂數據，發現其中的異常值或關鍵趨勢，而分析師無需再為 ETL（抽取、轉換、載入）流程投入大量心力。更令人興奮的是，AI 能將文本、語音、影像等多模態資料融合分析，從各種非結構化數據中挖掘洞見。例如，它可以同時分析客服對話記錄（文字）、客戶來電錄音（語音）和產品照片（影像），為企業提供全方位的數據洞察。高階主管們也受益於這些進步——現在他們可以直接用自然語言向儀表板詢問複雜的商業問題，AI 會立即給出視覺化的解答與建議，縮短了決策所需的等待時間。
在 AI 的衝擊下，許多傳統數據分析相關的基層任務正被淘汰或重新定義。例如，過去企業中那種僅負責繪製資料圖表的分析助理角色已漸漸消失，因為自助式商業智慧工具和 AI 報表系統可以自動生成精美的圖表供大家自行查閱。單純負責定期彙整數字、提交報告的人員需求也大幅減少——週報、月報這類制式分析，AI 平台往往能自動完成並發送給決策者。重複撰寫類似分析報告的工作者更面臨轉型壓力：如果分析僅是模板化地套用數據，機器完全可以取代。這並不意味數據人才無用武之地，反而提升了他們的定位：未來的數據專業人士將把更多時間投入在高價值環節，如設計更好的分析問題、確認資料質量與模型的可靠性，以及對 AI 產出結果進行解釋並轉化為具體的商業行動建議。
15. 銷售（Sales）
AI 的浪潮也正重塑銷售工作的樣貌。傳統銷售常被視為一門講求人際關係的藝術：銷售代表依靠與客戶長期培養的信任感和面對面拜訪來贏單。但在 AI 時代，銷售流程正從倚重「人情關係」轉向善用數據與自動化工具。現在，AI 可從海量名單中自動篩選出最有可能成交的潛在客戶（Lead Scoring），把線索篩選和初步接觸的工作高效完成，讓銷售人員將精力集中在最有價值的客戶上，專注於臨門一腳的成交技巧。此外，銷售活動正在從傳統的線下拜訪為主，轉變為線上線下並行：業務們越來越依賴數位工具追蹤客戶的線上行為數據，透過電子郵件、社群媒體和內容行銷與客戶互動，營造一個持續的內容閉環來引導客戶決策。過去銷售人員常用筆記本或 Excel 手動記錄客戶資訊，現在 AI 驅動的 CRM 系統能自動彙總客戶的各種觸點資訊並預測轉換率，提醒業務何時應跟進，以何種內容跟進，讓銷售從經驗驅動變得更加科學精準。
藉由 AI 工具，銷售團隊獲得了豐富的增強功能來提升效率和客製化程度。首先，智能 Agent 可以充當銷售助理，在龐大的市場資料庫中為業務挖掘最佳潛在名單，並針對每位潛在客戶給出個性化的銷售策略建議（例如該強調哪些產品價值、引用哪些成功案例最能引起共鳴）。其次，AI 可以自動生成各種銷售物件：針對客戶需求量身打造的提案簡報、報價單和後續跟進的電子郵件內容等，都能由 AI 快速起草初稿，供銷售代表調整細節後使用。當一次銷售會議結束後，AI 也能立即根據語音轉錄生成會議記錄和重點摘要，識別客戶關注的問題與承諾的後續事項，並自動將這些資訊同步更新到 CRM 系統中。如此一來，業務不必花大量時間在行政工作上，可以將更多注意力放在維繫客戶關係與談判策略上。
隨著銷售流程的智能化發展，一些傳統的銷售支持和低附加值活動正被淘汰。首先，傳統「廣撒網」式的冷電話推銷正在式微——AI 的精準行銷能提前暖化線索，再由業務進行定向跟進，比無差別電話拜訪更有效率，那些靠撥打陌生電話為生的電銷專員勢必轉型。其次，那些僅在銷售團隊中負責美化投標簡報、製作提案 PPT 的支援角色將面臨縮減，因為 AI 可以快速產出專業的提案內容範本，極大降低了這類純文書工作的門檻。同樣地，手動在 CRM 系統輸入資料、更新進度報表的助理職位需求也降低，現在從客戶互動中蒐集的資料能自動流入系統，並生成管理者所需的統計分析。面對這些改變，銷售人員將更專注於人際互動中不可或缺的部分：建立信任、深入了解客戶獨特的痛點和需求，以及在談判桌上展現洞察與說服力。透過與 AI 合作處理雜務，頂尖的銷售將扮演更像顧問的角色，為客戶提供量身打造的價值方案，真正實現雙贏。
二、加速：週期被壓縮的職能
4. 營運（Operations）
營運管理（Operations）領域在 AI 介入後，正經歷一場從經驗驅動到數據驅動的範式轉移。過去，生產調度與資源分配主要倚賴資深經理人的經驗判斷，如今則逐步轉向由即時數據和 AI 智能演算法來優化決策。以往線性、單一路徑的流程管控模式，正在被更靈活的複雜網絡協同所取代——各環節透過數位平台緊密連結，資訊快速互通，使得營運決策不再是一條單線，而是一個動態調整的網絡。此外，營運從傳統的「事後反應」升級為「事前預測」：企業運用 AI 模型預先預測需求波動、設備維護時機或潛在瓶頸，及早進行調整，將問題消弭於萌芽階段。這種預測性營運讓企業更具彈性，也降低了因措手不及而產生的損失。
AI 為營運團隊帶來眾多增強能力，極大提升了執行效率與精準度。首先，在排程與調度上，AI 系統可以自動根據實時數據調整生產計畫：例如動態安排訂單處理順序、即時調配庫存與物流路線，甚至依照預測的需求峰谷智能安排人力班表。其次，在監控層面，AI 可以同時從多個系統和感測器收集訊號，快速識別出異常狀況（如生產線上的故障徵兆或供應鏈某環節的延誤風險），並及時發出警報。更先進的是，某些 AI 驅動的營運決策平台能夠進行「自我優化」——透過不斷的自動化測試與反饋迴路，找出最佳流程配置。例如，系統可以平行嘗試不同的生產排程策略，根據效果即時調整，讓營運決策進入高速試錯、快速迭代的循環。
在此背景下，許多傳統的營運基礎職能正逐漸被 AI 系統取代或縮減，即所謂淘汰的部分。那些僅按照固定流程表格執行任務的操作人員，其價值正在被自動化流程所超越——當 SOP（標準作業流程）可以由機器精確執行，人力將釋放出來投入更有價值的工作。同樣地，過去企業常見的數據抄錄員、訂單跟催專員等角色，在數據系統整合和 RPA（機器流程自動化）工具盛行後已漸趨式微。甚至某些全靠經驗來研判風險與調度的協調人員，也會因為 AI 風險模型的輔助而變得沒那麼不可或缺。對現代營運管理者而言，工作重心將從親力親為地「救火」與盯流程，轉向設計和監督 AI 驅動的營運系統、調校演算法參數，以及在人機協作下持續優化流程。換言之，人力將更多投入策略層面的思考，例如如何制定更有效的指標、如何讓 AI 判讀到正確的商業意圖，以及處理 AI 無法理解的特殊狀況。
8. 資訊技術（Information Technology, IT）
企業的資訊技術部門正因 AI 而重塑其核心職能和定位。過去 IT 人員被視為架構維護者，專注於維持系統穩定運行、處理日常技術問題；但現在，他們日漸成為 AI 生態系統的整合者。也就是說，IT 團隊不僅要管理傳統的軟硬體架構，還要將各種 AI 解決方案（從雲端服務到各式機器學習平台）無縫併入公司的技術版圖。程式開發的模式也在改變：工程師從以手寫程式碼為主，轉向更多地扮演「提示詞工程師」（Prompt Engineer）的角色，利用現成的 AI 模型和模組拼裝出所需功能。IT 部門的價值重心也逐漸從後端支援轉向前端賦能——透過開發內部平臺和工具，將資料與 AI 能力封裝成一般員工隨手可用的應用介面，讓全組織都能受惠於技術創新，而不必每件事都依賴 IT 來操作。
AI 技術為 IT 專業人士提供了豐富的增強支援，極大提升了技術服務的效率與品質。首先，自動化測試與部署工具在 AI 的幫助下變得更加智能：系統可自動產生測試案例、執行軟體測試，迅速定位並修復常見的程式錯誤（有些 AI 工具甚至能根據錯誤日誌自動提出修補程式）。CI/CD（持續整合/持續部署）流程在 AI 助力下實現了更高程度的自動化，新版本的上線更快速且可靠。同時，大型語言模型（LLM）的應用讓程式碼生成與系統除錯進入新境界——工程師可以透過對話介面描述需求，AI 即能產出相應的程式碼範例或找出現有程式的問題所在。對內部客戶服務方面，IT 部門也導入了 AI 驅動的知識庫與聊天助手，逐步取代傳統的 Helpdesk：員工只要向內部 Chatbot 提問，便能獲得設定電郵、連線印表機、密碼重設等問題的指引，大幅減少了一線技術支援的人力負擔。
隨著這些轉變，一些傳統 IT 職位正面臨淘汰或重新洗牌。重複度高的開發工作正被自動化工具取代——例如，開發簡單前端頁面或基本應用功能的程式設計師需求降低，因為低代碼（low-code）平臺和 AI 生成程式碼可以更快完成這些任務。大量仰賴人工的 IT 支援崗位（如逐台安裝軟體、手動處理重設密碼請求等）也因自動化腳本與 AI Agent 的介入而縮減。對於只掌握傳統技術堆疊、卻沒有 AI 整合能力的純技術人員而言，競爭力將明顯下滑——未來的企業需要的是既懂軟體開發又能靈活運用 AI 工具的複合型人才。因此，IT 從業者須主動升級技能組合，才能在新時代持續為企業創造價值：包括擔任 AI 系統與現有基礎架構的橋梁、評估引進新技術的策略，以及確保人員在這些智能化工具的輔助下安全高效地運作。
9. 採購與供應鏈（Procurement & Supply Chain）
在 AI 介入後，採購與供應鏈管理的重心正逐漸轉向更高層次的策略規劃與風險預測。過去，採購經理往往被視為供應商關係的維繫者，透過定期的採購計畫與議價談判來控制成本；現在，他們的角色更像是一位策略優化師和成本預報員。傳統的週期性採購模式正在讓位給即時、動態的多變量調度——AI 能根據銷售趨勢、庫存水位及市場供需狀況隨時調整採購計畫，而非按季或按年一成不變地下單。以往採購人員與供應商簽訂固定合約、談好一年價格就高枕無憂，但在劇烈波動的市場中，AI 幫助企業實現動態合約：合約條款可以根據行情或表現自動調整，甚至由 AI 即時生成契約文本並提出修訂建議，使得採購協議更具彈性、即時反映現況。
AI 賦予採購與供應鏈團隊全新的增強能力，讓決策建立在更全面的資訊基礎上。首先，AI 工具可以全天候追蹤原物料價格、供應商庫存、地緣政治風險、物流狀況甚至碳排放指標，將這些分散的數據匯集為即時的儀表板。採購經理能一目了然看到市場價格走勢與供應風險預警，提前做好因應。其次，多來源比價和風險評分變得前所未有地高效——AI 平臺可以自動蒐集多家供應商的報價、交期、品質紀錄，並根據企業設定的權重（如價格、可靠性、永續表現）計算綜合評分，協助採購團隊客觀選擇最佳供應策略。此外，智能 Agent 甚至能協助擬定採購合約初稿，根據過往條款和企業偏好自動填入關鍵細節；在訂單執行過程中，一旦出現異常情況（例如供貨延遲或品質問題），AI 系統也會即時發送警示，讓相關人員迅速介入處理。
隨著採購流程高度數位化與智能化，一些傳統的採購/供應鏈職務正在被淘汰或重新定位。那些習慣依靠電話詢價、以 Excel 手動更新採購清單的工作方式，正被供應鏈管理系統與電子採購平臺取代——AI 可以自動從線上平臺獲取最新價格並更新系統，無需人工作業。基礎性的談判支援角色（例如僅負責準備標案文件或簡單議價資料的助理）需求減少，因為許多準備工作 AI 都能迅速完成。傳統以人工方式管理 RFP（邀請廠商提案）的招標流程的人員也面臨挑戰，現在從招標公告撰寫、廠商資格篩選到提案評分，皆有智能工具可協助自動化。未來，採購與供應鏈專業人士將更專注於 AI 無法取代的部分：與供應商建立策略夥伴關係、洞察全局風險並制定備援計畫，以及根據 AI 提供的資料做出最終判斷和談判決策。
判斷：高風險職能不是整崗消失，而是可標準化任務被抽走；留下的人必須改管例外、意圖與體驗。
本週三件事
- 挑出本週三個最容易被自動化的任務，寫成 SOP＋驗收
- 把其中一個交給工具／Agent，人只做升級與例外
- 對客戶／內客戶重設 SLA：速度換來的是體驗還是抱怨
回系列總論與母本目錄，或進入 Part C 看被增強職能與管理者手冊。歡迎訂閱 Future Insights Lab。
發佈留言