公司正要求員工使用 AI 模型來「提取」這些隱性知識，但員工清楚地知道自己正在訓練可能取代自己的系統；Anthropic 首席經濟學家指出這根本不是技術問題，而是組織問題。
（前情提要：越認真工作越快被 AI 吃掉？「同事.skill」揭開知識蒸餾的殘忍真相）
（背景補充：每 4 個白領就有 1 個中年卡關：AI 加速重寫職涯規則）
公公司的伺服器裡存著財報、合約、客戶資料。但最值錢的那部分：「這個客戶最怕聽什麼」「這個流程為什麼得繞開第三步」「那個決策當年為什麼做錯了」，沒有人寫進任何系統。它住在老員工的腦子裡，靠口耳相傳、靠摸索失敗傳下去。
企業界把這叫做「隱性知識」。AI 時代最大的資料採集任務，不是爬更多網頁，而是把這些知識從人類大腦裡挖出來。但問題是，員工很清楚自己正在幹什麼。
先承認有「自然的人類抵抗」
晶片設計公司 Synopsys 的 AI 與機器學習副總裁 Thomas Andersen，上週在 Bloomberg 主辦的論壇上說得很直白：「大量真正的專家知識，當然是住在某個人的大腦裡，我必須先把它提取出來。」
提取、下載、採礦，企業主管用的這些語言，選詞本身就說明瞭問題的本質：他們把員工的腦子視為一個資料庫，而 AI 是讀取工具。
這套邏輯並不新鮮。歷史上每一次工業化，都有類似的過程：泰勒主義把工人的動作分解成標準程式，拍成影片讓新人模仿。福特流水線把師傅的手藝拆解進機器。這一次的差別是，被分解的不是手藝，而是判斷力。
Andersen 坦承，員工面對這件事確實有「自然的人類抵抗」。連推動這套系統的人，都不得不承認員工的疑慮是「自然的」。
增強還是取代：公司說前者，經濟學家說後者
企業的標準說辭是「增強」，不是「取代」。Walmart 的 AI 推廣檔案明確使用「對員工的投資」這個框架。Amazon 創辦人貝佐斯和微軟執行長納德拉都公開表態說：AI 會「賦能」工人。
但經濟學家的觀察是：軟體開發商和僱用它們的企業，歷史上的選擇傾向是「自動化」而非「增強」，因為自動化可以降低勞動成本。
德州農工大學梅斯商學院管理學教授 Matthew Call 的建議直截了當：員工應該用個人 AI 工具，而非公司模型；涉及自身知識被如何採集和使用，應該考慮集體談判。
美國聯邦參議員 Bernie Sanders 的版本更激進：建立主權財富基金，讓 AI 的收益，他形容 AI 是「建立在人類集體知識之上」的東西，惠及公眾，而非僅僅流向科技公司股東。
市場已經在分裂：AI 技能職位成長近 8 倍
PwC 分析了 27 個國家、逾 10 億個職缺的資料，結論是：2025 年，需要特定 AI 技能的職位，成長速度是整體就業市場的近 8 倍。薪資成長幅度也更高。
但細看結構，差異很關鍵。成長最快、薪資最高的，不是「會操作 AI」的職位，而是「用 AI 放大人類判斷力」的職位。純自動化職位，也就是 AI 直接取代人工輸出的職位，成長較慢，薪資優勢也較低。
PwC 的資料還顯示，用 AI 強化人類專業的公司，比只用 AI 削減人力成本的公司，獲得了更高的生產力和成長回報。
這個結論對員工有一個實際意義：你腦子裡最值錢的，不是「知道怎麼做」，而是「知道為什麼這樣做」。前者可以被提取、被訓練、被標準化。後者，至少目前為止，還沒有一個 AI 系統真的學會了。
