「AI 讓 47% 工作消失」是真的嗎？歐盟官方報告拆解自動化恐慌，你該練的是這 8 種技能

你一定看過這句話：「AI 會讓 47% 的工作消失。」它在 LINE 群組被轉發過、在企業內訓的開場簡報裡被引用過，甚至變成家長焦慮孩子選科系的理由。但你可能不知道，這個數字只是其中一種算法的結果——換一種算法，答案可以是 9%、14%、54%，落差比你想像得大得多。歐盟訓練基金會（European Training Foundation，簡稱 ETF）2021 年出版的一份 261 頁報告，把這場數字羅生門講清楚了，順便告訴你：與其糾結「AI 會不會取代我」，不如搞懂勞動市場正在被哪幾股力量重塑，以及該練哪些技能來接住它。

這份報告叫《Changing Skills for a Changing World》，收錄 13 篇由不同國家學者撰寫的獨立研究，聚焦在歐盟鄰近國家（西巴爾幹、東歐、南高加索、中東北非等中高或中低收入的轉型經濟體）的技能需求變化。台灣不在報告的研究範圍內，但它整理出的分析框架——尤其是開篇那篇〈全球趨勢形塑勞動市場〉——幾乎可以直接套用在任何一個正在被 AI 與自動化衝擊的經濟體，包括我們自己。這篇文章帶你拆解報告最核心的兩塊：形塑勞動市場的七大趨勢，以及因應這些趨勢該練的八種技能。

先戳破一個數字迷思：47% 到底怎麼算出來的？

2017 年，牛津大學學者 Frey 和 Osborne 發表了那篇被引用到爛的研究，估計美國有 47% 的工作屬於「高自動化風險」，同樣的算法套到歐盟，數字還會再往上跳到 54%。聽起來很嚇人，對吧？但幾乎在同一時間，Arntz 等人（2016）用另一套算法重算了一次 OECD 國家，得出的高風險比例只有 9%；Nedelkoska 和 Quintini（2018）再算一次，得出 14%。同一群國家，同一波技術，答案卻能相差 5 倍以上。

差異的關鍵不在誰比較懂 AI，而在算的單位不一樣。Frey and Osborne 用的是「occupation-based」（以整個職業為單位）——只要一個職業裡有夠多任務理論上可以自動化，整個職業就被算進高風險名單。Arntz 等人用的是「task-based」（以職業裡的個別任務為單位）——大部分職業其實是一堆任務的組合，機器可能吃掉其中幾項，但職業本身不會整個消失。這個方法論差異，就是為什麼你在網路上看到的自動化恐慌數字永遠對不上。報告的結論很直接：任何單一數字都不該被當成確定的科學結論，重點是理解背後的計算邏輯，而不是被嚇到癱瘓。

形塑勞動市場的七大趨勢

戳破數字迷思之後，報告花了更多篇幅講一件更值得你花時間搞懂的事：勞動市場正在被哪七股結構性力量同時推動。

趨勢	核心機制
① 自動化淘汰部分工作	例行性任務被機器取代，但風險估計因算法不同而落差極大
② 既有職業的內容改變	非例行的認知與社交任務比重上升，例如銀行行員從文書轉向客服銷售
③ 職業兩極化（hollowing-out）	中階技能工作萎縮，高階與低階工作同時增加
④ 新工作興起	資料科學家、雲端工程師、跨領域職位（如生質資訊科學家）等全新職業出現
⑤ 知識工作階層化（digital Taylorism）	白領工作被拆解成「思考決策」與「執行流程」兩種角色
⑥ 雇用型態改變	臨時工、自僱者、零工、平台工作等非典型雇用擴張
⑦ 標準雇用福利被侵蝕	非典型雇用帶來的收入不安全與社會保障流失

其中三個趨勢特別值得展開講，因為它們最容易被誤解，或者說——最容易被簡化成一句錯誤的口號。

職業兩極化：中間消失，不是全部消失

報告引用的資料顯示，OECD 國家的中階技能工作占比，從 1990 年代中到 2010 年代中，下滑了將近 12 個百分點。Cedefop 與 Eurofound（2018）進一步預測，歐盟 28 國的中階職業占比會從 2011 年的 51% 降到 2030 年的 46%，高階職業則從 39% 升到 43%，低階職業從 10% 升到 11%。翻成白話：不是「工作消失」，而是「中間空掉」——文書、櫃檯、部分產線這類中階例行工作被壓縮，往上升到需要判斷與整合能力的高階職位、或往下滑到低薪服務業，同時朝兩極擴張。這對正在規劃職涯或幫孩子選科系的人是很實際的提醒：卡在「中階、例行、可標準化」這個位置，才是真正的風險區，而不是某個特定職業名稱。

知識工作階層化：白領工作也在被拆解

報告用「digital Taylorism」這個詞，形容一件正在你我身邊發生但很少被講清楚的事：白領工作正被拆成「開發者角色」（developer roles）——思考與決策留給少數精英，以及「展示者角色」（demonstrator roles）——負責執行已經被標準化的流程、程序、話術。這其實是把 20 世紀初工廠的泰勒主義（把「思考」和「動手」拆開分工）搬進了今天的知識經濟。如果你在企業裡感覺到「決策權越來越集中在少數人手上，大部分人只是在照 SOP 做事」，報告告訴你：這不是你的公司特別糟，這是一個正在多國同步發生的結構性趨勢。

平台經濟：不是只有 Uber 司機受影響

報告把平台工作分成兩類：「隨選工作」（on-demand，例如 Uber、外送）配對發生在平台上，但服務仍要在實體空間交付；「群眾外包」（crowdwork）則從頭到尾都在線上完成，又細分成微工作（Amazon Mechanical Turk 那種按秒計價的小任務）與線上自由接案（Upwork 那種案件制）。目前歐盟約 2% 勞動力以平台工作為主要收入來源，最多 11% 至少嘗試過一次。這個比例還在成長，而且早已不限於藍領——線上自由接案的族群裡，有大量高學歷、高技能的知識工作者。

國家差異不是宿命，是選擇的結果

報告特別提醒一個常被忽略的陷阱：技術決定論。同一套自動化技術，在不同國家會走向截然不同的結局，因為結果是由政治選擇、勞動制度、產業關係共同決定的，不是技術本身自動推導出來的。報告舉了一個很有畫面感的對照：德國汽車業把製造外包到東歐，反而讓東歐的工作結構往高薪職位升級，職業兩極化程度相對溫和；希臘、西班牙卻走向相反的「向下兩極化」。同屬歐盟，同樣暴露在全球化與自動化之下，結局完全不同。

更關鍵的是勞動制度本身的角色。OECD 的研究指出，雇用保護法規愈嚴格，企業愈傾向用自動化取代人力；但工會力量愈強、產業層級的社會對話愈發達，愈能把中階技能工作者托住、甚至推向更高薪的職位，而不是任由他們被推向低階工作——瑞典、挪威、丹麥、德國就是這樣的案例。這對台灣讀者的啟示不是「照抄哪個國家的制度」，而是提醒你：結果不是命定的，產業政策、教育訓練體系、企業自己的用人策略，都在決定你我最終會落在兩極化光譜的哪一端。

那你該練什麼？報告整理的八種技能

講完趨勢，報告花了同樣多的篇幅回答一個更實際的問題：面對這些變化，個人該裝備什麼技能。答案不是一份「學會這 8 樣就安全」的清單，而是一張拼圖——你不需要全部精通，但要知道每一塊分別在補什麼洞。

技能類別	核心內涵
認知技能	理解複雜概念、推理、資訊處理、學習能力
社會情緒技能	合作、溝通、開放性、衝突解決
STEM 技能	科學、技術、工程、數學專業知識
數位技能	資訊素養、內容產製、數位協作、資安意識
創業技能	創意、風險承擔、規劃執行、責任感
職涯管理技能	在不確定中規劃、調整職涯路徑的能力
綠色技能	因應經濟綠化的知識、態度、實作能力
多元技能組合	T 型、π 型等「深度＋廣度」的複合結構

其中兩點特別值得停下來想一想。第一，數位技能已經不是加分項，是門檻——依 EU 數位技能與工作聯盟估計，未來近 90% 的工作都需要一定程度的數位技能，但 2018 年的數位經濟與社會指數顯示，仍有 43% 的歐洲人數位技能不足，17% 完全沒有。這個缺口不會因為你不是「科技業」就跟你無關。第二，軟技能的溢價正在快速上升——LinkedIn 2020 年的雇主調查顯示，企業對非技術性技能在快速晉升上的重要性評分，已經追平甚至超過技術技能。這跟很多人「先練硬實力、軟實力隨緣」的直覺剛好相反。

比技能清單更重要的事：從 Competence 換成 Capability

報告在技能討論的最後，丟出一個我認為是全書最有份量的觀點，值得你單獨記下來。

Competence（技能／能力）描述的是「你現在具備什麼」——是一份靜態的清單，會隨著技術演進快速過時，今天你會的東西，三、五年後可能就對不上市場需求了。Capability（適應能力）則不是特定技能的清單，而是「整合既有知識與技能、面對未知情境仍能持續學習與有效因應」的底層能力。Deloitte（2019）主張，這才是企業與個人真正該長期投資的標的，因為它不會隨著單一技能過時而失效。

報告最後引用未來學家 Alvin Toffler 的一句話收尾，我覺得比任何技能清單都更適合貼在辦公桌前：「21 世紀的文盲，不是那些不能讀寫的人，而是那些不能學習、不能去學習、不能再學習的人。」與其把心力全部花在「這個技能還有沒有用」，不如把心力花在「我學新東西的速度，能不能跟上變化的速度」。

給上班族與企業 HR 的 3 條行動清單

1. 別再問「我的職業會不會消失」，改問「我的工作裡哪些是可標準化的中階任務」：職業兩極化淘汰的是任務，不是職稱。盤點你每天工時裡有多少比例是重複性、可寫成 SOP 的部分，那才是真正該優先升級或交給 AI 的區塊。
2. 把「軟技能」排進正式的學習計畫，不要只當它是天生的：溝通、判斷、跨團隊協作這類社會情緒技能，報告與 LinkedIn 雇主調查都指出它的職場溢價正在追平硬技能，值得跟技術訓練一樣被排進季度學習目標。
3. 企業內訓別再只教「怎麼用某個 AI 工具」，要順便練「怎麼學新工具」的方法論：工具會換，但學習遷移能力不會過時。這也是我們在做企業 AI 培訓時最常提醒客戶的一點——教會員工用 ChatGPT，不如順便教會他們遇到下一個新工具時該怎麼自己上手。

七大趨勢、八種技能，拉開來看其實只指向同一件事：自動化淘汰的從來不是「某個職業」，而是「某一類任務」；技能焦慮真正該解決的，也不是「學會哪個具體工具」，而是「持續學習的習慣」。如果你是企業 HR 想規劃 AI 時代的職能轉型內訓，或是學校、社區想辦一場給家長的 AI 教育講座——歡迎跟我們聊聊。