近年关于“AI 抢饭碗”的新闻铺天盖地，很多打工仔女一听到人工智能，第一个反应就是：我份工会唔会不保？但 LinkedIn 最新一份劳动力市场报告却给出截然不同的图像：在过去短短两年，AI 不但没有成为大规模失业的元凶，反而直接或间接创造了约 130 万个新职位。这组数字，值得每一位香港打工族、管理层，以至政策制定者停一停、谂一谂：究竟 AI 正在改变的是什么？我们又应该如何准备？

文：Michael C.S. So ｜ AiX Society

130 万个新职位，究竟去了哪里？

根据 LinkedIn 于世界经济论坛（Davos）期间发表的全球劳动力市场研究，全球整体招聘仍然较疫情前低约两成，但元凶并不是 AI，而是宏观经济不明朗、利率高企等因素。与此同时，AI 相关的职位却逆市而上，在两年间新增约 130 万个岗位，其中超过 60 万个与 AI 数据中心及基建有关。

这些新工种并不是单一行业的现象，而是横跨三个层面：

•⁠ ⁠建设 AI 的技术岗位：例如 AI 工程师、机器学习工程师、生成式 AI 工程师、AI 研究科学家等。

•⁠ ⁠支撑 AI 的基建与营运职位：包括数据中心技术员、MLOps 工程师、AI 基建工程师、数据工程师。

•⁠ ⁠把 AI 应用到业务的“AI+行业”角色：例如 AI 产品经理、AI 解决方案架构师、AI 顾问、AI 强化的市场营销专才、AI 辅助医护技术员等。

更关键的是，不少职位三年前几乎没有正式名称，例如“AI Trainer（AI 训练师）”、“Prompt Engineer（提示工程师）”、“AI Ethics Officer（AI 伦理主任）”等，今日已经成为实打实的招聘需求。这说明 AI 并非只是取代旧工种，而是在“发明”全新的工作。

“新领工种”时代：不只写程式的人有前途

很多香港人一听到 AI 工种，就自然联想到“一定要读 Computer Science、写 code 好劲”，否则无缘参与这波机会。事实上，最新的职位结构反而显示了另一种趋势：所谓“New Collar Jobs”（新领工种）正在崛起。

在多份行业报告的示例里，AI 带动的职位可以大致分成几个类型：

•⁠ ⁠AI 管治与伦理：AI Ethics Officer、AI Governance Lead、AI Policy Analyst 等，强调的是规管、政策和跨部门协调能力。

•⁠ ⁠AI 训练与评估：AI Trainer、Data Annotation Lead、AI 评估及红队专家，重视的是领域知识、语言理解及对风险的判断。

•⁠ ⁠业务整合与转型：AI 产品经理、AI 解决方案架构师、AI 顾问、AI Adoption Lead 等，要求的是商业洞察、项目管理和变革管理。

•⁠ ⁠AI+专业领域：例如 AI 法律分析师、AI HR 合伙人、AI 医疗辅助技术员、AI 驱动营销专家等，把传统专业与 AI 能力结合。

这些职位的共通点是：需要一定程度的技术素养，但更看重的是人类才有的能力，例如沟通、同理心、判断力、跨学科思维。对香港这个服务业主导的经济体来说，其实正好对应我们的优势——前提是愿意主动升级自己。

香港打工族应如何行动？从“被 AI 取代”到“善用 AI 放大自己”

AI 带来的最大风险，不是“AI 好强大”，而是“人停留在原地”。如果将 130 万个新职位视为一面镜子，我们可以为自己设计一条很具体的升级路线。

对前线／文职员工来说：

•⁠ ⁠把手上的日常流程，逐项用 AI 工具试一次，例如用生成式 AI 草拟电邮、会议摘要、简报大纲。

•⁠ ⁠尝试把自己定位为“AI 能力倍增的专才”，例如“AI 辅助行政主任”、“AI 强化客服专员”，主动提出以 AI 提升团队效率。

对中层管理者来说：

•⁠ ⁠与其问“AI 会唔会炒人”，不如问“我部门有几多工作其实可以用 AI 帮手，然后释放人手做更高价值任务？”。

•⁠ ⁠著手培养“AI Champion”角色，在团队中选出一两位同事专责研究与落地 AI 工具，逐步建立 AI 使用标准与最佳实践。

对企业领导层及创业者来说：

•⁠ ⁠思考“如果我依家创业，会如何设计一间‘原生 AI 公司’？”然后反向检视现有业务有哪些流程可以重构。

•⁠ ⁠正视 AI 治理与风险：包括数据私隐、偏见、合规性等，提早为公司建立 AI 政策与“Responsible AI”框架。

在这个过程里，每一个人不一定要变成工程师，但都需要成为懂得与 AI 合作的人。否则，即使不被“AI 取代”，也有可能被“懂得用 AI 的人”取代。

香港的机遇与隐忧：教育、政策与企业文化要同步升级

对香港而言，AI 创造的新工种既是机遇，也是压力测试。机遇在于：我们拥有国际金融中心的角色、成熟的专业服务行业，以及与内地 AI 生态对接的地理优势，完全有条件承接“AI+金融”、“AI+专业服务”等高价值职位。

压力则在于：

•⁠ ⁠如果教育与再培训系统仍然停留在“考试导向”，而非“能力导向”，很多人即使肯学，也未必学到对路的 AI 技能。

•⁠ ⁠如果企业文化仍然只看重工时长、服从指令，而不是创新与实验精神，员工很难有空间试错、摸索 AI 的最佳用法。

因此，政府与企业在谈“创科”、“智慧城市”时，不应只著眼于基建和硬件投资，更需要投入在三个“软”层面：

•⁠ ⁠大规模的在职 AI 素养培训，让不同年龄、不同阶层的打工族都能掌握实用 AI 技能。

•⁠ ⁠鼓励企业建立内部 AI 实验专案，让员工在可控风险下试用新工具，并将成功经验制度化。

•⁠ ⁠推动跨界别协作，例如金融与科技、医疗与 AI 创企合作，孵化更多“AI+行业”的新职位。

不要问“AI 会取代几多工”，先问“AI 帮我创造什么价值”

LinkedIn 的 130 万个新职位，是一个讯号：AI 正在重塑的是“工作内容”，而不只是“职位数量”。每一份工，迟早都会多一个“AI 版本”——AI 强化会计、AI 强化老师、AI 强化公关、AI 强化创作人。问题不在于 AI 会不会来，而是当 AI 来到，你希望自己仍然停留在旧版本，还是已经升级成“AI 放大版”的自己？

在这个“人机共事”的新时代，也许我们更应该学懂的，不是如何与 AI 竞争，而是如何设计一份 AI 抢不走、反而越用 AI 越值钱的工作。