如果你是大三、大四，或是剛畢業正在找工作，小編先跟你說一個壞消息和一個好消息。

壞消息: 你面對的就業市場確實比學長姐那時候更競爭了。好消息: 搞清楚遊戲規則改了什麼，你反而有機會跑在前面。

小編最近在整理 2026 年最新的就業數據和產業報告，發現很多資訊對正在找工作（或即將找工作）的大學生來說蠻關鍵的，但多數人可能還沒意識到。以下整理六個務實的建議。

先看清楚: 就業市場到底變了什麼?

幾個數字讓你有感:

  • 美國入門級職位招聘自 2023 年 1 月以來銳減 35%（Revelio Labs 數據）
  • 2025 屆畢業生只有 30% 找到專業相關的全職工作，前一年還有 41%（Cengage Group 報告）
  • 香港 2025 年 IT 和工程畢業生的全職崗位出現斷崖式下跌（JIJIS 數據）
  • 雇主已宣布削減 110 萬個職位，年增 65%，科技業因 AI 整合裁員最多

但這裡有個重要的前提: 不能全怪 AI。SignalFire 的人才報告分析得蠻到位——2020-2022 年低利率帶來的「免費資金狂潮」結束後，企業本來就在縮編。AI 確實取代了一些例行性任務，但更大的推動力是總體經濟環境。

真正需要注意的是結構性的變化。PwC 2026 年的勞動力報告提出「沙漏型職場」的概念: 高階決策者穩穩的，現場動手型工作也有韌性，但中間那層標準化的知識工作正在被大幅壓縮。文件審查、財務分析、合規檢查、行銷優化這些「重複性認知任務」首當其衝。

建議一: 用 AI 做出 120 分，不是省時間做 80 分

這是最核心的一個觀念轉換。

香港科大教授陳銳斌講得很直接: 「花 5 分鐘用 AI 做出 80 分的作品，很容易就被取代。實際上是要學懂怎麼用 AI 做出 120 分的成果。」

差別在哪? 用 AI 偷懶的人，把 AI 當成「少做一點事」的工具。用 AI 增強自己的人，把 AI 當成「做到以前做不到的事」的工具。

舉個例子: 同樣是寫一份市場分析報告，偷懶的做法是直接丟給 ChatGPT 生一份交差。增強的做法是用 AI 幫你快速掃過大量資料、找出你沒想到的切角、挑戰你的假設，然後你用自己的判斷寫出一份有獨到見解的報告。前者面試官一眼看穿，後者讓你脫穎而出。

建議二: 搞懂 AI，不只是「會用」

Gallup 2026 年 4 月的調查揭示了一個有趣的轉變: 雇主不再只看「你會不會用 AI」，而是評估你對 AI 在決策、偏見、可靠性中角色的理解深度。

招聘標準正在從「tech-savvy」轉向「AI-critical」——不只是會操作工具，而是知道什麼時候該信任 AI、什麼時候不該、AI 的輸出可能有什麼偏差、怎麼驗證結果。

這其實是好消息。因為大多數人還停留在「會不會用」的層次，你只要比這多想一層，就已經領先了。

建議三: 一定要學程式，即使你不當工程師

Andrew Ng 說得很清楚: 理解電腦怎麼運作，讓你能更精確地指揮 AI。這不是「會用 ChatGPT」就算數的——懂一點程式邏輯，你就能理解 AI 的能力邊界在哪、怎麼拆解問題讓 AI 幫你做得更好、甚至自己動手寫一些自動化腳本。

Anthropic 的報告也指出，2026 年「Agentic Engineering」的瓶頸已經從「寫程式碼」轉移到「系統編排」——工程師的角色從寫每一行 code 變成設計架構、監督 AI Agent、做高階決策。這代表「理解系統怎麼運作」的能力比「會寫特定語言」更重要。

ihower 常說的一個比喻蠻好的: 程式設計當成學外語就好。你不用念外文系也可以學英文，重點是拿來用在你的專業領域。一個懂程式的行銷人、一個會寫腳本的金融分析師，在 AI 時代的競爭力會比純文組同事高出一大截。

建議四: 培養 AI 取代不了的能力

AI 暴露度高的職業，技能要求的變化速度快了 66%（PwC 數據）。這意味著你現在學的「硬技能」的保鮮期越來越短。那什麼能力保鮮期比較長?

🔹 問題定義: AI 很會解題，但不會自己發現值得解的問題。能看到別人沒看到的問題、把模糊的需求轉化成清晰的定義，這個能力越來越值錢

🔹 跨域整合: 最有價值的創新幾乎都發生在領域的交叉點。「懂某領域 + 會用 AI」的人，比「只懂 AI」的人有用得多

🔹 現場判斷: 在資訊不完整、沒有標準答案、需要權衡利弊的情境下做決定。這正是 AI 最弱的地方

🔹 品味: 知道什麼是好的、什麼值得做、什麼方向有長期價值。AI 可以生出一百個方案，但選出最好的那個，還是得靠人

編按: Anthropic 的報告裡有一句話蠻值得記住的——開發者在 60% 的工作中使用 AI，但能「完全委託」的只有 0-20%。AI 是持續的協作者，但有效使用需要精心設定、主動監督和人類判斷。這個比例短期內不會有劇烈變化。

建議五: 實戰經驗 > 學歷

AI 輔助型工作要求學位的比例正在下降: 從 2019 年的 66% 降到 2024 年的 59%（PwC 數據）。近 70% 的雇主已經採用技能導向的招聘方式。

這代表「你做過什麼」正在快速超越「你念什麼」的重要性。

實習、Side project、開源貢獻、自己動手做的作品集——這些在面試時的說服力，已經遠大於成績單上的 GPA。特別是如果你能展示「我用 AI 做了某個專案」的實際成果，那基本上就是在告訴面試官: 我不只會用工具，我知道怎麼用工具解決真實問題。

台大 2026 年校園徵才博覽會的主題就是「未來人才進行式——AI 領航 × 職涯無界 × 創新無限」，現場學生反映最明確的趨勢: 跨領域背景、AI 實作經驗、國際視野，這三個是企業最看重的。

建議六: 擁抱 AI 作為協作者

最後一點，也是心態上最重要的。

AI 不是來取代你的。但它會取代「不用 AI 的你」。

Anthropic 報告裡的數據很清楚: 60% 的工作會用到 AI，但只有 0-20% 可以完全委託。這代表未來的工作模式是「人 + AI」，不是「人 vs AI」。你的判斷力、你的監督能力、你設定方向的能力——這些不但不會消失，反而會因為 AI 的存在而更值錢。

Greg Brockman（OpenAI 共同創辦人）在 2026 年 2 月說: OpenAI 內部最好的工程師，自 2025 年 12 月起工作方式已經根本性改變。以前 AI 只能幫忙寫測試，現在它寫幾乎所有的程式碼還幫忙除錯。但工程師沒有被取代——他們的工作從「寫 code」變成「設計環境、指定意圖、建構回饋迴圈」。

這個轉變不只發生在軟體業。每個領域都會經歷類似的變化: 執行層的工作被 AI 接手，人類轉向更高層次的設計、判斷和決策。越早適應這個模式的人，越有優勢。

總結: 規則變了，但機會也變了

說實話，你們這屆確實比較辛苦。入門級職缺在縮、競爭在加劇、以前那套「好學校好科系好工作」的線性路徑不再保證有效。

但換個角度看——AI 同時也拉低了創造的門檻。以前一個人想做一個產品，需要一整個團隊。現在你一個人加上 AI，就能做出原型、驗證想法、甚至上線服務。以前要累積十年經驗才能有的產出效率，現在第一年就有機會達到。

遊戲規則變了，但新規則對願意學習和適應的人其實更有利。關鍵不是你的起點在哪，而是你能多快學會跟 AI 一起工作、多快找到自己能創造獨特價值的位置。

早一步搞懂這些，就是你最大的競爭優勢。