今年三月，台南有個做印刷包裝的老闆傳訊給我。說他準備貼一則招募，三個職缺：客服一個、報價專員一個、倉管助理一個。但在他按下發佈之前，他想先問我一件事：「這三個我還要請人嗎？」
我說，你先告訴我，這三個人每天在做什麼。
他發了一串語音，說了大概十五分鐘。
聽完之後，我告訴他：報價專員那個先等一下。
這不是說那個位置不重要。而是，他描述的報價流程，大概有七成是重複動作——查上次這個客戶的規格、看料件成本、套進固定公式、發 PDF。這件事，現在的 AI 工具已經能做得很好，不見得需要再養一個人每天處理。
但另外兩個，我說他得請。
---
中小企業主最近問這個問題的愈來愈多，我也聽到過好幾個版本：「我這個產業是不是不需要這麼多人了？」「AI 出來以後，哪些職位還安全？」「我現在請人，五年後會不會都白費了？」
這些問題都合理，但問的方向有點歪。
真正應該問的不是「哪些職位會消失」，而是：「這個職位的核心任務是什麼，那個任務需要人類判斷嗎？」
問題換個框架，答案就不一樣了。
什麼工作 AI 已經能做了
我在陪企業 AI 導入的過程中，看到幾類工作是真的在快速被工具吃掉的：
第一類，資料整理和格式轉換。這幾乎是所有公司都有的事：把客戶的訂單從 Excel 轉成系統格式、把倉庫盤點的結果做成報表、把業務日報彙整成週報。這些，不管是用 Claude Code、Codex，還是 n8n 做自動化，都可以大量取代人工。
第二類，標準化的客戶溝通。如果你的客服大多在回答「我的貨什麼時候到」「這個規格能不能換」這種查詢，而且答案大致上都能從系統裡找到，這件事也已經很成熟可以自動化了。企業 AI 導入做得早的公司，這塊往往是第一個動的。
第三類，文件草稿和初版報告。業務提案的初稿、採購詢價的郵件、年度總結的第一版——這些 AI 寫得很快，雖然還需要人確認，但一個人能處理的量是以前的三到五倍。
我說「取代」，不是說馬上所有人都沒工作了。而是說，一個人做這些事的效率，已經和有沒有 AI 輔助差非常多。現在不用工具的公司，人力成本就在慢慢高出去，半年後就很清楚了。
那哪些工作還需要人？
說直接一點：需要做判斷的工作，還是需要人。
什麼叫做判斷？就是面對同樣的資訊，不同的人可能會選不同的做法，而且「哪個做法對」這件事沒有標準答案，要靠經驗和脈絡。
幾個例子。
客戶關係，尤其是老客戶。台灣中小企業很多生意靠的是長期累積的信任，不是產品規格。這種關係，AI 撐不起來。去年有個做精密零件的客戶，他跟下游廠商合作十幾年，很多事情「心知肚明不用說清楚」。這種東西沒辦法寫成資料庫，也沒辦法訓練模型。
現場管理和物理判斷。有些工廠的品管，不是看數字，是看料件的顏色、手感、有沒有異味。生產現場突然有個異音，老師傅走過去聽一下就知道是哪台機器有問題。AI 代替不了這個。
需要負責的決定。報價可以 AI 算，但最後簽出去的數字誰負責？遇到客訴要怎麼處理誰來決定？這種「簽了就要承擔後果」的位置，還是需要人坐在那裡。
有一件事我觀察到：很多老闆在招募時，還是用「以前的需求」在考量。去年三個人做的事，今年 AI 幫你做了一半，可能只需要一個人，或者一個更會用工具的人。但沒有把這件事想清楚，就照舊請三個，反而多了人事成本，效率也沒提升多少。
用易經的邏輯問這個問題，其實在問什麼
我有個習慣，在幫企業主想人員配置的問題之前，我會先問自己：「這個職位的問題，到底是什麼問題？」
這個習慣來自易經卦牌的訓練。
易經不算命，它是一套問問題的框架。占一卦之前，你要先把問題想清楚到「可以問出口」的程度——而這個過程，本身就已經解掉了一半的問題。
「我要不要請人」這個問題太模糊了。問清楚了，變成：「這個位置每週有幾小時的決策性工作，幾小時是可以自動化的？」這兩個數字出來之後，答案通常就很清楚了。
台南那個老闆，說完之後我幫他估了一下。報價專員一週大概三四十小時的工作，真正需要人判斷的——「這個客戶要不要報，條件怎麼談」——大概不到五小時。剩下的都是查資料和格式轉換。
他自己就知道怎麼辦了。
---
我沒法告訴你五年後中小企業會剩下幾個員工。這個答案，各產業差距太大，而且還要看老闆自己怎麼用工具、怎麼設計流程。
但確定的是：以後每個留下來的位置，都要能回答那個問題——「這件事如果讓 AI 做，哪個環節它做不好？」能說清楚這個，這個位置就還在。說不清楚的，早晚要被整合掉。
那個台南老闆，半年後傳訊告訴我：客服和倉管請了，報價做了自動化，一個人管三條報價線，速度比以前快。省下的預算，他用去請了一個懂客戶關係的業務。
他說，感覺用對了。