AI 無法取代的事物

寫給週一依然得準時上班的人的現場觀察筆記。

每隔幾個月，就會有新的技術展示瘋傳。某個模型寫好了合約、擬好了教案、看懂了斷層掃描、修好了程式錯誤。有人在群組裡傳了個震驚的表情符號，幾分鐘後，多數看過的人默默打開手邊的工作，心裡想著：自己還剩下什麼價值？

我想試著回答這個問題，不帶盲目的樂觀，也不製造恐慌。你手頭上的某些工作確實會交給軟體處理，有些甚至早已如此。但當我觀察拉哥斯、里斯本、馬尼拉和芝加哥的職場工作者究竟是靠什麼拿到薪水時，有幾樣東西始終屹立不搖。這並不是因為機器不夠聰明，而是因為這些事情從一開始，核心就不是產出文字或答案。

首先，該放手的就放手吧

如果假裝情況並非如此，那就是自欺欺人。在起草初稿、跨數十種語言翻譯、在千頁文件中找出關鍵條款，或是凌晨三點毫無怨言地處理枯燥重複的瑣事上，軟體早已勝過我們大多數人。奈洛比的一位簿記員靠它把結帳時間從五天縮短到兩天，她並沒有被取代，而是找回了自己的午後時光。真正身陷險境的，主要是那些工作只是將資訊從一個格子搬到另一個格子、從未有機會參與更高層次工作的人。

以下就是凌駕於其上的六件事。

1. 總得有人負起責任

模型可以草擬診斷結果、結構計算書或裁員通知。但它做不到的是在文件上簽下自己的名字，並在出狀況時挺身承擔。

想像一下清晨六點批准混凝土澆置的工地工程師。數據早已由軟體算出。她的職責，就在於她點頭說好的那一刻——她心裡清楚，一旦出錯，自己的執照、名譽，甚至某個人的生命安全全都懸於一線。責任並不是外掛在產出上的附加功能，而是人與後果之間的承擔關係。

同樣的模式也出現在聖保羅的醫院或新加坡的銀行：系統提出建議，人類做出決定，而事後坐在檢討會上的也是人類。法院、監管機構、保險公司和客戶，都希望在責任鏈的終端看見一個活生生的人。這並非現行法規的特例，而是人類社會決定該信任誰的運作方式。如果你的工作最終落在一筆簽名、一紙批准、或是一句「行」或「不行」，那麼隨著草擬內容變得越來越廉價，這個環節只會越發珍貴——因為產出越多，需要負責人把關的事情就越多。

初稿如今唾手可得，簽名則不然。

2. 聽懂會議室裡的弦外之音

想像一通表面上相談甚歡的業務通話。買方說的每句話都無懈可擊，接著他在開口問價格前，停頓了極為微妙的幾秒。你立刻聽出了端倪：預算根本不是他能決定的。於是你轉換了對話方向，詢問下一次通話還應該邀請誰加入。

職場上的許多日常，靠的都是從未出現在會議記錄上的幽微訊號：開會時誰突然沈默了、誰的主管剛剛換了人、哪一句「還好」是真的沒事，哪一句「還好」其實是大禍臨頭。模型可以閱讀筆記，但它並不在現場；它沒有經歷過過去三季的風雨、不知道兩年前你幫過誰的忙，也不明白為什麼那個團隊對財務部門戒心重重。

在這個團隊分散在各地、跨時區遠距工作的世界裡，這點只會更加重要，而非無足輕重。你在華沙的同事隔著關閉的視訊鏡頭看不見你的臉。那些能透過一通簡短通話、一則溫暖訊息或記住別人生日來拉近距離的人，其實是在搭建真正的基礎設施，而這些從不會出現在任何數據儀表板上。

特別是信任，需要透過一次次微小的可靠舉動慢慢累積。沒有人會只因為一封電子郵件文筆極佳就信任供應商；他們信任的，是在深夜十一點貨物卡在港口時，願意接起電話的那個人。

說出口的話，與心中的真意。能記進逐字稿的只有前者。

3. 決定什麼事值得去做

向模型要十個產品點子，你會得到十個合情合理的點子。但若問它在今年、在現有團隊成員和有限資金的條件下，你的公司究竟該做什麼，它只能瞎猜，因為它並沒有身處你的現實限制之中。

品味與判斷力，是一種能夠出於無法全盤言明的原因，斷然說出「不要那個」的能力。就像編輯刪除寫得最好的一段文字，只因為它更適合另一篇作品；大廚撤下最暢銷的招牌菜，只因為味道已經不對；主管深知團隊還撐得過一次組織重組，但承受不住第二次。

模型非常擅長提供選項。真正稀缺的，是身處局中、承擔風險去做出抉擇，並願意在眾人面前承認判斷失誤的人。隨著稱職的初稿供給趨近於無限，價值的重心轉移到了兩個問題上：選哪一個？以及，為什麼是現在？

選項比比皆是，做選擇才是真正的工作。

4. 人就在現場

護理師在為傷口換藥時，同時也在觀察病人的呼吸方式、是否有退縮反應，以及角落裡的家屬是否需要一張椅子。開羅或克拉科夫老舊建築裡的電工，憑經驗摸索出了配線圖上未曾標註的電線。老師察覺到台下三十名學生的注意力正在渙散，話講到一半便果斷改變了教學節奏。

機器人會進步，某些體力活也會走向自動化。即便如此，依然有龐大的工作發生在混亂且獨特的現場，在那樣的時刻，唯有人身在現場，服務本身才得以成立。被攙扶、被看見、有人親自探望——這些並不是包裹在人類軀殼下的附帶工作，它們本身就是所提供的核心價值。

5. 心中有所渴望

這一點聽起來很抽象，卻是六點中最切中實際的。模型沒有未被滿足的欲望。它並不在乎這款產品是否存在、病人是否康復，或者孩子是否能順利入學。無論你讓它處理什麼任務，它在凌晨三點和正午時分都擁有相同的幹勁，哪怕這個專案毫無意義，它也毫不在意。

人類提供了那個「為什麼」。總得有人意識到客戶正在發怒、某個小鎮需要一間診所、某個流程對身在其中的人太過殘酷，並且因為足夠在乎而採取行動。去問問創辦人當初為何起步，你很少會聽到市場分析報告；你聽到的，往往是某個讓他們忍無可忍的午後。方向、目標，以及堅持到底的執著，全都源自於你深知自己有不能輸的代價。

6. 將手藝傳承給下一代

最後一點往往最容易被忽略。所有的技藝，都是藉由人觀察人而傳承下來的：資深會計師讓後輩從旁觀摩自己如何應對憤怒的客戶；工頭說著「不對，摸摸看這個」，一邊把學徒的手放到材質表面上。模型可以解釋技巧，但它無法成為你想成為的那個人。

如果我們完全藉由科技跳過學徒實習的歲月，十年後醒來，懂得如何審查與驗證它的人只會越來越少。

責任、信任、判斷力、在場感、目標感。這些都不是殘餘的碎屑，它們本來就是工作的全貌。

這並不代表什麼

這一切並不是免死金牌。許多任務依然會消失，整個職務內容也將發生轉變。曾讓新人得以磨練手藝的基層工作，在某些領域已經大幅減少，這對初入職場的人而言是個嚴峻的挑戰。而且「AI 做不到那件事」這句話已經無數次被現實打臉，因此我不建議把職業生涯押注在任何單一任務能永遠安全無虞上。上述六件事並不是具體任務，它們是任務之所以存在的根本原因。

週一你可以做的事

朝決策核心靠攏。 如果你平時大部分的時間都在產出草稿，試著把更多時間花在選擇、批准與闡述原因上。
成為別人第一時間會求助的人。 親自展現的可靠感，會在多年間悄悄發酵、累積巨大價值。
深入熟悉工具，達到足以監督它們的程度。 能審查模型成果的人，價值遠高於恐懼它或盲目信任它的人。
留一隻腳在人性的領域裡。 客戶、團隊、場域、病人。
寫下你做這份工作的理由。 這句話的重要性，會遠超乎你的想像。

這些都不是什麼驚天動地的壯舉。它們只是習慣，而習慣的好處在於：無論外界對 AI 最誇張的預測最終是否成真，這些投入都必定能為你帶來回報。

簡而言之

AI 做不到的事情清單將會不斷變動，因此更好的問題或許是：我們堅決不肯交出什麼？我們不交出簽名、不交出談判現場、不交出抉擇、不交出駐守在門口的身影、不交出初心，也不交出手藝傳承。這些並不是機器挑走有趣部分後剩下的殘羹剩飯，它們本身就是工作的本質。圍繞在它們周圍的其餘一切，充其量只是在打字罷了。

如果這番話聽起來令人安心，那很好。但它同時也該是一張待辦清單。唯有那些有意識地去磨練這些能力、而非以此為藉口逃避的人，才能在未來脫穎而出。

現在，去做好那件唯有你能做的事吧。