東吳 EMBA・講座
2026-08-09
五個真實故事・五層定位
AI 時代的職涯需求金字塔
你現在站在哪一層？
The AI-Era Hierarchy of Career Needs — Where Does Your Work Stand?
AI 時代的職涯需求金字塔｜開場・使用深度
2026-08-09
使用深度 ≠ 工作能力
AI 的使用深度正在分化。
但用得深，
不等於工作走得遠。
尚未進入 AI 領域・約 70.4%
免費聊天機器人使用者・約 27.0%
每月支付約 20 美元的 AI 訂閱者・約 2.5%
使用 AI 程式開發工具・約 0.1%
這張圖描述的是工具使用深度，不是今天的五層能力。
每個點約代表 9,200 人；全圖 2,500 點，總計約 2,300 萬人，色彩為截至 2026 年 2 月的推估分佈。資料為文章作者依全球使用分布與台灣產業結構所作推估，非台灣官方統計或代表性抽樣調查。
出處：Paul Kuo 郭曜郎，「AI 時代的能力落差：從一張爆紅圖表談起」，2026 年 3 月・paulkuo.tw/articles/ai-capability-gap-2026
AI 時代的職涯需求金字塔｜開場之問
2026-08-09
開場之問
不管你現在用 AI 用得多深——
它有沒有真的改變你工作的方式？
開始使用只是起點；真正的差距，出現在 AI 如何進入工作。
AI 時代的職涯需求金字塔｜開場・管理者之問
2026-08-09
管理者真正的問題
工具熟練度開始拉開之後，
主管拿什麼指導工作？
情境 A
部屬比你更常使用 AI。
你拿什麼指導他？
情境 B
其實你才是團隊裡用得最深的人。
你的熟練，能不能變成團隊做得到的工作方式？
兩種都沒有關係。今天要談的，不是誰比較會用 AI。
東吳 EMBA・職涯講座｜開場・講者
2026-08-09
主講人
許恆修
喬泰科技｜AI 解決方案
AI 實作與知識工作筆記｜substack.com/@hengshiou
產業現場
演算法 × 晶片 × 系統平台；應用涵蓋智慧醫療、工安預警與無人巡檢。
親手實作
持續使用 AI Agent 做產品、研究與軟體開發；每週整理實作與系統設計經驗。
為什麼講這場
我關心的不是 AI 能不能生成，
而是它進入真實工作以後——
怎麼驗證、怎麼交接、怎麼管理，最後誰要負責。
AI 一旦進入真實工作，最後都會變成主管要回答的問題。
AI 時代的職涯需求金字塔｜開場・整場結構
12345
全景
整場的地圖
五層問的是這項工作，
不是你這個人
剛才的點陣圖，描述的是你使用 AI 用到多深。這張金字塔，描述的是當 AI 進入一項工作，你承擔到哪一層能力與責任。五層不是職級、薪資、高低或成熟度排名；同一個人在不同工作裡，可以站在不同層。
上一張・工具使用深度
不用 → 免費聊天 → 付費工具 → 開發工具與 Agent
這一張・工作能力與責任深度
第一版 → Context → 工作流 → 協調 → 判斷
5判斷與結果所有者
4Agent 管理者
3工作流設計者
2Context 建構者
1AI 工具操作者
AI 時代的職涯需求金字塔｜開場・選定工作
12345
全景
你的主角任務
請先選一項工作，
跟著五個故事走一遍
接下來五個故事，不是要你記住我的故事——是要你拿這項工作，一路對照。
第一層｜AI 工具操作者
12345
故事一・懷疑
AI 幫我整理完研究，
一查 reference,
根本不存在
它交出一份看起來很完整的報告——作者、年份、reference 都有。直到我想多看其中一篇，一查：根本不存在。
第一層｜AI 工具操作者
12345
不只是我的個案
第一份產出變便宜，
但結果沒有一起變便宜
AI 壓低的是第一版的成本，不是最後結果的責任。你更快得到一版，但沒有更快獲得真相。
左頁情境+外部研究，指向同一件事
第一層｜AI 工具操作者
12345
同一份研究，再看一層
差別不在用不用 AI，
而在怎麼用
六種使用方式，完成時間都差不多；事後理解分數，卻從 86% 一路掉到 24%。
第一層｜AI 工具操作者
12345
第一層・只記三個動作
第一層不是會用工具，
而是會做三件事
動作 ①取底稿把 AI 交回的叫「底稿」，不叫「報告」。名字決定它會不會被直接採用。
動作 ②做驗證來源、事實、返工時間，一項一項驗回來。驗收花的時間也要記下來。
動作 ③移時間把淨省下的時間，移去比較、追問、接近真實結果——不是拿去生成更多。
第一層｜AI 工具操作者
12345
翻成管理語言
主管不必比部屬更會用 AI，
但要比他更會驗收
第一層｜AI 工具操作者・定位
12345
定位
第一層定位｜AI 工具操作者
「我能取得並驗證 AI 的第一版。」
穩定做到部分做到還做不到
回到你選的那項工作——第一版怎麼驗？由誰驗、驗什麼、花多久？
判斷的是這項工作目前在哪一層，不是在替你這個人打分數。
第二層｜Context 建構者
12345
故事二・荒謬
中午才喊成功，
晚上窗戶被量成一扇門
262 × 318 cm
實際約 173 × 200 cm——高估約 1.5 倍。
技術鏈全部跑通了，模型也「成功執行」。但這個尺寸，不是窗戶，是一扇門吧。
第二層｜Context 建構者
12345
不只是窗戶專案
Context 的品質，取決於你給什麼、敢刪掉什麼
+29%
清掉過期的工具結果（Context Editing），多步驟 Agent 搜尋任務相對改善
+39%
再把關鍵發現存到 Context 之外（Memory），相對改善再提高
−84%
100 回合網路搜尋評測的 Token 消耗；原本會因 Context 耗盡而失敗的流程得以跑完
Anthropic 自家評測；29%／39% 為相對改善，不是成功率增加 29 個百分點；84% 僅代表該項評測。
資料來源：Anthropic「Context Management」說明，2025・claude.com/blog/context-management
Anthropic 官方原圖｜清掉過期結果，空出可用 Context
第二層｜Context 建構者
12345
第二層・只記三件事
把腦中的條件，
搬到 Context 裡
動作 ①寫條件交付目標、使用者、可用資料與案例——真正影響品質的，先寫出來。
動作 ②畫邊界不可跨越的限制、正例與反例——說清楚什麼不能做。
動作 ③定完成由誰、用什麼證據驗收——「做完了」要有標準，不靠感覺。
第二層｜Context 建構者
12345
不只發生在工程
真正值錢的，是老手的判斷
交得出去
金融放款判斷不是資料丟進去就能放款——能不能貸、哪裡要擋，都在老手的腦袋裡。
法務合約審查不是條文貼上去就能審——哪一條會出事，靠的是看過的案子。
行銷文案產出不是產品資料給了就能寫對——品牌的分寸、踩不得的線，從來沒人寫下來。
第二層｜Context 建構者・定位
12345
定位
第二層定位｜Context 建構者
「我能把老手判斷整理成
別人與 AI 都能接手的條件。」
穩定做到部分做到還做不到
回到你選的那項工作——最常被新人問的三件事是什麼？那就是還留在你腦中的條件。
判斷的是這項工作目前在哪一層，不是在替你這個人打分數。
AI 時代的職涯需求金字塔｜中場・定位檢查
12345
中場
中場・先停一下
你的這項工作，
現在到第幾層?
1AI 工具操作者
2Context 建構者
3工作流設計者
4Agent 管理者
5判斷與結果所有者
下半場不談更多提示詞。談的是：為什麼明明寫了條件，組織還是沒有變強。
第三層｜工作流設計者
12345
故事三・事故現場
我以為已經交出去了，
最後卻花一小時自己接手
重新理解專案＋收拾結果：約 1 小時。
「靠邀，有討論、有寫文件，最後還是我要接手——那我分工的意義在哪？」
依真實事故情境重繪——不是沒寫文件，Agent 照著文件做，但讀到的是舊版
第三層｜工作流設計者
12345
揭露・真正的問題
不是沒文件，
而是舊文件跟新文件一樣可信
當時的狀態文件是舊的文件是某個時間點的快照；專案已經前進，它停在上個版本
→
Agent 的行為照著文件做它沒有偷懶，它認真讀了——舊的那份
→
結果把對的改成錯的文件不會自己退役，也不會說哪一份代表現在
第二層解決的是「這一次，少猜」；第三層要保證的是「下一次、換個人、隔一個月，還做得成」。
第三層｜工作流設計者
12345
觀點一：流程有沒有被重設
AI 採用，不等於
工作流改造
88% 的組織已規律使用 AI；回報企業層級財務影響的只有 39%。少數 high performers 更常做的，是根本重設工作流——機率接近其他受訪者的 3 倍。
採用很普及，企業層級成果沒跟上
McKinsey 2025 全球 AI 調查——受訪者比例
資料來源：McKinsey「The State of AI」，105 國、1,993 名受訪者，2025-11・mckinsey.com/…/the-state-of-ai
依 McKinsey 2025 全球 AI 調查重製。約 6% 受訪者被列為 AI high performers；「根本重設個別工作流」為其相對其他受訪者更常回報的做法（約 3 倍），屬調查自陳結果，非因果推論。
第三層｜工作流設計者
12345
觀點二：能力有沒有留下
把工作交給 AI，
不等於能力留在組織裡
把任務整包「委派」出去的使用者，事後理解分數最低。工作完成了，理解沒有留下——個人如此，組織的工作流也是。
第三層｜工作流設計者
12345
觀點三：先驗證，再擴大
真正升級的是工作流，
不只是多人用工具
成熟組織不是直接發工具，而是先做跨團隊評估，看流程接不接得住，再決定擴大。
部分專案的開發時間：週變天
AutoScout24 重設工作流後——官方案例數字
資料來源：OpenAI 與 AutoScout24 客戶案例，2026-05-12（長條以區間上限 21 天、3 天繪製）・openai.com/index/autoscout24
僅部分專案，無對照組。擴大前先做跨團隊三個月評估：可用性、工作流相容性、生產力、程式碼品質——約 2,000 名員工取得工具、約 1,000 個 builder 角色使用 Codex。
第三層｜工作流設計者
12345
第三層真正要設計的
一次成功，要變成
一條可接手的路
工作流不是輸出結果，而是保存一條可重複完成的路徑——有驗收、有例外、有 Owner、會更新。
工作流示意圖｜觸發 → 當前狀態 → 人與 AI 協作 → 驗收 → 例外 → Owner 更新
第三層｜工作流設計者
12345
工作流 裡的一個 產物
專案入口文件
不是多一份文件，
而是少猜一次
上一頁是一整條 工作流；這一頁只回答其中一個關鍵問題——下一個人、下一個 Agent，第一個該看哪裡？
- ・先看哪裡 —— 單一入口與 當前進度
- ・照什麼規則做 —— 指令與限制
- ・做到哪裡算完成 —— 驗收方式
- ・出例外找誰 —— handoff 與 Owner
第三層｜工作流設計者
12345
對這條路的三個最小設計動作
把 工作流
收成三個動作
動作 ③指定 Owner誰負責讓這條路持續有效，而不是慢慢過期。
第三層｜工作流設計者・定位
12345
定位
成功一次，不等於公司具備能力——能力是那條路留下來了。
第三層定位｜工作流設計者
「換人、隔一段時間，
仍能沿同一條流程完成並驗收。」
穩定做到部分做到還做不到
回到你選的那項工作——明天交給別人，他第一個打開的是什麼？如果答不出來，入口還不存在。
判斷的是這項工作目前在哪一層，不是在替你這個人打分數。
第四層｜Agent 管理者
12345
故事四・失控
四個 AI 都說完成了，
首頁卻不像同一個產品
每個 Agent 都完成了自己的任務，沒有人完成我們正在做的目標。
第四層｜Agent 管理者
12345
真正缺的角色
每個 Agent 都看得見自己那一塊，
沒有人看見整體現在的樣子
Agent 看見的
自己那一塊
- 自己的任務
- 自己能讀的資料
- 自己能改的範圍
- 自己的 Done
協調者要看見的
整體的狀態
- 整體目標
- 任務依賴
- 共享資產
- 所有 Agent 的目前狀態
- 衝突與例外
- 整合與放行節點
Agent 不會因為數量增加，就自然形成團隊。
第四層｜Agent 管理者
12345
從流程設計，進入協調管理
第三層管一條路，
第四層管多條路怎麼同時走
第三層｜工作流設計者
一條穩定路徑
核心問題：換人、隔一段時間，還走得完嗎？
第四層｜Agent 管理者
一個動態任務網路
- 多個 Agent
- 平行與依序任務
- 任務依賴
- 共享資產
- 衝突與重新分派
- 整合節點
- 協調者（Coordinator）
核心問題：多個 Agent 同時跑，還能不能回到同一個目標？
工作流解決「怎麼走」；協調者解決「大家怎麼一起走」。
第四層｜Agent 管理者
12345
Anthropic 官方架構圖｜帶頭 Agent 分派・多個 subagent 並行
第四層｜Agent 管理者
12345
Anthropic 官方流程圖｜一次任務裡的協調往返
第四層｜Agent 管理者
12345
協調者第三問：何時該收回來？
環環相扣的工作，
不適合各跑各的
適合並行
彼此獨立的任務
- 任務互不相干，交付可以分開
- 像多條線同時查不同方向的資料
該改回依序
環環相扣的任務
- 大家要共用同一份資料
- 上一步沒完成，下一步動不了
- 像多人同時改同一個檔案——寫程式通常比查資料更難拆
多 Agent 的價值不在數量，在協調者能否安排好拆分、依賴與整合。
資料來源：同前兩頁，Anthropic 多 Agent Research 工程資料，2025-06-13・anthropic.com/engineering/multi-agent-research-system
第四層｜Agent 管理者
12345
第四層的主角
協調者不必做最多，
但必須看見全局
協調者是一個「位置」，不一定永遠由人親自坐。低風險的派工與進度追蹤，可以交給一個帶頭的 Agent；整合放行與不可逆的批准，依既定規則回到人。
產業類比 30 秒：退款不是流程不存在——客服、財務、法務、系統各自持有局部狀態，沒有一個協調者同時看見「已送出、銀行逾時、尚未入帳、通知不應寄出」。
依 Fare 真實協作情境重繪｜中央協調者・四個 Agent・整合驗收
第四層｜Agent 管理者
12345
第四層・只記三個協調動作
排任務、同步狀態、
整合放行
動作 ①排任務先看依賴，再決定誰做、先後順序與能否平行。
指定角色與任務・指定可讀／可改範圍・共用資產高、依賴高時，改成依序。
動作 ②同步狀態讓所有執行者知道整體現在在哪裡。
收交接・追蹤進度與卡住的地方・看共用的東西有沒有衝突・必要時重新排程或派工。
動作 ③整合放行把多份成果合成一個版本，再做整體驗收。
局部完成不能自行發布・不一致就退回・整體版本只放行一次。
第四層｜Agent 管理者・定位
12345
定位
第四層定位｜Agent 管理者
「多個 Agent 同時工作時，
我能安排一個看見全局的協調位置。」
穩定做到部分做到還做不到
回到你選的那項工作——有沒有一個位置，看得見全局？
誰在做什麼
誰在等誰
誰在改共用的東西
哪裡卡住了
什麼時候收回來
如果每個人只能說「我那塊做完了」——這個位置，就還空著。
判斷的是這項工作需要的協調能力，不是在替你這個人打分數。
協調的人能安排誰做、怎麼合；但哪個代價值得扛，他替公司決定不了。
第五層｜判斷與結果所有者
12345
故事五・克制與承擔
飛省已經算得出省多少錢，
我仍決定不讓它直接賣機票
示例已經顯示可省 TWD 4,237。下一步看起來很自然：直接幫人購票、出票，不是更完整嗎？
但我的決定是：先不要。
飛省 Fare・fare.hengshiou.com
第五層｜判斷與結果所有者
12345
切開兩層
第四層問誰能放行；第五層問憑什麼放行
第五層｜判斷與結果所有者
按下去的理由與後果
- 為什麼現在可以採用？
- 接受哪一種代價？
- 哪些風險現在不拿？
- 什麼訊號出現要停止？
- 錯了，誰回來處理？
以飛省為例：站內購票要碰的是——航班票務 API・商務條件・付款・出票・交易失敗・售後責任。這不是多一顆按鈕，是產品責任邊界改變了。
第四層安排誰有權按；第五層要求那個人說清楚為什麼按。
第五層｜判斷與結果所有者
12345
觀點一：結果，要到真實世界查
Agent 說「完成」，
不代表事情真的發生
執行紀錄——Agent 的回報
「機票已經訂好了 ✓」
對話裡看起來一切順利，任務標記完成。
→
真實結果——外部世界的狀態
資料庫裡，有沒有那筆訂位紀錄？
完成回報只能證明它說自己做了；結果要看世界有沒有真的改變。
執行紀錄與真實結果，分開驗證。
這組證據不是「AI 不可信」——是兩件事要分開查。資料來源：Anthropic「Demystifying evals for AI agents」，2026-01-09・anthropic.com/engineering/demystifying-evals-for-ai-agents
第五層｜判斷與結果所有者
12345
觀點二：風險決定，要有具名的位置
結果與風險，
不能停在「系統做的」
先分角色誰做哪件事哪些事人做、哪些事 AI 做，開工前先講清楚。
再設監督誰盯著系統誰負責看系統的表現，偏離時誰先知道。
最後定責任誰對風險決定負責AI 系統的風險決定，要放在具名的人身上——不能事後才找。
NIST AI 風險管理框架為自願性指引，不代表照做就會提高績效。來源：NIST AI RMF Core・airc.nist.gov/airmf-resources/airmf/5-sec-core
補充：PwC 2026 全球 AI 職缺研究（27 國、逾 10 億筆；240 萬筆美國初階職缺分析）——AI 暴露最高的初階職位，要求領導、創造力或面對面互動等資深能力的可能性，是暴露最低者的 7 倍。判斷力，正在被更早要求。（2026-06-15）・pwc.com/…/pwc-2026-ai-jobs-barometer
AI 可以交出答案；組織仍需要有人決定，這個答案能不能進入真實世界。
第五層｜判斷與結果所有者
12345
第五層・四道 Judgment Gate
產出進入真實世界以前，先過四道判斷
01｜落款
誰願意具名放行？
誰核准這份產出對外使用？我願不願意用自己的名字說：目前的證據，足以支持承諾到這裡。
第四層問誰「可以」批准；落款問願不願意「具名」。
02｜停損
什麼情況必須停？
哪個訊號出現，就暫停、收回或重新評估？
採用以前先寫好，不是出事才想。
03｜取捨
這個 Yes，換掉哪個 No？
採用這個方案，我同時放棄什麼？
速度、收入、風險、體驗、責任——不可能全部拿。
04｜簽名測試
拿掉 AI，我還能說明理由嗎？
關掉 AI 報告，還說得出：為什麼選它、證據到哪裡、哪裡沒驗證、誰承擔代價？
只能把模型結論再念一次，這份簽名還沒有內容。
AI 可以列出選項；結果所有者要能說明選擇。
第五層｜判斷與結果所有者
12345
判斷不是簽完名就結束
真正的責任，從結果出現以後才開始
第一步採用決定
→
第二步進入真實世界
→
第三步觀察結果
→
關鍵一問結果符合原本的承諾嗎？
偏離——承擔補救在這裡
- 啟動停損
- 回看當初的證據
- 找出偏離原因
- 修正、補救
- 必要時收回承諾
貸款：模型能整理風險，核不核准改變的是申請人的結果——誰有停止權？偏離後誰重新檢查？
工地：進度模型說趕得上，現場安全條件卻變了。資料沒有錯——真正的決定是：現在要不要停工？
結果所有者不必重做 AI 的工作，但不能把偏離的結果推回 AI。
第五層｜判斷與結果所有者・定位
12345
定位
第五層定位｜判斷與結果所有者
「我能具名說明取捨與採用理由，
設定停止條件，並為偏離的結果負責。」
穩定做到部分做到還做不到
回到你選的那項工作——最後哪個決定不能委派？
第五層終極測試
把 AI 報告關掉，你還能自己說明為什麼按下去嗎？
如果答案只剩「因為 AI 建議這樣做」——就還沒真正站到第五層。
判斷的是這項工作目前需要的能力，不是替你這個人打分數。
AI 時代的職涯需求金字塔｜收束・總診斷
12345
總診斷
全場收束
你選的工作，現在站在哪裡?
1AI 工具操作者
我能取得並驗證 AI 的第一版。
第一版怎麼驗？
2Context 建構者
我能把熟手判斷整理成別人與 AI 都能接手的條件。
最常被新人問哪三件事？
3工作流設計者
換人、隔一段時間，仍能沿同一條流程完成並驗收。
交給別人，他第一個打開什麼？
4Agent 管理者
多個 Agent 同時工作時，我能安排一個看見全局的協調位置。
有沒有一個位置，看得見全局？
5判斷與結果所有者
我能具名說明取捨與採用理由，設定停止條件，並為偏離的結果負責。
哪個決定不能委派？
判斷的是這項工作，不是你這個人——同一個人在不同任務上，可能同時使用不同層級的能力。
AI 時代的職涯需求金字塔｜收束・去除誤讀
12345
收束
最常見的誤讀
不是越高越好，
而是這項工作需要哪一層
正解
任務需求與責任半徑
- 很多工作做到第一、二層就夠了
- 要知道：這項工作需要哪一層，你現在缺哪一層
AI 時代的職涯需求金字塔｜收束・行動
12345
行動
帶走一個下一步
30 天：把一項工作
往上推進一層
不要同時改十件事。30 天後，你要有證據，不是有感覺。
AI 時代的職涯需求金字塔｜Q&A
東吳 EMBA・2026-08-09
回到開場那個問題
工具熟練度開始拉開之後，
主管拿什麼指導工作？
現在你有答案了——
第一版怎麼驗 → 條件怎麼寫 → 流程怎麼接 → 多人怎麼管 → 哪些決定不能委派
延伸工具
五層自我診斷表＋30 天 AI 工作流行動卡
把今天選的那項工作，帶回公司繼續做。
pyramid.hengshiou.com
