AI 浪潮下，我的廚師刀被鍵盤取代，然後呢？——哪些職務正被改寫、哪些正在誕生

五年前我從廚房走出來，把切菜刀換成鍵盤，以為終於站上穩定的岸。結果不到三年，ChatGPT 轟炸整個科技業，我每天寫的 React 元件，AI 幾秒就能生出一坨。我看著螢幕苦笑：「以前怕被油鍋燙到，現在怕被模型取代。」

但焦慮歸焦慮，我沒有回去煎牛排。因為我發現：AI 不是拿走工作，是在重寫工作說明書。這篇文章我想用自己的親身觀察，聊聊哪些職位正在被改寫、哪些全新職位正在冒出來。不講理論，只講我看到的真實戰場。

被改寫的職務：不是消失，而是變形

1. 客服與第一線支援

我朋友小陳之前在電信公司做電話客服，每天接 80 通客訴。去年公司導入了 LLM 智能客服，80% 的標準問題直接被聊天機器人吃掉。小陳的工作從「回答問題」變成「訓練機器人回答問題」——他開始寫 FAQ 腳本、標記對話資料、驗證模型回應。薪水沒降，但職稱從「客服專員」變成「客戶體驗優化師」。

被改寫的關鍵：重複性對話被自動化，人類轉向例外處理與模型訓練。

2. 翻譯與在地化

以前翻譯社靠字數計價，現在 DeepL 加 GPT 一次搞定初稿。我合作過的譯者老李，原本一個月翻三萬字，現在變成審稿與文化校對。他跟我說：「AI 翻得很流暢，但遇到雙關語、品牌 tone of voice 還是會翻車，我的工作變成『幫 AI 擦屁股』，但時薪高了，因為需要判斷力。」

被改寫的關鍵：純語言轉換被 AI 取代，剩餘價值在於語境理解與創意調整。

3. 初階程式設計師

這點我自己最有感。三年前我學前端，啃 DOM API、背 jQuery 語法。現在 Junior 開發者用 GitHub Copilot 寫 80% 的 boilerplate code，然後用 Cursor 直接改需求。我帶過一個菜鳥，他不懂 closure、hoisting，但靠 AI 把功能堆出來。但他的弱點是：出 bug 時看不懂底層邏輯。

被改寫的關鍵：CRUD、套版、API 串接被 AI 加速，真正值錢的是架構設計與疑難排解能力。

正在被創造的職務：我親眼看過的新角色

1. AI 訓練師 / 提示工程師（Prompt Engineer）

去年我接了一個外包案，幫一家電商訓練客服機器人。客戶的要求很奇怪：「我們要的不只是對話流程，你要幫我們設計 prompt 模板，讓模型輸出的語氣符合品牌個性。」我花了兩週測試 prompt 變體，從「請用溫暖但專業的口吻」到「如果客戶生氣，先道歉再提供補償方案」。

這個角色不需要會寫 AI 模型，但要懂語言學、心理學、領域知識。薪水 range 從月薪 6 萬到 15 萬都有，看產業。

2. AI 倫理與合規專員

隨著各國 AI 法案上路（歐盟 AI Act、台灣 AI 基本法草案），公司需要人來辨別模型偏見、資料隱私風險。我認識一位候選人 K，原本是法律背景，後來去修了機器學習課程，現在專門審查模型產出是否帶有性別或種族歧視。她說：「我不寫程式，但我會讀模型卡、分析訓練資料分布、跟工程師吵哪個 threshold 才合理。」

3. 資料標註品質分析師

聽起來很土，但這職缺正在爆炸。所有 fine-tune 都需要高品質標註資料。傳統標註外包品質參差不齊，現在企業內設專人監控標註一致性、修正標註 guideline、設計主動學習策略減少標註量。一位從語言治療師轉行的朋友說：「我本來就是靠人做精細分類，現在只是把對象從病患換成資料點。」

4. 自動化流程設計師（不寫程式的那種）

低程式碼平台興起，加上 AI 生成腳本，讓業務單位自己就能串流程。我前公司有位營運主管，自己用 Zapier 加 GPT 串了採購自動化流程，減少 60% 人工對帳時間。他現在頭銜是「營運自動化經理」，不需要會寫 Python，但要會拆解業務痛點、畫流程圖、選工具。

我的結論：別練「重複」，要練「判斷」

回到我的廚房經驗。以前在餐飲業，最怕被叫「洗碗工」，因為那代表你的技能沒有護城河。現在 AI 就是那個洗碗機，把重複性的腦力勞動洗掉。

如果你問我該學什麼？

• 學問對的問題（prompt engineering 本質就是學會問）
• 學判斷好壞的能力（AI 產出需要人類把關）
• 學跨領域連結（純技術會被取代，但「技術 + 業務 + 溝通」很難）

我還在寫程式，但現在我花更多時間在讀需求文件、做使用者測試、跟 PM 吵架。AI 幫我省下排版時間，讓我專注在最有價值的事。

這波浪潮不是末日，是強迫我們升級。就像當年我從廚房走進辦公室，這次只是把辦公室再升級一次而已。