AI 招聘大反轉：企業繞了一圈，回頭重視「這個人到底會什麼」

Digital Journal 的一篇分析指出，對許多企業而言，AI 導入的下一階段將把重心放在「理解人」而非「取代人」，技能情報（skills intelligence）——也就是系統性地掌握組織內部有哪些能力、缺哪些能力——成為關注焦點。

這是一個值得注意的轉向，而它的邏輯並不難理解。

**第一波 AI 導入的主要問句是「哪些工作可以自動化」。** 這個問句的隱含假設是工作可以被拆解成任務，而任務可以被逐項替換。實際執行後多數組織發現，能被乾淨替換的任務比預期少，而真正的瓶頸出現在銜接處——誰來判斷 AI 的輸出對不對、誰來處理例外、誰來承擔責任。

**於是問句改變了：不是「哪些人可以被取代」，而是「我們現在到底有哪些能力」。** 這是一個更基本、也更難回答的問題。多數組織其實不清楚自己員工會什麼，因為履歷上的職稱與學歷無法反映實際能力，而年度考核衡量的是績效而非技能。

這個轉向對教育端有直接影響，而影響的核心是**證明能力的方式**。

**傳統的能力證明是資格導向的**：學位、證照、修課紀錄。它的優點是標準化、可比較、成本低。它的弱點是與實際能力的相關性正在下降——尤其在變化快速的領域，一張三年前的證書說明不了現在的能力。

**技能情報的邏輯則是證據導向的**：你做過什麼、產出是什麼、在什麼情境下做的。它更準確，但也更難標準化、更難跨組織比較。

如果企業端真的往這個方向走，學校端會面臨一個實際問題：**畢業生手上的東西，是哪一類？** 一份成績單屬於前者。一個做過的專案、一段可展示的作品、一次真實情境的問題解決紀錄，屬於後者。

這也連結到前幾天提到的趨勢——部分產業已開始要求 AI 應用能力的具體佐證，而非課程完訓證明。兩件事指向同一個方向。

不過有一點需要保留：**「技能盤點」在企業內部也可能只是換一種形式的官僚作業。** 若它變成要求員工填寫技能自評表，資料品質會很低。它要有意義，必須建立在實際產出的觀察上，而那成本很高。所以這個趨勢會走多遠，取決於企業願不願意付這個成本。

業界分析人士指出，以技能為單位的人才盤點在概念上優於以職務為單位，但實施難度顯著較高，多數組織的落地程度與宣稱有落差。

對台灣而言，這則消息提供的提問是給教育端的：我們的學生離開學校時，除了成績單與畢業證書之外，手上還有什麼可以拿出來說明自己會什麼？如果答案是「沒有」，那麼在能力證明方式轉變的過程中，他們會處於劣勢。