AI 時代核心競爭力｜9 位國際領袖怎麼說，上班族與家長該培養哪些 AI 素養

凌晨兩點，台北辦公室的燈還亮著，你滑著手機看完一篇「Anthropic CEO 警告白領 50% 工作將消失」的報導，心裡浮起一句：我會不會就是那 50%？同一個晚上，你的高中同學在家長 LINE 群裡問：「孩子高二選組，到底還要不要繼續走資工？AI 不是都能寫 code 了嗎？」AI 時代讓上班族焦慮，也讓家長迷惘——但兩個問題的答案，其實藏在同一張地圖裡。

過去一年，從黃仁勳、Sam Altman、Bill Gates、Demis Hassabis、Dario Amodei、Andrew Ng、Yuval Harari，到台灣的簡立峰與程世嘉，9 位最常被引用的領袖都被問過同一個題目：「AI 時代你會學什麼？」這篇文章把他們的答案並列，找出 4 個共識能力、3 個值得認真看的爭議，最後給你（上班族）與你（家長）各 3 條本週就能開始的行動清單。

9 位領袖，5 種立場光譜

把 9 個人放在同一張表上，立場大致分成五派——別急著「站隊」，每一派都有它對的地方，差異反而是判讀的線索。

派別	代表人物	一句話主張
樂觀務實派	黃仁勳、Sam Altman、Andrew Ng、簡立峰、程世嘉	科系不重要，重要的是用 AI 把你會的事放大；先學會工具、再補原理。
結構派	Demis Hassabis	STEM 底子仍是關鍵，但要練「學會學習」，不能被動使用 AI。
轉型派	Bill Gates	十年內 AI 會大量接手醫師與教師的工作，教育將被重組而非消滅。
預警派	Dario Amodei	1–5 年內初階白領 50% 工作可能消失，需要政策介入。
人文派	Yuval Harari	解方程式、寫 code 都會被取代；要練 4Cs、情緒智能、應變力。

樂觀務實派：黃仁勳、Altman、Andrew Ng、簡立峰、程世嘉

NVIDIA 執行長黃仁勳 2026 年 5 月接受新加坡 CNA 專訪，直接回應「AI 讓人變懶」的敘事：把 AI 連到裁員是一種懶人說法；歷史上每次科技革命都讓人變更忙，不是變更懶。Business Insider 同期整理指出，他在訪談中對家長的建議是「不必執著孩子讀什麼科系，重點是學會用 AI 把自己放大」；報導也整理出三個被反覆提到的關鍵詞——說故事、判斷力、創造力。（為求精確，這三個詞是 BI 編輯整理，並非黃仁勳一句話內逐字並列。）

OpenAI 的 Sam Altman 講得更直白：學會用 生成式 AI 工具，就是這個世代的「學會 coding」；他認為新世代的 No.1 能力是「問對問題」——figuring out what questions to ask 比找答案更重要。Fortune 的整理則記下他給 Gen Z 的另一個提醒：底層元能力是「學會學習」（learn how to learn）。

Andrew Ng 在 DeepLearning.AI 的免費課程裡推「AI for Everyone」與「Generative AI for Everyone」，主張非工程師也該補上基本 AI 素養，但他反對「先做再說」——要先理解原理再動手。台灣這邊，簡立峰用「軟實力 × π 型人才」描述新一代生存策略，程世嘉則有個被廣為傳閱的公式：AI 是放大器，1 分的人乘以 20 倍是 20，10 分的人乘以 20 倍是 200——基本功越強，AI 給你的增益越大。

結構派：Hassabis 為什麼還推 STEM？

Google DeepMind 執行長 Demis Hassabis 是個有趣的對照組。他公開說「如果我現在是學生，我會讀數學、物理、計算機」。但他不是要你回去刷題目——他真正在意的是 STEM 訓練出的「邏輯與分析思維」。他另一場演講也明確指出：在 AI 主導的未來，最關鍵的能力是 learning how to learn（學會學習）。Hassabis 還警告：不要被動使用 AI，要理解它怎麼運作、會錯在哪裡。

轉型派：Bill Gates 的「十年劇本」

Bill Gates 的判斷在 CNBC 報導是這樣的：十年內 AI 將取代「多數醫師與教師」做的多數事情，但他沒說「醫師消失」——他說的是工作會被重組。在 GatesNotes 的 AI 教育之旅裡，他描繪 AI 家教（如 Khanmigo）會把過去只有富裕家庭才買得起的一對一輔導普及到所有孩子身上——這對家長意味著：你不必押注哪個科目最熱，重點是孩子有沒有跟得上「會用 AI 學習」這件事。

預警派：Amodei 為什麼最悲觀？

Anthropic 執行長 Dario Amodei 在 2026 年初的公開發言中提出最尖銳的警告：未來 1–5 年，初階白領 50% 工作可能消失，他甚至倡議用累進稅來應對。他在 The Adolescence of Technology 長文裡點出關鍵——AI 最先吃掉的，是「轉移資訊」（把 A 的訊息整理成 B 的格式）的工作；留下的是「創造結果」的工作。請對著鏡子問：你每天的工時裡，有多少比例是純粹的資訊轉移？

人文派：Harari 的反向提醒

歷史學者 Yuval Harari（《Sapiens》、《Nexus》作者）走的是反方向：他在 The Guardian 訪談中說，解方程式與寫 code 都會被機器取代，與其逼孩子背誦事實，不如教他們情緒智能、人際協作、福祉、應變力——這些是 AI 短期內最難碰的領域。Harari 與 Hassabis 看似衝突，其實互補：Hassabis 在訓練思維，Harari 在訓練「人之所以為人」的部分。

4 個共識：被多人重複的核心能力

把 9 位的清單做交集，至少 4 人共同強調的能力有四個。每一個我都附一個給上班族、一個給家長的具體做法。

共識 1｜學會學習（Meta-learning）

支持者：Altman、Hassabis、Harari、簡立峰、程世嘉。

Altman 的原話是「the meta-skill of learning how to learn ... the raw ability to adapt when everything around you changes」。Hassabis 同樣把學會學習列為 AI 時代第一關鍵能力。這不是雞湯——它的意思是「你拆解一個新領域、找對學習路徑、自我修正」的能力，會比任何單一硬技能更耐久。

• 上班族：每學一個新工具（不論是 Notion AI、Cursor 還是內部新系統），寫一份 200 字筆記回答三件事——這個工具解決什麼、我學會用了哪三個動作、下次學類似工具我會用什麼順序。三個月後回看，你會看見自己的「學習風格」。
• 家長：與其檢查孩子作業的答案，不如問他「你怎麼想到要這樣解？卡住的時候你做了什麼？」——把後設認知（metacognition）攤開讓他看見。

共識 2｜創造力（不是藝術天賦，是跨域連結）

支持者：黃仁勳、Altman、Hassabis、Harari，Gates 隱含支持。

各家對「創造力」的定義都不是「無中生有的浪漫」，而是「跨域連結 + 提出非顯然解法」的工作技能——對應到簡立峰的 π 型人才，剛好是同一件事。

• 上班族：列出你會的三件「不在工作說明書上」的事（例如：你寫過部落格、你會剪片、你會做料理規劃）。下次工作卡關時，逼自己想——這個問題用那三件事的思維模式來看，會怎麼解？這就是跨域。
• 家長：保留孩子的「不務正業」時間——音樂、戲劇、運動、烹飪、桌遊——這些是未來他能從中拉線索的池子。把這些當「浪費」剪掉，等於剪掉他的創造力素材庫。

共識 3｜說故事與溝通

支持者：黃仁勳、Altman、程世嘉、Scott Galloway。

Altman 把「理解別人想要什麼，然後做出有用的東西給他們」列為 AI 時代三個不可替代能力之一。黃仁勳在 CNA 訪談裡特別提到——優秀的訪談者要 stay present、listen closely、respond dynamically（保持在場、仔細傾聽、動態回應）。這類即時人際互動，是當下 LLM 結構性最弱的環節。

• 上班族：每週挑一份你最常寫的文件（週報、提案、會議紀錄），花 5 分鐘問自己「讀這份文件的人最在意什麼？」再改寫第一段——這是說故事最便宜的練習。
• 家長：晚餐時間讓孩子用 3 分鐘講「今天最有趣的一件事」，但加一個規則——要說到讓爸媽笑出來或哇一聲。這是說故事的最小單位練習。

共識 4｜提問與判斷

支持者：Altman、黃仁勳、Hassabis、Gates、Andrew Ng。

「提示工程」很多人以為是學咒語，其實它的底層就是「問對問題」。AI 提供選項，下決定的責任與品味仍在人——這就是判斷力。想看一份更完整的提示寫法地圖，可以參考我之前寫的提示詞不是咒語：寫出有效 AI 指令的四個原則。

• 上班族：下次用 ChatGPT 或 Gemini 之前，先花 30 秒手寫三個版本的問題，挑最精準的那個丟出去。一個月後你會發現自己的「提問品質」是肉眼可見的進步。
• 家長：當孩子問你「這題答案是什麼」，反問「你覺得問題在問什麼？」訓練他先解析題目，再去找答案——這跟未來用 AI 工作的思維是一樣的。

3 個你最該認真看的爭議

領袖間最有意思的不是共識，是分歧——這些分歧告訴你「哪些議題還沒有標準答案，你必須自己判讀」。

爭議 1｜AI 衝擊就業的速度有多快？

Amodei 喊 1–5 年 50%，Gates 喊 10 年，黃仁勳與 Altman 樂觀預期工作會重組而非消失。三派誰對？判讀建議：三種看法其實不互斥——短期內某些職位確實會受重創（Amodei 對），但十年尺度可能有新工作補上（黃仁勳、Altman 對）。要警覺的是 Amodei 與 Altman 都有各自的位置——一個賣安全敘事、一個賣工具普及。對你個人的可操作判斷是：別問「AI 會不會取代我這個職稱」，問「我每天工時裡有多少比例是純資訊轉移」，這部分先準備好被吃掉。

爭議 2｜孩子還該不該讀 STEM？

Hassabis 推 STEM，Harari 反對「學寫 code」，黃仁勳與簡立峰說「科系不重要」。判讀建議：差異多半來自「STEM 學的是什麼」的定義不同。Hassabis 強調的是 STEM 訓練的「邏輯與分析思維」，不是寫特定語言；Harari 反對的是把「會背公式、會寫語法」當教育目的。實務上的最大公約數是：用 STEM 練思維方式 + 主動學 AI 工具 + 同時練說故事與人際——這個組合 4 派都不會反對。

爭議 3｜先學工具還是先學原理？

Altman 說先學工具（等於以前學 coding），Andrew Ng 與 Hassabis 說要先懂原理。判讀建議：這要看你是誰。對一般人（包括多數上班族與所有家長），Altman 對——先把 AI 工具用起來，建立直覺後再回頭補原理。對未來想以 AI 為主業的人，Hassabis 與 Ng 對——兩者並重，否則你會被表象綁架。順帶一提，如果你已經把 AI 用起來但覺得「越用越笨」，可以看一下我整理過的MIT 與微軟的認知負債研究。

給上班族的 3 條行動清單（本週開始）

1. 盤點你的「資訊轉移工時」：花一週記錄每天 8 小時裡，有多少時間是把 A 的訊息整理成 B 的格式（寫週報、轉述會議、整理客戶資料）。這個比例就是你最先要交給 AI 的部分——挪出來的時間，補去做「需要判斷、需要結果、需要關係」的事。
2. 建立你的 AI 工作流（不是收藏夾）：選 1–2 個會留在你流程裡的場景（例如：每週的提案草稿、每月的數據摘要），把它做成可重複的「提示工程」模板，三個月後不必每次從零想。AI 原生工作流的手冊四階段可以當地圖。
3. 每週 1 場 30 分鐘的「真人對話」訓練：找一位同事或客戶，刻意練「傾聽 + 動態回應」（黃仁勳那個 stay present 的提醒）——這是 LLM 短期內最補不上的差距，也是你之後在團隊裡被需要的原因。

給家長的 3 條行動清單（本週開始）

1. 把「孩子學什麼」的問題收起來，換成「孩子怎麼學」：與其逼他選熱門科系，不如觀察他遇到新東西時——查資料的方式、卡關時的反應、會不會自己問問題。學會學習才是他未來換 3 次跑道都帶得走的能力。
2. 用 AI 而不是禁用 AI，但加一個規則：讓孩子用 ChatGPT、Gemini 寫作業，但要他口頭跟你解釋「為什麼 AI 給這個答案？哪裡可能錯？」——這就是 Hassabis 講的「不要被動使用」。如果你自己對 AI 也不熟，可以從我寫的企業 AI 內訓常見的三個誤區反推家長最常踩的雷。
3. 保留「沒效率」的時光：戲劇社、辯論社、樂團、運動隊、做菜、寫小說——這些看似跟升學無關的活動，恰好是軟實力與創造力的訓練場。AI 不會取代這些經驗，反而會放大會做這些事的人。

不變的那一條線

9 位領袖、5 種立場、4 個共識、3 個爭議——拉開來看，有一條線從頭到尾沒有人反對：AI 是放大器，不是平等機。它把你會的事放大、把你不會的事勉強補上下限——但天花板，仍然由你的判斷、品味、與「願意持續學習」的習慣決定。

上班族的問題從來不是「我會不會被 AI 取代」，是「我有沒有讓 AI 替我做掉那些本來就值得交出去的事」。家長的問題也從來不是「孩子該不該繼續學 coding」，是「我有沒有讓他在 AI 時代還保有自己思考、提問、與人對話的能力」。

兩個問題，同一張地圖。如果你是企業 HR 想規劃轉職銜接訓練、或是學校／社區想辦一場給家長的 AI 講座——歡迎跟我們聊聊。