最近搵工，你可能見到越來越多招聘廣告寫住「懂得使用 AI 優先」。對應屆畢業生、職場新人，甚至正在轉行的人來說，最令人不安的未必是要多學一個工具，而是：如果 AI 已經做到部分初級工作，公司仲需唔需要請新人？
先講結論：AI 未必會一夜之間搶走所有入門工，但會先令一部分可數碼化、可重複的任務變得更快、更平，亦令僱主更早期待新人具備分析、判斷、溝通和解決問題的能力。你要做的，不是證明自己比 AI 更快打字，而是證明自己知道應該問甚麼、如何檢查答案，以及最後誰要為結果負責。
香港最新的勞工統計顯示，2026 年 6 月至 8 月的經季節性調整失業率為 3.8%，就業不足率為 1.9%；2026 年 6 月私營機構職位空缺為 45,380 個，按年減少 8%。這些數字不等於「無工可做」，但提醒我們：當競爭變得更精準，單純列出學歷和工具名稱，未必足以突圍。
同一時間，香港政府已把 AI 視為未來發展的核心，並表示會研究 AI 對本地勞動市場的影響，配合技能提升和再培訓。對求職者來說，問題已經不是「要不要學 AI」，而是「要學識怎樣和 AI 一齊工作」。
全球研究怎樣看 AI 與入門工？
先不要被「AI 會取代人類」這句口號嚇到。國際勞工組織（ILO）2025 年的研究估算，全球約四分之一的工作有某程度的生成式 AI 暴露，但較可能出現的是工作內容和任務轉型，而不是整份工作即時消失。文職、資料輸入、打字、會計簿記和行政秘書等工作，因為包含較多數碼化及重複任務，會較早感受到變化；同時，實際工作仍需要情境理解、查證和人與人之間的協調。
Anthropic 分析真實 AI 使用情況時亦發現，AI 應用較多是「協助人完成工作」而不是完全自動化，比例約為 57% 對 43%。換句話說，很多工作不是由人變成沒有工作，而是由「人自己做每一步」變成「人設計流程、AI 先做一輪、人再覆核和埋單」。
更值得入門求職者留意的是 PwC 2026 年全球 AI Jobs Barometer 的觀察：AI 影響較深的初級職位，要求領導力和策略思考等傳統上較資深能力的機會，是 AI 影響較低職位的 7 倍。這代表職場階梯可能被壓縮——公司未必再用幾年時間，慢慢讓新人由整理資料升到分析問題，而是希望新人一開始已經懂得問對問題、判斷風險和向別人解釋決定。
世界經濟論壇亦預計，到 2030 年約 39% 的核心技能會出現變化；AI 和大數據、分析思考、創意思考、韌性和靈活性會同時變得重要。這正是文章的重點：AI 技能和人類技能不是二選一，真正有價值的是兩者的組合。
五種要提早學識的 AI 協作能力
一、識得分辨哪些任務可以交俾 AI
不要逢事都把工作丟給 AI。第一步是把一份工作拆成不同任務，再判斷哪些適合由 AI 先做，哪些必須由人保留主導權。
| 工作情況 | 可以讓 AI 先做 | 必須由人負責 |
|---|---|---|
| 行政工作 | 整理會議重點、把公開資料分類、起草一般電郵 | 確認承諾內容、處理個人資料、決定對外發出的版本 |
| 客戶服務 | 整理常見問題、先寫回覆草稿 | 理解客戶真正需要、處理投訴和例外情況 |
| 市場營銷 | 列出標題方向、整理公開市場資料 | 判斷目標客群、品牌語氣、預算及成效 |
一個簡單原則是：越涉及私隱、法律、金錢、信任和重大決定，越不能只看 AI 的第一個答案。
二、由「識用 Prompt」變成「識定義問題」
很多人以為 AI 能力就是背幾個 Prompt。其實僱主更想知道的是：你能否講清楚目標、背景、限制和完成標準。
你可以用以下四格整理每個任務：
- 目的：今次要解決甚麼問題？
- 背景：AI 需要知道哪些資料和對象？
- 限制：哪些資料不能使用？語氣、格式、時限有甚麼要求？
- 驗收：怎樣才算完成？要由誰查證？
當你能夠把一個含糊要求變成清晰工作指示，你的價值就不只是「會叫 AI 寫東西」，而是開始具備項目協作能力。
三、識查證、重寫和為結果負責
Microsoft 2026 年的 Work Trend Index 顯示，AI 使用者最重視的其中兩項人類能力是 AI 輸出質量控制和批判思考；86% 受訪者把 AI 輸出視為起點，而不是最後答案。
實際操作時，至少要檢查三件事：
- 資料是否有原始來源，日期、數字、人名和政策名稱是否正確。
- 答案是否真正回應問題，還是只是寫得流暢但沒有證據。
- 內容會否令公司或客戶承受私隱、法律、聲譽或安全風險。
面試時不要只說「我識用 ChatGPT」。你可以說：「我會先讓 AI 整理公開資料，再用原始來源核對日期和數字，最後由我按工作情境重寫和確認。」這樣才顯示你明白責任不會因為用了 AI 而消失。
四、保留判斷、溝通和同理心
AI 可以幫你快點完成一份初稿，但未必知道客戶為甚麼不滿、同事真正擔心甚麼，或者一個看似合理的方案會不會破壞長期關係。全球研究反覆出現同一個訊號：當例行工作交給 AI，人類的判斷、創意、同理心、協作和領導能力反而更重要。
所以，職場新人不要只埋頭學工具，也要刻意練習：
- 向別人追問真正需求，而不是立即交答案。
- 把複雜內容講到不同背景的人都明白。
- 在兩個都可行的方案之間，解釋取捨和風險。
- 遇到例外情況時，知道何時要停低並找人確認。
五、留下可以展示的工作證據
「我用過 AI」不是一項很有說服力的成就。更好的做法是建立兩至三份不涉及公司機密的作品，展示你如何由問題走到結果。
每份作品可以包括：
- 原本要解決的問題和工作背景。
- AI 協助了哪一部分，你自己做了哪些判斷。
- 你如何查證、修改和保護資料。
- 最後交付了甚麼，以及用甚麼方法評估質素。
行政、客服、設計、銷售、內容、研究和 IT 工作都可以這樣做。重點不是展示一個花巧 Prompt，而是展示你能夠把工具變成可靠的工作流程。
給求職者的 30 日準備計劃
- 第 1 星期：選一個目標職位，列出招聘廣告中 10 項常見任務，分成「重複執行」、「需要判斷」和「需要與人合作」三類。
- 第 2 星期：只挑一個安全而實用的 AI 工作流程練習，例如整理公開資料、起草一般電郵或把長文變成摘要；不要上載身份證、客戶資料、公司內部文件或未公開數字。
- 第 3 星期：把練習整理成一頁作品說明，清楚寫出 AI 做了甚麼、你查證了甚麼，以及最後如何修改。
- 第 4 星期：把履歷上的工具名稱改成成果描述，例如不要只寫「熟悉 ChatGPT」，而是寫「以 AI 輔助整理公開資料，建立查證流程並完成比較報告」。
履歷本身仍然要清楚、簡潔和針對職位需要，可以參考 建立履歷表的三個重點。面試後，亦可以用具體例子跟進你如何處理問題，而不是只說自己「對 AI 有興趣」；相關做法可參考 面試後感謝信的作用。
三個常見誤區
- 只學工具，不學工作：工具會更新，但客戶需求、行業規則和責任判斷仍然要靠你理解。
- 把 AI 輸出當成自己的能力：如果你無法解釋資料來源、取捨和限制，面試官很快會看出來。
- 為了展示 AI 而使用 AI：不是每項工作都需要生成式 AI；不必要的自動化反而會增加錯誤、私隱和溝通成本。
結語：不要和 AI 比較誰更快複製
AI 時代的入門工，可能不再只是讓新人慢慢學習簡單工作，而是更早要求新人參與問題定義、查證、溝通和決策。這對剛畢業或正在轉行的人確實是壓力，但也代表你不需要等到做了十年管理層，才開始展示判斷力。
不要只問「AI 會不會搶走我的工作？」不如改問：「如果 AI 幫我處理一部分例行任務，我可以把時間用來解決哪一個更值得信任、需要人負責的問題？」能夠把 AI 用得快，未必已經足夠；能夠把 AI 用得準、用得安全，並且為結果負責，才是更長遠的競爭力。
相關文章︰
資料來源︰
分享工作經驗，宣揚 Slash 文化！