本週兩大銀行的投資者策略日，關於人工智能「搶飯碗」的討論可謂甚囂塵上。渣打行政總裁温拓思被指試圖把AI當作裁員的藉口，用來「取代低增值的人力資源（lower-value human capital）」；匯豐行政總裁艾橋智稱，生成式AI會摧毀部分工作，同時創造新工作，「當中或有員工在過程中未能跟上」。HR界忽然之間也有很多花生。
在這浪被形容為史無前例的技術變革中，全球高學歷、新科技知識分子紛紛人人自危。若將這個宏觀的職場危機套用到香港，可以發現一個有趣的現象：無論AI如何進化，它依然永遠取代不到一類人。要理解為何AI對住他們也無能為力，就必須先看這類人的職業生涯與跨界能力説起。
主流經濟學家在反駁AI失業論時，經常提到「勞動力總量固定謬論」（Lump of labour fallacy），強調就業市場並非靜態的零和博弈。他們常説科技會排擠某些職位，但也會創造新角色。然而，若有人是「一事無成」（非貶義），沒有勝任過特定的專業崗位，而永遠在「轉型、轉工、轉行」的循環中，便能夠完美避開任何一個會正面被 AI 打擊的成熟產業，毋須擔心被淘汰 ， 好像是這樣 。
例如，從早年的電視台收視福將，到後來改做電台高層，最新又爆冷加入上市公司，期間還讀了個工商管理碩士。每一次都是轉跑道，算是透過個人能力去換界別，不斷為自己創造新的工作、新的地盤。問題是 ， 雖然銜頭一直累積，但在別人眼中在每個領域都未能造出巨大的核心商業價值，只有人脈、人脈同人脈。對於企業而言，要特意去開發一個高成本的 AI系統來取代他，在財務上是完全不符合投資回報率（ROI）的。如此一來，反而成為了AI裁員潮的最強護城河。
與軟件行業相關的大學本科畢業生就業率急跌，顯示被 AI 取代的風險正在增加。根據《經濟學人》引述美國全國大學與僱主協會（NACE）等機構的數據分析，AI exposure高的學科（如計算機科學、資訊科技）在2022至2024年間，畢業生全職就業率大跌6.6個百分點（更有超過半數的僱主坦言正考慮以AI取代初級員工）。期間受（AI/新技術）影響最小的畢業生包括如修讀教育、哲學及土木工程等學科，其平均全職就業率僅輕微下跌1.5個百分點。
AI 正在精準打擊那些「專業技能極高」的初級員工（例如code 寫得好好的Comp Sci 畢業生）。因為 AI 學習能力太強，只要有清晰的指令和流程，它就能迅速複製。但這正好解釋了為什麼AI永遠取代不到那些在技術上「一事無成」的人。AI 的核心是機器學習，它需要大量、高質量且「有邏輯規律」的數據來進行訓練。即使由生成式AI演化到代理式AI，真的可以取代人類，但如果你在非科技領域不斷轉行，又沒有實質的成功模式或可複製的 KPI，就只會有一堆混亂雜音（Noise）。AI 面對這種「人辦」恐怕會直接投降，因為演算法根本分析不到核心競爭力在哪裡，自然亦無從去優化或取代。
傳統智慧認為，技能單一、側重實務執行的崗位，在大型語言模型時代正承受著巨大的下行壓力。微軟共同創辦人蓋茨曾直言，在AI主導的世界中，大部分事務將不再需要人類參與；但OpenAI老細奧特曼已改口稱AI應該是「輔助及提升人類能力的工具」。這意味著，未來最安全的人類，是那些擁有極高情感價值與信任溢價的個體 ， 即謂打工仔湊老細 。
其中一個關鍵轉變，連電腦科學系畢業生的工作本質也正在轉變，他們用於撰寫程式碼（Coding）的時間減少，反而需要投入更多精力在更高層面上進行「軟件系統的設計與架構規劃」。他們的角色早已超越了普通的落手落腳的執行者，背後不再是單一、重覆性的指令輸入，而是複雜的人際溝通、情感共鳴、以及對社會情緒的掌握。現階段的AI最缺乏的，正是這種在真實與人性世界中進行高層次系統設計的能力，懂得如何將不同的人才與資源架構起來，是為人機協作的軟技能。
AI取代得到的，是那些可以被數據化、流程化的辦公室初階工作；而其（暫時）取代不到的，是將跨界創新、架構思維與人格信任融為一體的中高層。在這場AI黃雨引發的裁員潮已淹至，與其擔心被科技淘汰，倒不如像馬浚偉一樣，有一門外界解釋不到的走位「技藝」。真的，香港有多幾個人像他，便少幾個人失業，這可能才是對抗 AI 裁員的最後防線 。
