簡而言之：雖然每個人都在大聲喊著AGI將取代80%的工作，但吳恩達在達沃斯提出了一個更安靜、更可怕的真相："人工智慧只會執行30-40%的任務。"這聽起來令人安心，但實際上是一個警告。這30%代表了初級員工用來學習的入門級工作。企業階梯不僅僅是在改變；底部的階梯正在被砍掉。
我是詹姆斯，Mercury Technology Solutions的執行長。
人工智慧新聞循環是一個炒作機器。每週都有新的工具聲稱它將完全取代人類勞動。
但在2026年1月的達沃斯論壇上，吳恩達——斯坦福大學教授、DeepLearning.AI創辦人，以及人工智慧領域中最具理性聲音之一——說了一句大多數人都忽略的話：
「對於許多工作，人工智慧目前及在可預見的未來只能完成30-40%的任務。」
乍看之下，這聽起來像是「冷卻期」。只有30%？我們安全了，對吧？
錯了。
這個數字比「100%取代」理論更危險，因為它預示著勞動力的根本重組。
1. 斷裂的階梯：學徒的死亡
如果一份工作包含10個任務，而人工智慧完成底部的3-4個（數據清理、基本研究、草擬電子郵件），那聽起來像是效率。
但是安德魯·吳指出了一個關鍵的缺陷：這三到四項任務是初級人員學習的方式。
- 舊方法：一名初級分析師花了兩年時間撰寫SQL和清理數據。這很無聊，但它教會了他們商業邏輯。
- 新方法：人工智慧瞬間完成SQL。初級人員無事可做。
這造成了"破損的階梯"效應。通往高級職位的階梯仍然存在，但前幾個步驟已經消失。你站在一樓，仰望著無法觸及的邊緣。
悖論：公司對資深人工智慧人才感到迫切需要，但拒絕聘用初級人才，因為「培訓成本」高，而初級工作的「經濟價值」現在幾乎為零。
2. 工程師的四個層級
Ng 將現代工程師分為四個殘酷的層級：
- 層級 1：10-20 年經驗 + 人工智慧專家。（神級。高效率，高價值。）
- 層級 2：應屆畢業生 + 人工智慧專家。（跳躍者。沒有經驗，但生產力可與資深者媲美。）
- 層級 3：10-20 年經驗 + 拒絕人工智慧。（恐龍。Ng 說：「我再也不會聘用這些人。」)
- 第 4 級： 應屆畢業生 + 無 AI。（無法就業者。過時大學的受害者。）
現實檢查： 一位使用 Cursor/Claude Code 的第 2 級畢業生，現在比一位堅持手動編寫每一行程式碼的第 3 級老手更有價值。這就像是一位使用挖土機的新手對抗一位使用鏟子的高手。
3. "主動型" 工作流程（100 倍策略）
Ng 也強調了從 "聊天機器人" 轉變為 "代理人" 的過程。
將 ChatGPT 當作聊天機器人使用，就像強迫一位作家在不按退格鍵或使用 Google 的情況下打字寫論文。這是低效率的。
主動型工作流程：
- 計畫： AI 將任務分解為（檢查信用 $\rightarrow$ 驗證收入 $\rightarrow$ 計算風險）。
- 執行： 它使用工具（Python、瀏覽器）來完成工作。
- 反思： 它批評自己的輸出。"這個風險評分合理嗎？"
這使得"100 倍策略。"
不要要求 AI 讓你快 10%。請問："我們能否快 100 倍？"
如果一個人工智慧代理可以進行 50 次迭代以節省 1% 的燃料在跨洋運輸上，那麼投資報酬率是數百萬美元。計算成本（$10）是無關緊要的。
4. 角色的崩潰（產品經理-工程師）
產品經理（PM）與工程師的比例正在崩潰。
- 舊的： 1 PM : 8 工程師。
- 新的： 1 PM : 1 工程師（甚至 1:0）。
Ng 指出這些角色正在崩潰成一個單一的實體。
他現在更喜歡聘用能夠編寫程式碼的行銷總監和首席財務官。不是生產程式碼，而是「解決問題的程式碼」（Python 腳本、API 呼叫）。
當你的首席財務官可以使用 Python 自行運行財務模型，而不必等待資訊技術部門時，商業的速度將加快。
結論：不要成為第三級。
對印度資訊技術外包產業的警告適用於所有人：勞動套利已經死了。你不再能夠銷售「人力資源」。你必須銷售「人工智慧原生解決方案」。
對於你這個個體來說，信息是明確的：
人工智慧可以做的 30-40% 的任務，是曾經證明你入門級薪水合理的任務。為了生存，你必須跳過學徒期。你必須成為一個
To survive, you must skip the apprenticeship. You must become a 第二層級立即。
停止成為任務的「執行者」。成為「人工智慧代理的經理」。梯子的底部已經消失。學會飛翔。
Mercury Technology Solutions：加速數位化。
Mercury Technology Solutions: Accelerate Digitality.