34年，凌晨六點，一封信：AI時代的職場結構正在悄悄重組
前言
2026年4月2日，美國東部時間凌晨六點，一封公司群發的電子郵件送到了他的信箱。郵件說，他的職位取消了，今天是最後一個工作日。他在這家公司待了34年。
這家公司是甲骨文（Oracle），全球軟體巨頭，這一波裁員受影響人數估計高達三萬人，約佔全體員工的18%。那位員工在 LinkedIn 上公開了自己的錯愕，並懷疑這波裁員似乎有特定邏輯，優先瞄準的是那些年資深、薪水高的人。
上週我們談到TVBS 裁員名單之後：我們以為的「年資」，到底是保命符還是催命符？，談到年資與能力之間的落差，談到薪資與產出的結構性問題。這週，現實給了我們一個更直接的案例。甲骨文這件事讓我覺得，上週那篇談的是問題的根，這週想繼續往下挖：當 AI 開始接手工作，這個問題為什麼變得更緊迫、影響的是哪些人、以及組織到底能做什麼。
社會現象觀察：年資愈深，愈可能成為第一個被計算的對象
甲骨文這波裁員，有一個細節特別值得注意。那位服務了34年的資深員工在 LinkedIn 上提到，這次裁員看起來不像是依據績效，而是有某種邏輯在背後運作，優先處理的是高層個人貢獻者和中階管理人員，尤其是那些擁有大量股票期權的人。換句話說，待得愈久、薪水愈高的人，反而愈早出現在名單上。
這種事不只發生在矽谷。在台灣的職場裡，類似的劇情其實一直都有，只是我們不常把它說破。有一位長年外派海外的資深主管，距離退休門檻還有幾年。某次總裁專程到海外，約談了這位主管，談話過程中提出了許多針對性的言論。這位主管是個聰明人，他只淡淡回了一句：「我知道你的意思了。」隔天，他便提出辭呈，收拾行李回台灣。沒有爭執，沒有談判，因為他很清楚，那場對話的目的從來就不是在討論未來。
這兩個案例放在一起，說明的是同一件事：薪水高不是這些人的錯，那是他們多年付出換來的。但在組織面臨壓力、需要降低成本的時候，這個數字本身，往往就已經讓他們比別人更早被放進考量的範圍裡。
企業營運影響分析：AI 重組浪潮下，每一個人的成本與價值都會被重新計算
甲骨文這次裁員的背景，是為了把資源挪去建設 AI 基礎設施。根據報導，光是這波裁員預計就能釋放出 80 到 100 億美元的現金流，這些錢將用來支應資料中心的建設成本。這不是單一事件，同一時期，Meta 宣布裁員數百人、亞馬遜過去半年裁減約三萬人，背後都有一樣的邏輯：用人力成本換 AI 投資空間。
這個趨勢對台灣企業來說並不遙遠。鳩山總經理拿到集團總部的指令那天，把阿Ken叫進辦公室，只說了一句：「你先看看這個。」阿Ken看完沉默了一會兒，問：「總經理，這個比例是硬的嗎？」鳩山點點頭。「那我們得開一個會。」
那個會開得很沉。口口木副總第一個開口，他的角度很直接：「從財務結構來看，薪資最高的那一批人先處理，數字最快達標。」詩奈部長沒有馬上接話，她翻了翻手上的名單，語氣平穩但很清楚：「副總，我理解財務的考量。但我有幾個地方需要請大家一起確認。第一，依勞基法，這個規模的裁員涉及大量解僱，我們需要在執行前完成主管機關的核備作業，這個程序有法定時程，不能跳過。第二，名單上有幾位是這七八年才真正培養起來的，這個缺口短期內補不回來，這個代價需要納入考量。」
阪本廠長一直沒說話。他是那種在工廠待了二十幾年、話不多但說出來就是重點的人。等詩奈部長講完，他才開口：「我不反對裁員。但我要說清楚一件事，工廠的後勤不是辦公室的行政。那幾位資深員工，客訴的判斷、異常的處理、跨班的協調，那些東西不在任何一份 SOP 裡。用薪資原則裁，裁的不是人，是這二十年累積下來的現場記憶。」
會議室沉默了一段時間。這四個標準沒有一個是簡單的選擇，每一個背後都藏著不同的代價，而且代價因公司而異、因人而異。同樣的薪資原則，在某些組織裡或許剛好裁掉的是真正可以被取代的位置，在另一些組織裡卻可能正好把最難複製的人送走。沒有一個標準在所有情境下都對，也沒有一個標準在所有情境下都錯。
鳩山靠在椅背上，看著窗外，沒有說話。集團的指示他必須完成，這一點沒有討論的空間。但他很清楚，不論今天這個房間裡最後選了哪個方向，那個決定的重量最終還是會落在他身上。那些會因此離開的人，那些留下來卻帶著不安繼續工作的人，那些在客戶端還沒有得到解釋的人，每一個結果他都要去面對。這種會，開完之後不會有人覺得輕鬆，因為真正的困難不是找不到標準，而是每一個標準選下去，都有人要承擔一個不是自己造成的結果。
這場會議裡發生的事，其實是很多台灣企業在面對 AI 重組時會碰到的縮影。裁員標準只是第一個問題，但它牽動的遠不止於此。法規層面，大量解僱涉及主管機關的核備程序，有法定時程，不是組織想快就快。而且這不只是法規的問題，一家企業怎麼對待離開的人，會直接影響它在勞動市場上的雇主品牌（Employer Branding），這個信譽一旦受損，後面的招募和留才都會付出更高的代價。人才層面，薪資最高的人不一定是最可以被取代的人，裁員之後留下的缺口能不能補回來，是另一道沒有標準答案的題。對外，媒體和市場的解讀方式會直接影響品牌形象，說法要在執行前就想清楚，不能等消息自己流出去。對內，被影響的人和沒有被影響的人需要兩套不同的溝通邏輯，前者需要的是交代，後者需要的是安定。對客戶端，長期往來的關係如果因為窗口異動而出現空窗，客戶感受到的不是調整，而是被晾著。而且這一切還只是第一波，浪潮推過來，公司裡每個部門遲早都會受到波及，第一次怎麼處理，決定了後面每一波的信任基礎。
鳩山面臨的壓力其實並不罕見。很多組織在面對這類決策的時候，都是在幾個都不完美的標準之間掙扎，然後在壓力下選了一個說得出口的理由。接下來想從幾個管理研究的角度，看看這件事背後的結構邏輯，以及組織和個人可以從哪裡開始著手。這不是萬靈丹，但有研究支撐、也在真實組織裡可以操作的方向，值得認真看待。
管理策略與理論應用：三個實務建議的深層解析
（一）AI 導入後，組織結構會自然重組，這不是個案
Babina、Fedyk、He 與 Hodson（2023）以美國上市企業為樣本，追蹤企業 AI 投資與人力組成變化之間的關係。研究發現，企業投入 AI 之後，組織層級趨於扁平，中階管理與資深職位的比例明顯下降。這不是個別企業的選擇，而是有數據支撐的結構性趨勢。甲骨文的裁員、外派主管的遭遇，放在這個框架下來看，背後運作的是同一套邏輯。值得注意的是，這個趨勢不是某些人消失了，而是某些位置的功能被重新分配了，留下來的人需要承擔的，是不一樣的事。
- 每年為員工安排一次「工作內容重新定義」的正式對話。這件事在大多數組織裡沒有發生，因為主管沒有被要求去做，績效制度也沒有把它列入衡量，一個沒有誘因的建議永遠停在點頭之後。具體做法是把它納入主管的年度責任，主管與員工一起逐項列出目前負責的工作，哪些還在用、哪些可以交給工具或後輩，讓組織在調整之前就有依據，也讓員工提早看見需要更新的方向。
- 把「轉調」當成正式選項，而不是懲罰或安置。大多數組織的轉調流程設計得像最後手段，沒有銜接機制，接收部門也未必有意願配合。具體做法是設計有銜接期、有明確新職責說明、有三到六個月輔導機制的轉調流程，同時把接收部門的主管納入過程，而不是讓他們被動接受一個「被安置」的人，讓這些人的經驗留在組織裡，不跟著人一起走掉。
（二）後勤支援職位受到的衝擊，比很多人想像的更直接
Gmyrek、Berg 與 Bescond（2023）分析全球職位後發現，文書與後勤支援類工作受生成式 AI 衝擊最大，24% 的任務屬高度暴露（High Exposure），另有 58% 屬中度暴露。這裡有一點值得說清楚：暴露度高，不等於這些人就會被取代。暴露度衡量的是某項任務在技術上可以被 AI 處理的程度，但實際上會不會被取代，還取決於導入成本、組織意願、以及這個職位裡有多少是 AI 處理不了的隱性知識（Tacit Knowledge）。鳩山工廠裡的後勤人員，現場工程師、生管、物料、品保、倉管，正好落在這篇研究最關注的職位類型裡。阪本廠長說得很清楚：那些東西不在任何一份 SOP 裡。這才是問題的核心，不是這些人能不能被取代，而是組織有沒有認真想過，他們帶著什麼是機器替代不了的東西。
- 針對後勤支援職位，製作一份「任務清單」，逐條寫下每天在做的事，標記哪些是重複性操作、哪些需要現場判斷和人際溝通。這件事通常沒有發生，因為主管對員工的日常工作了解得比想像中少，而員工也不確定說清楚自己的工作是不是安全的。具體做法是主管提前做功課，主動帶著員工一起填，而不是在對話當天才第一次認真想這個問題，讓組織看見職位真正的價值所在，哪些部分可以導入工具、哪些部分應該強化。
- 用任務清單的結果設計培訓，不是買現成課程來上。找出員工做得好、還能往上發展的能力，例如品保人員進一步培養客訴分析或供應商稽核的能力。培訓跟實際工作掛鉤，員工才知道學的東西用在哪裡，而不是又一次為了打卡而上課。
- 把資深員工的異常處理經驗轉化成可以被記錄和傳遞的內容。品保或生管的價值不在於填表，而在於面對突發狀況時的判斷直覺，那是 AI 分析不出來的隱性知識。這件事沒有發生，通常是因為組織從來沒有認為這是一件值得做的事，直到這些人離開才意識到缺口有多大。具體做法是請資深員工把處理過的異常案例整理成文字，說明當時怎麼判斷、為什麼這樣處理、跨部門怎麼協調，主管一起參與整理，讓這些知識真正成為組織的資產。
（三）有沒有路可以走，取決於組織有沒有提前準備
Morandini、Fraboni、De Angelis、Puzzo、Giusino 與 Pietrantoni（2023）指出，AI 導入後員工所需技能快速改變，但光靠員工自己適應是不夠的。原因在於技能轉型的方向和速度，個別員工很難獨自判斷，他們看不到組織三年後要往哪走，也沒有能力評估哪些能力在未來有價值、哪些正在被淘汰。這是結構性的資訊不對稱，不是員工不夠努力。組織掌握策略方向，員工掌握現場能力，再培育需要兩者對接，才能真正有效。很多公司談轉型，但員工感受到的往往是壓力而不是方向，這中間的落差，通常是因為再培育從來沒有被認真設計過，只是在需要的時候臨時拼湊。
- 為每位員工建立一份簡單的能力現況表，只需要兩欄：現在做得好的事、以及這件事在未來三年還會不會被需要。這件事沒有發生，通常是因為主管自己也不清楚部門三年後要往哪走，這個問題不解決，任何培訓計畫都只是猜測。具體做法是主管提前思考部門的未來方向，再帶著這個判斷和員工坐下來對話，讓再培育從每個人真實的現況出發，而不是從一份通用的能力框架出發。
- 指定部門內的資深同事擔任非正式的學習陪伴角色，在導入新工具或新流程時負責示範和解答。這個角色通常名存實亡，因為組織只是口頭說說，沒有在工作安排上給予實際的時間支持，讓這個人在正職之外再扛這個責任。具體做法是主管公開認可這個角色，並在排班和工作分配上為他留出時間，讓再培育發生在真實的工作情境裡，學習效果更直接，員工之間的信任感也會因此加深。
結論
上週我們談到年資不等於能力，談到薪資與產出之間的落差，以及企業需要主動面對知識傳承與再培育的課題。這週甲骨文給了我們一個更直接的現實：這些問題在 AI 導入之後，不再只是管理風格的選擇題，而是有時間壓力的結構性課題。
兩篇放在一起，其實是同一件事情被看見的過程。從年資與產出的落差，到這個落差在 AI 時代會直接影響組織的人力決策。從知道要做再培育，到搞清楚哪些職位最迫切、組織又該怎麼主動出手。每一步都不是全新的問題，而是上一個問題被看得更清楚之後，自然延伸出來的下一個問題。
對員工來說，這不是一個叫人焦慮的訊號，而是一個可以提前準備的方向。對企業來說，現在能做的事很具體：把工作內容盤點清楚、把轉型路徑設計出來、把那些藏在老員工腦子裡的現場知識記錄下來。這些事不需要等到下一波裁員才開始想。年資本身沒有錯，經驗本身也沒有錯，真正的問題只有一個：這些年累積下來的東西，有沒有找到一個可以繼續發光的方式。如果讀到這裡，你心裡已經有一個卡住的地方，歡迎來找我們談談。微型顧問，從你的狀況開始。
參考文獻
Babina, T., Fedyk, A., He, A. X., & Hodson, J. (2023). Firm investments in artificial intelligence technologies and changes in workforce composition (NBER Working Paper No. 31325). National Bureau of Economic Research. https://www.nber.org/system/files/working_papers/w31325/w31325.pdf
Gmyrek, P., Berg, J., & Bescond, D. (2023). Generative AI and jobs: A global analysis of potential effects on job quantity and quality (ILO Working Paper No. 96). International Labour Organization. https://doi.org/10.54394/FHEM8239
Morandini, S., Fraboni, F., De Angelis, M., Puzzo, G., Giusino, D., & Pietrantoni, L. (2023). The impact of artificial intelligence on workers’ skills: Upskilling and reskilling in organisations. Informing Science: The International Journal of an Emerging Transdiscipline, 26, 39–68. https://doi.org/10.28945/5078
🎙️ 本文 Podcast 版｜大叔師享談
