每次企業談 AI，最容易先跳到一個很粗的問題：所以哪些人會被取代？
我一直覺得，這個問題問得太快了。不是因為人力成本不重要，而是它直接跳過了真正該先做的功課。企業真正要先切的，不是 headcount，而是工作內容本身。到底哪些事情本來就不應該再由人重複消耗，哪些事情反而因為 AI 出現，必須更明確地留給人來判斷、來溝通、來承擔。
這件事如果沒有先想清楚，AI 最後通常只會變成兩種東西。不是一個很昂貴的 demo，就是一場只剩裁員焦慮的成本專案。前者沒有真的進營運，後者沒有真的把能力做出來。
一個職位裡，通常混著三種完全不同的工作
我不太喜歡直接問哪個角色會不會消失。我比較常做的，是把一個角色拆開來看。
很多職位表面上是一個名稱，實際上裡面混著三種完全不同性質的工作：
- 重複整理、搬運、比對與生成
- 例外判讀、風險辨識與情境取捨
- 對內外利害關係人的溝通、說服與承擔
AI 最擅長的，通常是第一種。它可以幫忙搜尋、摘要、歸納、產出初稿、整理重點、提示下一步。這些事情如果仍然大量依賴人工，本來就不合理。
但後兩種不一樣。尤其在金融業，真正值錢的不是把資料湊齊，而是看完資料之後，誰有能力做出可被信任的判斷，並在風險真的發生時願意負責。
所以我對 AI 的看法一直很明確：它不是先來決定誰要消失，而是先逼企業重新回答，什麼工作值得留下給人。
在金融業，真正該保留給人的常常不是流程，而是責任
金融業很多工作表面上看起來流程化，實際上卻帶著高度責任。這也是很多非金融背景的人最容易低估的地方。
例如投資建議、授信判斷、客訴處理、高資產客戶溝通、重大例外事件決策。這些流程當然可以讓 AI 幫忙整理資料、標記異常、生成候選答案，甚至先幫你把 80% 的準備工作做完。但最後真正讓客戶安心、讓風險被承擔、讓決策被說服的，仍然是人。
客戶真正在意的，從來不是你後面接的是哪一個模型。他真正會問的是：如果今天這個建議出了問題，誰來跟我解釋？誰來負責？
這就是我一直說的，金融業 AI 導入最後會碰到的，不是單純的技術限制，而是信任結構。只要信任結構還在，人就不會從流程裡完全消失，而是會被推向更高價值、更高責任的位置。
所以成熟的 AI 導入，不是替代整個角色，而是重寫分工
我比較相信的路徑，不是直接用 AI 替代一整個角色，而是先把角色拆開，再重新設計分工。
例如：
- 讓系統先做資料蒐整、摘要、提醒與標記
- 讓前線把時間放回客戶需求理解與方案溝通
- 讓管理者更早看見例外、風險與資源配置問題
- 讓組織把判斷責任留在該承擔的人身上
這樣的導入方式看起來沒有「一口氣取代多少人」那麼刺激，但它其實更接近企業真正需要的東西。因為它處理的是能力配置，不是帳面上的短期興奮。
如果只把 AI 看成裁員工具，最後常常會失去更大的價值
很多公司把 AI 對應到成本，這個思路我能理解，但它太短。
一家企業真正想要的，不該只是人力少一點，而應該是：
- 決策前置準備是不是更快
- 前線有沒有把時間拿回客戶
- 例外事件是不是更早被看見
- 組織的學習速度有沒有變快
- 管理層能不能更快看到真正值得處理的問題
如果 AI 上線之後，只換來 headcount 壓力，卻沒有讓這些事情變好，那你做的就不是 AI 轉型，而只是一個比較時髦的降本專案。
更麻煩的是，當組織長期用「可不可以少人」去理解 AI，前線就會自然地把 AI 當成威脅，而不是助力。這種氛圍一旦形成，很多本來可以讓人做得更好的工具，反而最先被排斥。
我更相信的路徑，是把 AI 當成能力放大器
好的 AI 導入，會讓優秀的人更有時間做優秀的事。
它會讓 RM 少掉找資料、整理紀錄、追流程的時間，多出準備客戶策略與關係經營的空間。會讓營運少掉重複核對的負擔，多出處理例外與優化流程的注意力。也會讓管理者少掉追報表的消耗，把時間放回制度設計、風險判斷與資源配置。
這條路比「少掉多少人」來得慢，也比較不適合拿來做誇張的內部宣傳，但它更接近長期商業價值。因為它不是把組織切薄，而是把組織的判斷力往更高價值的位置推。
如果真的要問 AI 會不會取代人，我的答案會是這樣
AI 當然會取代一部分工作，這件事沒有必要假裝不會發生。但真正被取代的，通常不是「人」本身，而是那些本來就不值得由人長期消耗的工作內容。
反過來說，那些需要情境理解、信任承擔、例外判斷、跨角色說服的工作，反而會因為 AI 的加入，變得更加凸顯人類價值。
所以如果你問我 AI 到底是不是裁員劇本，我的答案很直接：不是。
它真正逼企業做的，是重新劃分人與系統的工作邊界。誰負責速度，誰負責責任，誰負責信任，誰負責最後那個不能出錯的判斷。這些問題如果答對了，AI 才會變成能力；答錯了，它就只會變成另一種組織焦慮。