—— 這場 AI 競賽先重寫的，可能不是你的工作內容，而是你累積價值、交換價值、證明價值的方法
你有沒有發現，很多人最近談 AI，語氣已經開始像在談天氣。
有點熱，很重要，大家都知道，差不多就那樣。
但如果你去看 LinkedIn 創辦人霍夫曼（Reid Hoffman）最近幾場訪談，會有一種很強烈的感覺：很多人嘴上說自己在用 AI，手上做的，卻還停留在把它當成比較會聊天的搜尋框。
霍夫曼甚至說，現在大家看到的這波 AI，大概只佔未來全貌的 5%，甚至可能更少。
這不是什麼遙遠的科幻想像。
他講的，是已經開始滲進知識工作、商業流程、產品開發、內容產出與決策方式裡的變化。
眼前這些讓人眼花撩亂的更新、模型、代理人、工具爆發，很多人看得很興奮，也有人看得很麻木。
但霍夫曼丟出的訊號很清楚：這一波，遠遠還沒演完。
▋ 最讓市場緊張的，不只是模型變強，是很多護城河忽然變薄了
訪談裡最有畫面的一段，是霍夫曼提到那個讓市場神經繃緊的「Claude 時刻」。
他形容，僅僅 200 行由 Claude 生成的程式碼，就足以讓 B2B 軟體市場蒸發 3,000 億美元的價值。
這句話之所以有衝擊，不只因為數字夠大，更因為它直接戳破了一個很多軟體公司過去賴以生存的信念：只要產品夠複雜、導入夠昂貴、整合夠麻煩，別人就很難取代你。
但現在，問題來了。
市場開始懷疑，那些看起來很厚的壁壘，會不會比想像中薄很多。
路透社今年 2 月的報導也印證了這種集體焦慮。Anthropic 推出可把 AI 接進法律、銷售、行銷與資料分析工作的能力後，全球軟體與服務股在短短幾個交易日內一度蒸發約 8,300 億美元，美國相關板塊一週內甚至逼近 1 兆美元跌幅。
大家怕的，不只是某個模型又進步了一點。
真正讓資本市場不安的，是它忽然意識到：那些靠導入門檻、客製流程、顧問服務與長約綁定撐起來的價值，接下來很可能都要重新估價。
以前企業買 Salesforce、ServiceNow 這類套裝系統，買的不只是軟體本身，還包括一整套龐大、昂貴、又難以替換的運作方式。
現在霍夫曼反覆在談另一件事：企業可能愈來愈不想一直付出高額訂閱費，去維護一套別人設計好的流程，而會開始用 AI 重新打造更貼近自己業務語言與決策方式的系統。
也就是他提到的 rebase，重新把工作建立在 AI 這個更動態、成本更低、反應更快的平台上。
站在營運規劃的角度，我看到的關鍵還不只是某個工具又多厲害，而是很多公司終於有機會重新設計流程。
以前有些低效率做法不是大家不知道有問題，而是改造成本太高。現在 AI 把這道門檻往下壓了，很多過去只能勉強忍受的流程，開始有條件重做。
而且這個重做，影響的不只是效率。
原本一件事情要跨三個部門、等兩天、確認五次，現在可能在前端就被重新拆解。很多等待、回填、重複溝通、資訊斷點造成的耗損，都可能被壓掉。
這種變化一旦發生，很多 SaaS 巨頭最值錢的部分要重算，很多企業內部的分工邏輯、授權方式、管理節奏，也會跟著一起改。
▋ 以後最值錢的人，未必是最會親手做事的人
霍夫曼在訪談裡講得很重。
他認為，未來多數知識工作者都不會再只是單兵作戰，而會帶著一組 AI 一起工作。
這句話聽起來有點誇張，可你仔細想，又很難完全反駁。因為當 AI 已經能寫程式、整理會議、做研究、改簡報、跑初步分析、模擬多種角色意見，工作的核心就真的開始轉移了。
過去很多專業工作的成就感，來自你親手把每一步都做對。
你像一個鋼琴手，拚命練指法，要求每一拍都自己彈。現在那套邏輯正在變。
你還是要懂，還是要判斷，還是要知道哪裡有風險、哪裡不對勁、哪裡該追問，但你的角色越來越像指揮。
你前面坐著一整團 AI。
它們不會累，不會抱怨，速度快得誇張，成本低得驚人。可這團聲音能不能變成作品，最後還是看你。
這種角色轉變，對很多職場人來說衝擊非常大。因為被要求升級的，已經不只是技能，而是整個工作身份。
過去很多人靠親手完成事情累積價值。接下來更吃重的，會是問題定義、資源整合、AI 協作與節奏帶動。
如果用我熟悉的營運與人才發展視角來看，AI 先改寫的，往往不是職稱，而是工作方法。
很多人表面上還坐在原本的位置上，內在的價值邏輯卻已經換了。
以前公司很需要願意接很多事、自己埋頭做完的人，未來更需要的是能把問題拆清楚、把 AI 用順、把團隊節奏帶起來的人。
這也是霍夫曼一直強調的核心：未來真正有競爭力的，多半是「人類加 AI」這個組合。
因為 AI 很會整理、很會生成、很會推演，也很會把你講過的東西組成一份看起來相當完整的答案。
但它讀不到會議桌另一端那三秒沉默，也看不懂客戶嘴上說「可以啊」時，眼神其實已經在後退。
它能掃過整個網路，卻沒有你站在現場時那種微妙感知，沒有你對品味的拿捏，沒有你對人性的判讀。
我自己在帶人和做 coaching 時，愈來愈確定一件事：現場感知、情緒判讀與模糊情境下的取捨，短期內仍然是人的主場。
真正有分量的判斷，往往出現在資料還不完整、氣氛有點微妙、每個選項都不完美的時候。AI 可以幫你整理一份會議摘要，卻不會知道哪個人從頭到尾一句話都沒講，才是整場最值得擔心的訊號。
那一刻，AI 可以輔助你，人還是要站到前面。
那個價值，還在你身上。
▋ 真正會用 AI 的人，早就不只是在打 prompt
我很喜歡霍夫曼談工具使用的方式，因為那一段很能看出他講的不是口號，而是工作習慣的改造。
很多人現在用 AI，做法很單純：打幾個字，按送出，等答案。這樣當然也能用，但很淺。
霍夫曼更推的一個入門方法，是 voice build，也就是直接用說的，把腦袋裡還很亂、很散、還沒整理好的想法先倒給 AI，再要求它幫你整理成更完整、更能研究下去的提示。
他自己舉過例子，當他想研究核融合技術的前景時，會先直接口述問題，讓 AI 幫他把那堆原始想法整理成更精準的 prompt，最後再拿那個兩頁長的 prompt 去做後續研究。
這個做法很有意思。
因為它不是把 AI 當答案機，而是把 AI 當成思考擴充器。你先把直覺交出去，再讓它幫你把直覺磨成可操作的問題。
再往上一層，是角色扮演。
更進一步的用法，是不要只問 AI 一個答案。可以讓它同時扮演技術專家、創投投資人、政策制定者、顧客代表，甚至安排一個專門唱反調的角色來拆你的想法。霍夫曼提到，AI 很擅長進入不同角色，這能逼你看見原本沒注意到的死角。
這種用法的威力很大。
因為你原本一個人苦想半天，容易被自己的假設困住；現在你等於多了一個可以快速切換視角的顧問室。
你問同一個問題，不再只得到一條路，而是同時看到機會、風險、政策限制、使用者摩擦點，甚至別人會怎麼反駁你。
站在營運現場看，這種能力特別重要。因為很多問題本來就不是資訊不夠，而是角度太少。流程為什麼卡住，部門為什麼互相埋怨，專案為什麼一直推不動，往往都跟單一視角有關。
當 AI 可以快速幫你模擬多方角色，你在決策前就更有機會先看見盲點，而不是等事情出包才補救。
再更進一步，霍夫曼還提醒一件很多人會忽略的事：模型知識會過期。
所以你問市場、問技術、問趨勢、問競品時，不能只讓 AI 憑記憶回答，還要要求它拉新資料、做 web research、比對來源，否則你很容易拿到一份包裝完整、語氣自信，但資訊已經過期的東西。
這差別看起來小，做決策時卻很要命。
▋ 接下來身價會往上跳的人，很多根本不是工程師
霍夫曼有個判斷，我覺得特別值得上班族記住。
企業現在最缺的，往往不是最前沿的 AI 科學家，而是那些真的知道怎麼把 AI 接進營運現場的人。
換句話說，不一定要你去發明模型；更大的機會，在於你能不能讓原本卡住的流程、老舊的部門、遲緩的工作方式，因為 AI 重新動起來。
行銷、財務、供應鏈、客服、業務、內容，幾乎每個領域都一樣。
只要你能把 AI 變成可執行的方法，讓速度更快、成本更低、產出更高、決策更清楚，你就會開始變得稀缺。
霍夫曼甚至直接點出，對一個有正職工作的人來說，現在最務實的加薪路徑之一，就是成為公司裡真正懂得怎麼把這些工具用起來的人。
這也是我認為接下來職場上很有機會的一群人：他們未必是 AI 背景出身，卻懂業務、懂流程、懂人，也願意把 AI 接進日常工作。
這種人一旦把成果做出來，價值很快就會被看見，因為公司缺的正是能把轉型真正落地的人。
我自己的觀察是，中階主管會是接下來特別需要重新定位的一群人。
主管過去很重要的一部分價值，建立在經驗累積、資訊掌握與進度追蹤上。接下來這幾塊都會被 AI 分擔掉不少。未來主管更大的價值，會落在方向判斷、問題定義、人才啟動、衝突協調與工作流設計。
他還講了一個很有畫面的例子。
有朋友在摩洛哥搭計程車時，發現當地司機已經在用免費版 ChatGPT 做即時翻譯，拿來跟不會說同一種語言的遊客溝通路線、景點與需求。
這故事乍看有點好笑，細想卻讓人心裡一緊。因為它提醒你，AI 的滲透速度，比很多白領想像得還快。連最傳統、最現場、最勞力導向的工作，都已經有人先找到切口了。
那你我這些天天坐在電腦前、開會、寫報告、做簡報的人，真的很難再把它放在「以後有空再研究」那一格。
▋ 接下來兩年，差距很可能就拉在一個小習慣上
霍夫曼對 2026 年有個很關鍵的判斷。
他認為，高效能工作者會漸漸養成一種很自然的 AI 反射神經。
也就是說，當你碰到一個複雜問題，不管是規劃一趟旅行、設計產品策略、整理會議、準備一場艱難對話，第一個念頭不再只是自己悶著頭想，而是先問：AI 可以怎麼幫我開路、拆題、補角度、做初稿、找資料、模擬對話？
這不是把生活交給機器。
這比較像是替自己的大腦外接一套處理系統，好讓你把寶貴的判斷力留在更重要的地方。
未來很多差距，看起來像是一夜之間拉開，實際上往往是小習慣先慢慢分岔。
有人接到一個新任務，第一反應是自己先硬想兩小時；也有人先把問題丟給 AI，讓它幫忙拆步驟、列風險、補盲點、做第一版。
表面看起來只差了幾分鐘，久了差的卻是整個工作節奏、整個輸出速度，甚至整個職涯身價。
從職場 coaching 的角度來看，很多人現在的不安，表面像是在問要不要學 AI，心裡真正卡住的，常常是另一題：如果 AI 愈來愈能做，我原本那套努力方式還算什麼？
我最近很常看到這種情緒。
一個人明明很認真，也很有責任感，但他的努力全集中在舊世界最吃香的能力上，像是把自己訓練成執行很細、配合度很高、什麼都自己來的人。
這些特質以前很加分，接下來仍然重要，只是單靠這一套，已經很難撐起下一階段的價值。
所以我愈來愈覺得，這波 AI 帶來的，不只是效率提升，還會逼很多人重新整理自己的位置感。
它逼你重新問自己：我真正擅長的是什麼？我能提供的，哪些只是重複勞動，哪些是判斷、洞察、整合與影響力？
這些問題不好答，但愈早面對，愈能替自己搶到下一階段的位置。
這波變化真正考驗的，不只是工具熟不熟，而是你願不願意重新整理自己的價值來源。當很多重複型工作開始被接手，人會被推向更前面的位置，去面對判斷、取捨、整合與影響這些更難外包的任務。
說到底，霍夫曼講的，是未來真正有優勢的人，往往是最早學會把自己的直覺、品味、現場觀察，接到 AI 這台高功率引擎上的人。
人類腦中那一點靈光，還是珍貴。
問題是，你要不要幫它接電。
【LinkedIn 創辦人霍夫曼（Reid Hoffman）示警：AI 真正吞掉的，可能不是工作，是整套價值邏輯】
