AI時代的職場分為兩「累」人：不會使用者成為協作斷點，愛用者產出專業的假象。
AI時代的職場分水嶺，可能不是「會不會使用AI」這麼簡單，而是你到底是在駕馭工具，還是正在被工具馴化。未來工作者會陷入兩種極端：一種是「AI文盲」，對AI陌生、抗拒，或只是禮貌性了解一下，卻始終未真正使用。另一種是「AI傀儡」，工具用得很熟，輸出看起來也很專業，卻慢慢把判斷力一併交了出去。一種是不會使用工具，另一種是反過來被工具使用。
所謂「文盲」，不一定是完全沒聽過ChatGPT、Claude或Gemini的人。更多時候，他們聽過、看過，甚至參加過教育訓練，卻始終沒踏出第一步。他們也許曾試探性地丟一句「幫我分析某某市場」，看到空泛回應後便下結論「不過如此」。這就像走進餐廳只說「隨便來點」，菜不合口味就認定整間餐廳的水準。這類人真正帶來的問題，不只是少用一個工具，而是會慢慢變成團隊裡的協作斷點。就像今天職場上不會用Excel的同事，未必不能工作，卻會讓協作多一層代工。AI正在變成同樣的基礎工具，不會立刻把你淘汰，卻會讓你逐漸跟不上節奏。
更棘手的是，「文盲」也可能披著支持者的外衣。他們口頭上支持AI，甚至積極要求團隊導入AI，卻不理解AI的能力邊界、導入成本與風險條件。這類人很容易把AI當成一種加速魔法，只要任務聽起來和AI扯得上關係，就自動判定應該很快。問題是，一句輕飄飄的「用AI試試看」，背後可能是一整套概念測試、模型驗證、資料治理、權限設定與風險控管。
但風險也存在於那些開始用AI、卻很快被它說服的人身上。多數人開始相信AI，是某次被待辦事項淹沒時無奈把任務丟給它，沒想到竟產出一份不錯的版本。那一刻的驚豔，很容易讓人上癮。
於是，另一個陷阱出現了。剛開始，AI帶來的是能力延伸的快感。不會寫程式的人能生出互動式網頁，不擅長簡報的人能排出顧問級版型。這些都不是壞事，工具本來就是拿來補足能力邊界的。
問題在於，很多人會把「做得出來」誤認為「看得懂」，再進一步誤認為「我具備這項能力」。這種錯覺一旦形成，AI就不再只是補足能力邊界的工具，而會變成使用者逃避理解的捷徑。更麻煩的是，AI輸出的專業外觀會讓人放下戒心。第一次只是請它整理資料，下一次讓它補足論點，再下一次便接受它給出的假設與結論。依賴不是突然發生，而是在一次次省力之後，被使用者合理化。
等到這種依賴變成習慣，真正的危險才開始出現。這類AI依賴者一開始並不是不會使用工具，甚至可能比多數人更熟悉工具。問題是，工具用得越順手，人越容易把原本該自己承擔的判斷交出去。問到關鍵假設，回答是AI定義的；問到資料品質，答案是AI整理過；問到模型方法，理由是AI建議如此。以前是人想不清楚，所以寫不清楚；現在是AI寫得太清楚，反而讓人誤以為自己也想清楚了。到了這一步，AI依賴者才真正變成了AI「傀儡」。
對金融業來說，這個問題尤其值得警覺。金融工作高度依賴文件、模型、數據與風險敘事，而AI最擅長的，正是把零散資訊整理成一份看起來結構完整、語氣專業、圖表漂亮的報告。真正危險的不是AI寫錯幾句話，而是它可能把錯誤的假設包裝成一套看似合理的判斷。
但金融不是文案產業，投資判斷也不是把資料整理得像樣就算完成。產業結構是否改變？公司靠什麼賺錢？估值背後的成長假設是否過度樂觀？
這些問題最後都不能只靠AI的流暢敘述回答，而必須回到人的判斷。AI可以協助整理資訊、比較同業、生成初稿，甚至把一段普通觀察寫得像有策略深度；但文字看起來專業，不代表邏輯真的成立。金融從業者真正需要培養的，不只是使用AI的能力，而是追問AI的能力。
這也是現在AI最麻煩的地方。它在很多專業領域已經能做出大約80分的成果，而80分是一個很尷尬的分數，不夠好到可以完全信任，卻已經好到足以讓人放下戒心。對一個只有60分能力的人來說，80分的AI輸出幾乎就是滿分，因為他看不出那剩下的20分差在哪裡。
未來主管收到的報告，大多都會經過AI整理。文字更順，圖表更乾淨，架構更完整，也會把原本應該露出的粗糙處修掉，這會讓管理者的判斷成本大幅上升。更麻煩的是，主管不可能在所有領域都比團隊更精通，他能看出市場敘事太樂觀，卻未必判斷得出資料處理有沒有問題。最危險的不是主管看不懂，而是面對一份看似專業的報告，誤以為自己已經看懂。所以主管看報告的方式也必須改變，不能只看結論是否順暢，而需要求團隊說清楚方法、資料來源與關鍵假設，目的是要拆掉AI流暢輸出的包裝，確認團隊沒有把80分的整理誤認為90分的判斷。
不要當AI時代的文盲，那會讓你跟不上新的工作節奏；也不要當AI時代的傀儡，那會讓你誤以為自己正在進步，實際上卻一點一點讓出思考與判斷的主權。真正的AI素養，不是把工具用得多熟，而是知道什麼可以交給AI，什麼必須留給自己。（作者為台灣金融研訓院金融科技中心主任）