讓 AI 接手初級工作，今年就能節省人手開支。真正棘手的問題在於：到了 2032 年，當年本應透過這些工作學會本領的人從未被聘請，那時由誰來接管你的部門？
這是香港不少營運總監、人力資源總監和業務主管正在面對的兩難。AI 帶來的效率提升是真實的，組織架構底層被掏空的風險同樣真實。本文整理最新數據，說明這個問題為何關乎領導層接班，並提供一個四步框架，讓你圍繞 AI 重建初級職涯路徑，而不是簡單地把它刪除。
什麼是「AI 初級職位缺口」？
AI 初級職位缺口，是指 AI 工具接手畢業生過去賴以學習的例行工作後，入門職位佔比持續收縮的現象。企業總人數未必減少，但結構偏向資深員工，能夠成長為未來經理和專才的人愈來愈少，人才梯隊的底部因此變薄。
這與裁員不同。大多數企業並沒有解僱任何人，只是第二個分析員的招聘申請一直沒有獲批，因為一名配備 AI 助手的分析員，已能完成過去兩人的工作量。
在單一團隊層面，這是合理的決定。然而當每個團隊連續三、四年都這樣做，整個組織的形狀便會改變。
Anthropic 的內部數據揭示了什麼？
Anthropic 於 2026 年 10 月發表的員工報告顯示，自 2025 年初起，新聘技術人員中初級員工的比例由 27% 降至 9%，技術部門整體初級員工佔比亦由 21% 降至 14%。由於招聘總量仍在增長，變化在於結構而非人數。
根據 TechCrunch 對該報告的報道，Anthropic 形容自己的工作流程已「全面圍繞 AI 重塑」。因此它更像是一個先行指標，而非典型僱主。
報告中另有三項發現值得企業領袖留意：
--- 在 2026 年 4 月的內部調查中，20% 員工表示自己的工作已由「實際動手做事」轉為「管理多個 Claude」。
--- 每名員工的會議時間按年增加 20%，公司將此歸因於人與人之間的信任和問責仍然不可或缺。
--- 報告指出，人的注意力和判斷力正成為生產力瓶頸，因為 AI 產出的內容遠多於人能審閱的數量。
Anthropic 亦坦言這只是單一公司的個案。但就 AI 高度普及的職場會如何影響初級層而言，這是目前最清晰的一幅圖像。
香港是否已出現入門職位收窄的情況？
已經出現。香港科技大學 2026 年的研究發現，香港新加入勞動市場的人當中，52.1% 屬相對初級，但只有 19% 的 AI 相關職位空缺以初級人才為對象。特區政府其後亦提出四步 AI 人才階梯，以應對入門職位受到的衝擊。
科大商業及社會分析中心認為，問題的本質是錯配而非短缺：僱主想要有經驗的 AI 人才，每年進入市場的卻大多是初級人員。
國際研究亦指向同一方向。史丹福大學 Brynjolfsson 等學者的研究估計，在 AI 影響最大的職業中，22 至 25 歲員工的就業人數相對下跌 13%，而同一職業的年長員工則大致持平。
對香港企業而言，含義很直接：同業正在作出與你相同的招聘決定，因此市場不會默默替你培養出一批中層人才，等你日後招攬。
為什麼削減初級職位會構成領導層風險？
削減初級職位之所以構成領導層風險，是因為判斷力正是在初級工作中練成的。經理能一眼看出數字出錯、條款有漏洞或客戶不滿，靠的是數以百次的親手操作。這些練習一旦消失，五至七年後，可接任主管職位的人選便會明顯不足。
試想一名物流公司營運經理是怎樣培養出來的。他最初並沒有判斷力，而是在安排路線、核對單據、被上司糾正、再重新安排的過程中逐步建立起來。
如今 AI 能完成大部分初稿，而且質素往往足夠。問題是，本應製作這份初稿、並從修改中學習的那個人，已經不在團隊之中。
另一個較隱蔽的風險是：資深員工愈來愈多時間用於審閱 AI 產出，而審閱得好，恰恰需要初級員工過去所累積的專業。如果無人再累積這些能力，審閱質素最終也會下滑。
因此，初級職位缺口是董事會層面的接班議題，而不只是人力資源部的預算項目。
企業應怎樣為 AI 時代重新設計入門工作？
企業可以透過四個步驟重新設計入門工作：圍繞審核和調度 AI 重新定義初級職位、保留不用 AI 的刻意練習、把監督 AI 代理變成可分級的能力，以及在生產力指標以外同時追蹤人才梯隊。這樣既保留效率成果，也保住從畢業生到領袖的晉升路徑。
第一步：重新定義初級職位
不要再為 AI 已能完成的任務撰寫職位描述，而應為餘下的工作撰寫：核對 AI 產出與原始數據、處理例外情況、與客戶溝通，以及上報需要判斷的事項。初級員工由「第一道打字工序」變成「第一道品質關卡」。
第二步：保留刻意練習
機師在依賴自動駕駛之前，必須先在模擬器上練習。初級員工也需要同樣的訓練：定期在不使用 AI 的情況下完成一項任務，然後與 AI 版本比較並討論差異，從而建立日後審閱所需的思維框架。
第三步：把監督 AI 變成分級能力
既然在 AI 先行的企業中，有五分之一員工形容自己的工作是管理 AI，那麼監督 AI 就是一項職能。你可以定義三個級別：操作單一助手、調度多個代理完成一條流程，以及為代理的決定承擔責任，並把晉升標準與之掛鈎。
第四步：同時衡量人才梯隊
生產力儀表板永遠會傾向減少初級人手。加入能反映長期成本的指標，讓管理層和董事會清楚看見其中的取捨。
一家香港物流企業可以怎樣落實？
以一家 400 人的香港物流公司為例，落實框架可能意味着每年只聘請三名而非八名畢業生，但讓每人輪調 AI 輔助排程、客戶服務和異常處理三個崗位，每月進行一次不用 AI 的練習，並由指定導師負責培養其判斷力。
假設這家公司過去每年聘請八名畢業生負責編排配送路線和處理延誤通知，而 AI 現在幾分鐘內便能完成路線初稿。
只看成本的做法是一個也不聘。重視人才梯隊的做法則是：
--- 聘請三名畢業生，各自負責審核某一區域的 AI 排程結果。
--- 每月由畢業生親手編排一次路線，再與 AI 方案對比，並與資深調度員討論差異。
--- 到第九個月，轉往處理客戶投訴和供應商協調，培養 AI 無法提供的溝通能力。
--- 按監督能力分級追蹤進度，公司在第二年便清楚誰能獨立負責一條 AI 流程。
公司仍然取得大部分效率成果，卻避免了五年後才發現，沒有任何內部人選能接管調度中心。
AI 接手初級工作時，企業最常犯哪些錯誤？
最常見的錯誤有四個：把每個懸空的初級職位都視為純粹節省，假設日後總能從外面聘請資深人才，讓初級員工使用 AI 卻不理解底層工作，以及把決定分散在各部門預算之中，令無人看見對整個組織的累積影響。
只計算今年的節省。凍結一個畢業生職位，今年省下薪金；成本則在日後以外聘溢價和接班延誤的形式出現。
假設市場會提供中層人才。如果每個僱主都削減初級招聘，2030 年的資深人才庫對所有人來說都會縮小，招聘成本恰恰在你最需要的時候上升。
只有 AI，沒有師徒制。只負責修改 AI 初稿的畢業生，可能永遠不明白初稿錯在哪裡，直到遇上特殊個案才暴露問題。
決定過於分散。每位部門主管都在作出合理的局部決定，只有營運總監或人力資源總監能看見組織已不再培養自己的領袖。
哪些指標能反映人才梯隊是否健康？
五項指標能讓管理層看清全局：初級員工佔總人數的比例、新人達至獨立工作所需時間、主管職位的內部晉升率、AI 產出量與合資格審閱人員的比例，以及關鍵職位擁有內部接班人的覆蓋率。建議每季與 AI 生產力數據一併檢視。
--- 初級員工佔比：按職能追蹤趨勢，而不只看總數。
--- 獨立工作時間：新人能夠獨立負責一條流程（包括其中的 AI 部分）所需月數。
--- 內部晉升率：主管空缺由內部填補的百分比。
--- 審閱容量比：每名合資格審閱人員所處理的 AI 產出量，比例上升是品質風險的早期警號。
--- 接班覆蓋率：關鍵職位中，兩年內有內部人選可接任的比例。
當代理承擔的工作愈多，誰為其決定負責也愈重要，可參閱我們的AI 代理問責框架。
結論：重建第一級階梯，而不是拆掉它
AI 會繼續接手入門工作，但這不是停止聘請初級員工的理由，而是要為他們安排不同工作的理由。現在就重新設計職涯第一級階梯的企業，五年後會擁有所需的經理、審閱人員和 AI 監督者；直接拆掉這一級的企業，日後只能以高昂代價重新購買這些能力。
這個決定必須由領導層作出，因為沒有任何單一部門預算能反映它的全部成本。科技應該成就人，而不是取代人的成長。懂AI的冷，更懂你的難。UD 同行28年，讓科技成為有溫度的陪伴。
由 UD 企業 AI 團隊審閱。資料於 2026 年 10 月 22 日核對：Anthropic 員工報告（經 TechCrunch，2026 年 10 月 17 日）、科大商業及社會分析中心（2026 年）、史丹福大學數碼經濟實驗室（2025 年 8 月）。
推動 AI 轉型，同時守住未來領袖
了解了框架，下一步是找出哪些職位應由 AI 支援、哪些能力必須繼續由人培養。UD 團隊手把手帶你完成每一步，從 AI 準備度評估、流程重新設計，到部署上線與成效追蹤，28 年企業服務經驗，全程陪你走。