讀完這篇，你會知道：

1. Indeed 最新數據揭示：AI 對就業市場的影響，正在從「破壞」轉向「創造」—但有一個關鍵條件
2. Gartner 預測 2029 年 60% 企業將採用更小的工程團隊，這對職場新人意味著什麼
3. AI 時代的職場結構正在發生哪些根本性的改變，以及個人與組織應該如何因應

思考的起點

「AI 會搶走我的工作嗎？」這個問題，過去幾年一直讓許多人焦慮不安。從 ChatGPT 問世以來，各種預測輪番出現—有人說未來十年將有數億個工作被自動化取代，有人說特定職業將徹底消失，有人說白領工作者是下一波受衝擊的主體。這些預測有其根據，但 2026 年中的最新數據，開始描繪出一幅更為複雜、也更耐人尋味的圖像。

Indeed Hiring Lab 在 2026 年 7 月 8 日發布的研究報告，提出了一個值得認真對待的觀察：AI 對職缺的影響，可能正在從「破壞」轉向「創造」。與此同時，Gartner 在 7 月 7 日發布的預測報告則指出，到 2029 年，將有 60% 的企業採用更精簡的軟體工程團隊—但這不代表工程師變少，而是工作方式與團隊結構的根本重塑。

這兩份報告放在一起，描繪的是同一件事：AI 時代的就業市場，並非是一場零和遊戲，而是一場結構性的重新洗牌。問題不是「有沒有工作」，而是「什麼樣的工作」、「誰能得到它」，以及「要具備什麼能力才算準備好了」。

這篇文章，我們想把這兩份數據放在一起讀，試著看清楚這場重塑的輪廓，以及它對正在職場中的人、正要進入職場的人，究竟意味著什麼。

數據翻轉：AI 開始創造軟體開發職缺，而非只是摧毀

Indeed Hiring Lab 經濟學家 Guillermo Gallacher 的研究發現了一個出人意料的現象：自 2025 年 2 月 Claude Code 等代理型 AI 工具問世以來，美國軟體開發職缺在 Indeed 上的數量上升了將近 15%，而同期整體職缺卻下滑了 7%。

這個反轉特別引人注目，因為軟體開發一直被認為是 AI 衝擊最直接的職業類別之一。從 2022 年 5 月（勞動市場高峰）到 2026 年 5 月，AI 曝險程度越高的職業，職缺下滑幅度越大—軟體開發在這段期間承受了顯著的職缺萎縮，整體數量至今仍比新冠疫情前低約 27.5%。但就在整體趨勢持續低迷的背景下，過去一年出現了明顯的回彈。

Gallacher 在報告中謹慎地指出，這個回彈與代理型 AI 工具的普及高度吻合，雖然相關性不等於因果關係，但這個時間點的巧合「無法被忽視」。他提出的核心假設是：AI 對職缺的影響正在從「破壞」轉向「創造」—過去幾年，AI 讓部分程式碼撰寫任務自動化，減少了對初階工程師的需求；但現在，AI 工具的廣泛普及，反而帶動了對能夠運用這些工具的工程師的新需求。

然而，這裡有一個重要的但書：這波職缺回彈高度集中在特定類型的職位。根據 Indeed 的數據，軟體開發職缺增長中，71% 來自資深職位，37% 來自職稱中含有 AI 字樣的職位（兩者有部分重疊）。換句話說，AI 創造的新機會，目前主要集中在有經驗的資深工程師，以及能夠直接駕馭 AI 工具的技術人才—對於正要進入職場的新人而言，這個市場依然嚴峻。

這個「資歷偏向」的現象，在勞動市場研究中有個專有名詞：技術引發的技能偏向性變革（skill-biased technological change）。AI 這一波的影響，似乎正在延續這個趨勢，但程度更為明顯—它不只是偏向高技能者，更是偏向「AI 流利者」。在職場中，能夠與 AI 工具高效協作的人，正在與無法有效運用 AI 的人之間，拉出一道日益擴大的能力鴻溝。

Gartner 預測：2029 年六成企業轉向「精簡團隊」模式

Gartner 在 2026 年 7 月 7 日發布的報告，從組織結構的角度提供了另一個關鍵視角。研究預測：到 2029 年，將有 60% 的企業在軟體工程領域採用「精簡團隊」（tiny teams）模式，相較於 2026 年當前的 15%，成長幅度相當驚人。

Gartner 首席分析師 Aliyah Camacho 強調，精簡團隊不是裁員的委婉說法，而是一種截然不同的工作組織方式。在傳統的軟體工程環境中，職責分工明確—有人寫程式、有人測試、有人做設計、有人協調產品方向、有人負責部署。這些角色通常分屬不同的人或次團隊。而在精簡團隊模式下，這些邊界開始模糊：每位成員都需要涵蓋更廣的職責範疇，從理解業務目標、產品設計，到監督 AI 代理的執行，都在同一個人的工作範圍之內。

今日的精簡團隊通常由 4 到 5 人組成，Gartner 預測隨著工程師技能與 AI 能力同步成熟，2 到 3 人的微型團隊將日益普見。這樣的團隊能夠完成過去需要 8 到 12 人才能承擔的工作量—這背後的邏輯是：AI 接管了大量重複性的程式碼生成、測試與文件工作，讓人類工程師得以把時間完全集中在需要判斷力、創意與全局理解的高價值工作上。

但 Gartner 同時發出了一個清晰的警告：精簡團隊的前提，是每位成員都是高度多能的「全棧型」人才，且整個工程組織有強大的平台工程基礎設施作為後盾。如果組織只是削減人數，卻沒有同步建立這些條件，精簡的結果就不是效率提升，而是品質崩潰和人員過勞。

初階職位萎縮的警鐘：不只是軟體工程的問題

Gartner 的報告中，有一段話特別值得關注，它的影響範圍遠超軟體工程本身。Camacho 指出：「放慢初階職位的招募，可能導致嚴重的後果，包括阻礙知識傳承、限制內部人才晉升管道，以及使招募對象集中在競爭激烈、薪酬昂貴的資深人才。」

Gartner 進一步預測，到 2028 年，那些依賴 AI 來削減初階工程師職位的組織，將發現自己的工程人才管道已經空洞化。這個時間點的預測，揭示了一個組織在人才培育上的結構性弔詭：用 AI 替代初階職位，短期內可以節省人力成本，但三到五年後，組織將面臨嚴重的資深人才斷層—因為今天的初階工程師，正是明天的資深工程師與技術領導人。

這個問題不只存在於軟體工程。NBC News 根據 Indeed 數據的分析發現，從 2022 年到 2026 年，含有「AI」字樣的職稱數量增長了三倍，觸及銷售、教育、管理等過去與 AI 看似無關的領域。「這不是在大量招募 AI 專家，」Indeed Hiring Lab 的經濟學家 Sneha Puri 說，「而是雇主在既有職稱上加入 AI，因為這些工作現在需要使用 AI 工具。」這意味著，AI 技能的要求正在從科技業快速蔓延到各行各業，成為一種新的「入場券」。

對於正在職場上的人而言，這個趨勢傳遞了一個清晰的訊號：不具備 AI 工具使用能力，未來在許多職位上將越來越難以競爭；而具備這個能力，則可能是在低迷就業市場中脫穎而出的關鍵因素之一。

「振動式編程」現象：AI 工具如何改變軟體開發的入門門檻

Indeed 的報告中，提到了一個有趣的文化現象作為背景脈絡：「振動式編程」（vibecoding）。這個詞在 2025 年 2 月與 Claude Code 發布同期出現，描述的是一種全新的人機協作方式—使用者用自然語言描述需求，由 AI 生成相應的程式碼，人類負責監督、調整方向，以及解決 AI 卡住的地方。

振動式編程的出現，深刻改變了「誰可以寫程式」這個問題的答案。過去，撰寫可用的程式碼需要對語法、演算法和框架有相當程度的掌握；現在，即使對程式語言一知半解的人，也能透過 AI 工具完成基本的開發任務。這降低了軟體開發的入門門檻，但同時也提高了對另一種能力的要求—能夠清晰描述問題、評估 AI 的成果的品質，以及在複雜系統中進行架構級的判斷。

這個矛盾恰好解釋了 Indeed 觀察到的「資歷偏向」現象。AI 工具讓初階的程式碼撰寫工作更容易被自動化，但同時也產生了對「能夠有效運用 AI 工具的人」的新需求—而這種運用能力，往往建立在對問題本質的深度理解上，這是需要時間積累的。因此，短期內市場更傾向於有工作經驗的人，因為他們對問題情境的理解，使他們能夠更好地引導 AI，並辨識 AI 回應中的錯誤與盲點。

然而，這個局面並非一成不變。隨著 AI 工具的成熟和教育訓練體系的更新，「能夠有效運用 AI」的門檻本身也在改變。今天需要五年工作經驗才能有效運用 AI 的工作，在未來幾年可能只需要兩年，或者只需要正確的訓練方式。職場的洗牌，還在持續進行中。對於台灣的職場工作者而言，這個轉變的速度尤其值得警惕—在一個中小企業主導、人才市場規模相對有限的環境中，對特定能力的需求一旦出現結構性轉移，個人適應的時間窗口往往比想像中更短。提前一步的準備，在這個背景下，可能比任何時候都更有意義。對準備或剛進入職場的新一代來說，及早理解這場結構性轉變的方向，正是讓自己站對位置的第一步。

個人與組織的雙重因應：不只是學 AI 工具那麼簡單

面對 AI 重塑職場結構的趨勢，許多人直覺的反應是「趕快去學 AI 工具」。這個反應沒有錯，但它只解決了問題的一半。Indeed 和 Gartner 的數據，共同指向一個更深層的因應方向。

對個人而言，核心問題不只是「會不會用工具」，而是「能不能在 AI 介入之後，把自己的判斷力和人類獨有的理解能力，發揮在更高價值的工作上」。Gartner 描述的精簡團隊成員，需要的不只是技術廣度，更需要的是能夠快速理解業務問題、在模糊情境中做出判斷、並且有效監督 AI 代理工作品質的綜合能力。這些能力，無法只靠學習工具操作取得，它們需要的是在真實情境中累積的判斷力和情境智慧。

對組織而言，Gartner 的警告值得認真對待：不要因為 AI 可以承擔初階工作，就放棄招募和培育初階人才。組織的人才生態系，需要持續注入新血，讓知識與判斷力能夠從資深者向初學者傳遞，也讓組織維持對市場和技術變化的新鮮感知能力。如果組織的人才樣貌因為 AI 而趨於同質—全是資深人才，缺少新人帶來的挑戰性問題和不同視角—長期下來，組織的創新能力和應變彈性都將受損。

此外，Indeed 的數據也提醒了另一個面向：就算是科技業以外的職場，AI 技能要求的蔓延趨勢已不可逆。銷售人員需要運用 AI 進行客戶分析和個人化溝通，教育工作者需要了解 AI 如何影響學習歷程，管理者需要懂得如何在 AI 代理的協作下帶領團隊。「我不是科技人」已經不再是不需要關注 AI 技能的理由。

我們的觀點

讀完 Indeed 和 Gartner 這兩份報告，我們最深的感受是：AI 時代的職場焦慮，往往來自把問題想得過於簡單—要麼是「AI 會搶走所有工作」的末日論，要麼是「AI 只是工具，一切都不會改變」的樂觀論。但真實的圖像，遠比這兩個極端都複雜得多，也更需要細緻的思考。

Indeed 的數據告訴我們，AI 創造了新的職缺，但這些職缺高度集中在能夠與 AI 有效協作的人身上。Gartner 的預測告訴我們，未來的工作團隊會更精簡、每個人承擔的職責範疇會更廣，但組織絕對不能因此放棄培育新一代的人才。把這兩件事放在一起，我們看到的，是一個對「複合型能力」的強烈需求—既能運用工具，又能判斷問題，既能執行，又能監督。

在我們長期接觸的企業工作坊現場，越來越多的學員問的問題，已經從「AI 會取代我嗎？」轉變成「我要怎麼讓自己和 AI 合作，而不是被 AI 邊緣化？」這個問題的轉變，本身就是一種成熟。前一個問題讓人焦慮和被動，後一個問題讓人有方向感，也讓學習和行動成為可能。

我們想對這個問題提出一個我們自己的觀點：在 AI 重塑職場結構的過程中，真正稀缺的能力不是「會用工具」，而是「能夠在高度模糊的情境下，提出好問題、做出有根據的判斷，並且與各種類型的協作者（包括 AI）有效溝通」。這些能力，恰好是長期以來設計思考訓練中最核心的內容—同理心、問題定義、快速原型與測試—在 AI 時代，它們不但沒有過時，反而變得更為根本。

這也呼應了 Gartner 在報告中說的一句話：「AI 正在重新定義角色、重新創造團隊，並且推動對更多軟體工程師的需求，而不是更少。」這句話的精髓，不只適用於軟體工程，而是整個知識工作的未來方向—AI 不是職場的終結者，而是職場複雜度的放大器。能夠在更高複雜度下維持清晰判斷和有效行動的人，將是 AI 時代最不可或缺的資產。

從更長遠的視角來看，Indeed 數據描繪的這場從「破壞」到「創造」的轉變，其實也呼應了歷史上每一次重大技術變遷的共同規律：新技術在初期往往衝擊既有工作，但隨著技術成熟，它會創造出過去根本不存在的新工作類別。蒸汽機替代了大量體力勞動，但同時創造了工程師、技師和工廠管理員；網際網路顛覆了零售和媒體，卻創造了數位行銷、電商運營和內容創作等整個新產業。AI 的故事，很可能以相似的弧度展開—只是這次的轉換速度，可能快得讓人來不及適應。

這個「速度」才是最大的挑戰所在。過去的技術轉換，往往以十年為單位緩慢發生，讓社會有時間調整教育體系、職業培訓和政策框架。AI 的衝擊，卻是在幾年之內快速發生，而且每隔幾個月就有新的能力出現，讓原本有效的因應策略迅速過時。這意味著，無論是個人還是組織，「持續學習的能力」本身，正在成為最核心的競爭力—不是一次性地「學會 AI 技能」就夠了，而是建立一種能夠持續辨識變化、快速調整、並且在不確定中保持方向感的學習習慣與思維架構。

本文關鍵概念速查

資歷偏向的技術變革（Seniority-Biased Technological Change）：

指 AI 技術對就業市場的衝擊呈現資歷偏向性：AI 曝險程度高的職業中，高資歷職位受惠於 AI 工具的輔助而需求上升，初階職位則因部分任務被自動化而萎縮，形成就業機會向資深人才集中的現象。

精簡團隊（Tiny Teams）：

Gartner 用以描述 AI 時代新興工程組織模式的概念，指由 4 至 5 人（甚至 2 至 3 人）組成、每位成員承擔廣泛職責並與 AI 工具深度協作的高效能工作小組，其核心不是縮減成本，而是重新組合人類能力與 AI 能力的最佳比例。

振動式編程（Vibecoding）：

2025 年興起的人機協作開發模式，指使用者以自然語言描述需求，由 AI 生成程式碼，人類負責監督、調整與架構判斷。這個模式降低了程式碼撰寫的入門門檻，但同時提高了對問題表達力和品質判斷力的要求。

AI 流利度（AI Fluency）：

指能夠有效運用 AI 工具、清晰描述問題給 AI、評估 AI 的成果品質，並在必要時監督或糾正 AI 的綜合能力。在 AI 普及的職場中，AI 流利度正快速成為各行各業的新型基礎技能。

代理型 AI（Agentic AI）：

指能夠自主規劃並執行多步驟任務、跨系統協調工作流程的新一代 AI 工具，代表性案例包括 Claude Code 等。代理型 AI 的普及，是 2025—2026 年軟體開發職缺開始反彈的重要技術背景。

FAQ

Q：AI 究竟是在創造工作還是摧毀工作？

A：根據 Indeed Hiring Lab 2026 年最新數據，答案正在從「摧毀」轉向「創造」，但新增的職缺高度集中在資深職位和能夠運用 AI 工具的人才。整體就業市場仍在調整中，不同職業、不同資歷層級所受的影響差異顯著。

Q：Gartner 說的「精簡團隊」是不是代表未來工作機會變少？

A：Gartner 明確指出，精簡團隊不是裁員手段，而是工作組織方式的重構。AI 承擔了重複性工作，讓每個工程師能夠完成更多的高價值工作，整體對工程人才的需求預計不會減少，但對每位成員能力的要求會顯著提高。

Q：非科技背景的人，需要擔心 AI 對職場的衝擊嗎？

A：需要認真關注。Indeed 數據顯示，含 AI 字樣的職稱從 2022 到 2026 年增加了三倍，已擴展到銷售、教育和管理等非科技領域。AI 工具使用能力正快速成為各行各業的基礎要求。

Q：現在的職場新人應該怎麼因應？

A：初階職缺萎縮是短期現實，但長期而言組織仍需要新血。建議一方面積極提升 AI 工具的實際使用能力，另一方面著重培養 AI 難以複製的能力：複雜問題的定義、跨情境的判斷力，以及與不同對象（包括 AI）的有效溝通。

Q：企業應該讓 AI 取代所有初階職位嗎？

A：Gartner 明確警告這是高風險的短視之舉。削減初階招募雖然短期節省成本，但將阻礙知識傳承、空洞化人才管道，並使組織在三到五年內面臨資深人才斷層的結構性危機。

開放討論

你現在的工作，有多少部分已經開始被 AI 工具承擔？你覺得自己在「AI 流利度」上準備好了嗎？還是還在觀望？歡迎留言分享你的實際觀察。

延伸思考

1. 如果你的組織明天宣布要全面導入「精簡團隊」模式，你認為你目前的能力組合，能夠勝任嗎？你覺得哪個能力是你最需要補強的？
2. Gartner 警告不應讓 AI 取代所有初階職位—你所在的產業或組織，目前對這個問題的態度是什麼？有沒有你認為應該被保留的「初階學習路徑」？
3. Indeed 的數據顯示，AI 正在創造新的職缺，但這些職缺偏向資深與 AI 相關人才—你認為這個趨勢對台灣的就業生態系，會帶來什麼長期影響？

資料來源

Gallacher, G.（2026）. AI and Job Postings: From Destruction to Creation? Indeed Hiring Lab, July 8, 2026.

Gartner（2026）. Gartner Predicts 60% of Organizations Will Adopt Smaller Software Engineering Teams by 2029. Gartner Newsroom, July 7, 2026.

Indeed Hiring Lab（2026）. US Labor Market Snapshot — April 2026.

Mowreader, A.（2026）. The number of job titles that involve AI, even outside the tech world, is surging. NBC News, July 8, 2026.

Yahoo Finance（2026）. Good news, software developers: Job postings are ticking up post-Claude Code. July 8, 2026.

Indeed Hiring Lab（2026）. The Great Mismatch: How a Shrinking Workforce, AI, and Labor Reallocation Will Define the Next 15 Years. May 14, 2026.

關於文字策展人

Cha Cha 是查查創意文字策展人暨創辦人，Stanford d.school 設計思考專業研修，累積超過三百場企業工作坊實戰經驗。長期深耕設計思考、創意思考與未來趨勢，致力於讓更多人在 AI 時代找到自己的思考方式。

訂閱電子報

訂閱「未來思考週報」，每週三收到精選文章與趨勢洞察。