投資組合式人生

AI 時代最危險的不是被取代,而是你只剩下一個職稱

這篇延伸 Christina Wallace 在知識衛星高峰會的演講:AI 時代真正危險的未必是被取代,而是職位消失時,你只能用職稱回答自己是誰。Portfolio Life 的四個支柱是身分認同、選擇權、多元配置與彈性;AI 讓能力變便宜、判斷變昂貴,而判斷力是從做出決定、承擔結果、回頭修正的循環裡碰撞出來的。
AI 時代最危險的不是被取代,而是你只剩下一個職稱:文章重點卡

AI 時代最危險的不是被取代,而是你只剩下一個職稱

你將學到什麼

職稱只是標籤

職稱是組織為方便管理貼的標籤,貼進身分認同,消失時就成了危機。

四個支柱

身分認同、選擇權、多元配置、彈性,彼此相連決定你有幾種未來。

摺紙物理學家的啟示

轉換不是從零開始,是把累積數十年的資產從配角調整成主角。

AI 是放大器

研究顯示判斷正確的人用 AI 績效提升,方向錯誤的人反而下降。

AI 時代最危險的不是被取代,而是你只剩下一個職稱!7/18 參加了 知識衛星 高峰會,第一場專題演講真的超超超精彩的!精彩到我需要反芻一週的時間,來延伸自己對 Christina Wallace 演講的想法。

古時候對「好職涯」的想像其實非常單一,選一個有前景的科系,進入一家穩定的公司,找到一個專業職位,然後在同一條路上持續累積經驗,做得愈久經驗愈深,經驗愈深價值就愈高,職稱一階一階往上升,薪水慢慢增加,直到退休。

這套邏輯曾經成立,曾經。但我想很多人現在一定不這樣覺得,因為那是古時候的思維方式了。

Christina Wallace 在演講中提到,她的祖父當了四十年的焊工,母親長期擔任祕書,那個年代的職涯像一條單行道,只要選對入口,持續往前走,專業就會隨著時間複利成長。

問題是我們現在面對的世界,已經不是那個古時候了

公司是會消失的,產業是會重組的,技術更是會被淘汰的,古時候需要十個人完成的工作,現在只需要兩個人,而 AI 的出現更進一步打破了一個我們長期深信不疑的假設:只要把一項專業練得夠深,就能一直依靠它生存。

現在真正危險的未必是 AI 搶走你的工作

當某一個職位消失時,你突然不知道自己還是誰?或者,還可以是誰?當別人問「你是誰」,你是不是只能回答職稱?

我們很習慣用工作介紹自己,我是行銷人,我是老師,我是設計師,我是工程師,我是主管。

這種回答方式很有效率,也很容易讓別人快速理解我們在社會分工中的位置,但職稱有一個問題,它只是組織在某一段時間裡,為了方便管理而替你貼上的標籤。

這些標籤不等於你的全部能力,更不等於你這個人,可是我們卻又常常工作做久了,就把這張標籤貼進了自己的身分認同裡。於是,當公司重組、職位改變,或者原本熟悉的工作被 AI 接手,我們感受到的就不只是收入風險,而是一種更深的身分危機:如果我不再做這份工作,我還剩下什麼?

Christina Wallace 說,她以前也很難回答「請介紹一下你自己」

因為她學過數學、物理,做過劇場、音樂,也進入商業與科技領域,她的經歷並不是一條整齊的直線,反而像是許多條互相交錯的路,後來她找到了一個比較適合自己的說法。

她說自己是站在商業、科技與藝術的交集處。這個答案的重要性,不在於它聽起來很有創意,而是她終於不再用某一份工作定義自己,工作可以改變,產業可以改變,職稱也可以改變,但那個位於商業、科技與藝術交集處的人,始終存在。

這就是 AI 時代非常重要的第一項能力:你必須擁有一個比職稱更大的身分。

未來不是沒有路,但如果你只看得見一條?

Christina Wallace 提出的「Portfolio Life」,可以翻譯成投資組合式人生,我們通常只會把投資組合的概念放在金錢上,不要把所有資金壓在同一支股票、要分散風險、要依照人生階段調整配置、某些資產負責成長、某些資產提供現金流、某些資產則用來抵抗市場波動。

但奇怪的是,到了職涯這件事情上,人們卻經常做出完全相反的選擇。我們把所有收入放在同一家公司,把所有能力放在同一個職位,把所有人脈放在同一個產業,把所有成就感,綁在同一種工作表現上。

然後期待這個單一配置,可以一路支撐我們到退休??????

這看起來很穩定,但這只是風險尚未發生時的看起來很穩定。

Portfolio Life 的概念並不是叫每個人立刻辭職、斜槓,或者同時經營五種副業,它真正要處理的是:如何讓自己不要只有一種未來!

Wallace 把這套架構分成四個支柱:身分認同、選擇權、多元配置與彈性

① 身分認同回答的是「除了目前的職稱,我究竟是誰?」

② 選擇權回答的是「當環境改變時,我還有哪些門路可以走?」

③ 多元配置回答的是「我的能力、收入、人脈與經驗,是否全部集中在同一種風險裡?」

④ 彈性則是回答「在目前這個人生階段,我應該如何重新分配時間與力氣?」

這四件事彼此相連。

當你對自己的定義愈狹窄,能看見的選項就愈少;當選項愈少,你就愈容易把所有資源集中在同一條路上,然後人算不如天算的萬一那條路出現變化,你就愈沒有調整的空間。

很多人在這種情況下會以為自己沒有選擇,但真相可能不是沒有選擇,而是你用舊的身分認同,讓自己看不見選擇。

你看到的突然轉職,其實人家已經準備了二十年

演講中有一個很有意思的案例,Robert Lang 原本是一位物理學家,曾在 NASA 與科技公司工作,還擁有多項專利。二十年後,他離開物理領域,成為一名專業摺紙藝術家。

如果只看履歷上的兩個時間點,這人一定是腦子壞掉了,物理學家突然辭職,跑去摺紙???當然也可能被包裝成「勇敢追夢」的故事。

但真正重要的部分,往往就藏在履歷沒有寫出來的地方!Robert Lang 從六歲開始接觸摺紙,在擔任物理學家的那些年裡,他也沒有停止摺紙。他持續練習、研究、認識同好,也逐漸建立自己的方法與社群。

所以他後來的轉換,並不是從零開始,更不是某一天突然對人生不滿,衝動辭職,他只是把一個已經累積數十年的資產,從人生組合中的配角,調整成了主角。

更有趣的是,他並沒有把物理學丟掉,他運用雷射技術在紙張上製作摺線,也開發摺紙設計軟體,後來還參與可折疊衛星、汽車安全氣囊與植入式醫療器材的設計。

他不是從物理學家「變成」摺紙藝術家,而是把物理與摺紙重新組合,成為「那位懂物理的摺紙專家」。

這剛好就是投資組合式人生最有力量的地方,不是不斷丟棄過去的經驗,專注追逐新的熱門技能,而是讓過去累積的不同能力,可以在某一個時間點迸發出新的連結機會。

很多人以為跨領域代表什麼都不精,但有價值的跨領域從來不是「我什麼都碰過一點」,而是你能不能把兩個原本分開的世界,連接成別人沒有或看不見的位置。

AI 會讓能力變便宜,卻讓判斷變得更昂貴

AI 帶來的一個重要變化是許多過去昂貴的能力,正在快速變的非常便宜,寫一份企劃案以前可能需要數天,現在幾分鐘就能產生初稿。整理資料、翻譯文件、分析表格、製作簡報、生成程式碼,過去都需要一定的門檻與執行成本,現在,這些能力逐漸變成每個人都可以取得的 #基礎設施。

當所有人都能使用相似的模型、相似的演算法與相似的工具,差異就不再只是「誰會使用 AI」,因為會使用很快就會變成基本能力,而讓你與其他人拉開差距的是:你用 AI 做了什麼判斷?你選擇解決哪一個問題?你相信哪些資料?你如何分辨一份看似完整的答案,其實建立在錯誤假設上?你知道什麼時候應該加速,又知道什麼時候必須停下來重新確認?

演講中提到一項針對創業者的研究

原本表現較好的創業者,在使用 AI 之後,績效提升了約百分之十到十五;但原本表現較差的人,結果反而下降了約百分之八!

這個結果很值得注意,AI 並沒有自動把每個人拉到同樣的水準,它更像一個放大器,你原本判斷正確就幫你更快推進,你原本方向錯誤就讓你更快抵達錯誤的地方。

所以 AI 時代真正稀缺的不再是知識,而是判斷力。

判斷力不是讀出來的,是碰撞出來的

很多人面對快速變化的環境,第一個反應是繼續學習,再上一門課、再讀一本書、再研究一個工具、再看十支教學影片。

學習當然重要,但學習有時候也會變成一種非常安全的拖延,因為只要 #還在準備,我們就不必承擔做錯決定的風險。

可是判斷力無法只靠輸入建立啊!你可以讀一百本創業書,卻仍然不知道自己的產品應該如何定價;你可以研究十種 AI 工作流,卻仍然不知道哪一個流程值得自動化;你也可以背熟所有品牌理論,卻無法判斷這一篇貼文究竟是在建立信任,還是在消耗 TA。

判斷力來自一個不斷循環的過程

先診斷問題,根據現有資訊做出計畫,執行,觀察結果,然後最關鍵最重要的是誠實的回答:我哪裡判斷正確?哪裡判斷錯誤?下一次要修改什麼?

這個循環的關鍵不是每一次都一次就做對,而是每做一次,你都比上一次更接近真實的現實。AI 可以協助你整理資訊、模擬方案、預測風險,甚至提出你沒有想過的選項,但它不能替你承擔結果,也不能替你建立那些從錯誤、代價與修正中長出來的直覺。

所以,當 AI 讓執行變得更快時,人反而更需要刻意保留「回頭檢查自己為什麼這樣決定」的能力,不然我們只會變成操作速度很快,卻不知道自己正在往哪裡走的人。

你的獨特性,不該是你比別人多會一個工具

很多人現在都在焦慮一件事:當 AI 什麼都會,我還有什麼不可取代?

這個問題本身就藏著一個陷阱,因為這個問題還是在用「技能清單」理解競爭。我會寫文案,AI 也會。我會畫圖(其實我只會畫很抽象的玩意),AI 也會。我會分析資料,AI 也會。

所以人們開始瘋狂尋找下一個 AI 還不會的技能,希望找到一個安全的舒適區,但這樣的舒適區不會存在太久,因為任何可以被清楚定義、重複執行與大量驗證的工作,都有可能逐漸被自動化。

人的優勢不該建立在「AI 永遠做不到什麼」,而應該建立在:你如何決定什麼值得做。

Wallace 認為,人的核心優勢在於身分認同

這裡的身分,不是姓名、年齡、職稱或產業,而是你走過的經歷、長期累積的興趣、看事情的角度、所在的社群,以及不同能力交會後形成的獨特觀點。

一位懂心理學的電商經營者和一位只懂投放技術的電商經營者,會看到不同的消費者。

一位有劇場經驗的企業講師和一位只熟悉簡報製作的企業講師,會設計出完全不同的課程節奏。

一位做過客服、內容與產品開發的人,在規劃 AI 客服系統時,也會比只懂模型串接的人,更清楚哪些問題不能只追求回覆速度。

差異,不是由你會多少項能力來定義的,而是基於這些能力,怎麼在你身上形成一個只有你看得到的位置。

就像創新很多時候也不是憑空發明,只是靈光一閃的把某個領域裡已經存在的方法,搬到另一個從未這樣使用過的情境。這種能力被稱為「聯想思考」,你可以連起多少看似無關的點,正取決於你曾經進入過多少不同的世界。

所以,那些沒有寫進正式履歷的經驗,不一定是浪費生命,那些曾經學過但沒有成為職業的技能、很久沒有使用的創作能力、看似與目前工作無關的人脈與興趣,很可能都是尚未被啟用的資產,只要遇到適合的組合方式就可能迸發出全然不同的視角!

領導不是給答案,而是替混亂找到意義

AI 時代不只是讓個人職涯變得不確定性提高,每一位主管、創業者與帶領團隊的人,也都會面對同一個問題:當我自己都無法確定未來會發生什麼,我要如何帶領別人?

過去的領導者常常被期待提供答案,制定策略、分配資源、設定目標,再要求團隊按照計畫執行。

但在高度不確定的環境裡,答案的有效期限正在快速縮短,一個半年前制定的策略,可能已經建立在過時的技術條件上;一套曾經有效的行銷流程,可能因為平台規則改變而突然失效。

這時候,領導者不可能假裝自己知道所有答案,但他還是必須提供方向給自己的團隊,Wallace 把這件事稱為 #敘事領導。

它不是會說故事,也不是把困難包裝成激勵人心的口號。

敘事領導的本質是把一連串混亂的事件重新賦予意義,我們經歷了什麼?哪些事情已經改變?哪些原則仍然沒有改變?為什麼現在要做這個選擇?即使結果不確定,我們希望成為什麼樣的團隊?

好的領導者不一定能準確預測未來,但他能幫助人們理解自己目前站在哪裡&為什麼值得繼續往前走。

這也是 AI 很難取代的能力,AI 可以產生一個結構完整的故事,但它沒有和這群人一起經歷失敗,沒有承擔裁員、轉型、資源不足與錯誤決策的代價。

它可以整理事件,卻不能自動賦予事件真正被團隊共同相信的意義。

敘事的可信度最終仍來自一個人過去的判斷、選擇與承擔的積累。

你的人生組合,現在是不是過度集中?

聽完這場演講之後,我認為 Portfolio Life 最值得思考的,不是「我要不要開始斜槓」,而是更根本的幾個問題:如果明天不能再使用目前的職稱介紹自己,我會怎麼說我是誰?除了現在正在變現的能力,我還有哪些長期累積、但尚未被正式使用的資產?我的收入、人脈、知識來源與成就感,是不是全部集中在同一家公司、同一個平台或同一個產業?我現在做的每一件事,是在增加未來的選擇,還是在讓自己更加依賴唯一的一條路?

還有一個更重要的問題!我最近一次真正做出決定、承擔結果,再回頭修正自己的判斷,是什麼時候?

AI 時代確實會有很多工作消失,但同時也會出現大量過去不存在的位置,只是這些位置,未必有現成職稱,也未必有一條標準訓練路徑,它可能出現在兩個產業的交界,可能來自一項多年沒有使用的能力,更可能是你曾經以為「和工作無關」的興趣,又或者來自你對某個問題長期累積、但從未正式說出口的觀點。

未來不是沒有機會,只是機會愈來愈不像一個已經寫好職務說明、等著你投遞履歷的職缺,像一扇還沒被命名的門,至於你能不能看見那扇門,取決於你是否願意放下那個過度狹窄的自我定義。

也就是說 AI 時代,最需要重新設計的不是你的履歷,而是你對於「我是誰」的答案,因為當你只能用一個職稱定義自己,一旦那個職稱消失,你的世界也會跟著縮小;但當你知道自己是一組能力、一段經歷、一種觀點,以及許多尚未被重新組合的可能性時,你失去的頂多就是一份工作,你的人生並不會因為當前工作的消失就失去意義。

喔~~~其實還有三篇想分享的切角誒!要不要繼續寫🤔

#知識衛星 #搶佔AI紅利 #哈佛講師的22堂商業課

本文原發表於 2026/07/27 的 Facebook 貼文,原文照登,僅調整網頁排版;文中提及的產品、價格與活動以當時為準。

繼續追蹤酒Ann想看更多 AI 系統、工具實測、品牌方法與生活觀察,歡迎前往 酒Ann 的 Facebook

延伸學習

把這篇文章分享給需要的人FacebookLINEThreadsX

常見問答

Portfolio Life 是叫人去斜槓嗎?
不是。它並不是叫每個人立刻辭職、斜槓或同時經營五種副業,它真正要處理的是:如何讓自己不要只有一種未來。
為什麼說 AI 讓判斷變得更昂貴?
因為寫企劃、整理資料、生成程式這些能力正變成人人可得的基礎設施,拉開差距的是你用 AI 做了什麼判斷:選擇解決哪個問題、相信哪些資料、分辨得出看似完整卻建立在錯誤假設上的答案。
判斷力可以靠一直上課讀書累積嗎?
學習重要,但有時會變成安全的拖延,因為還在準備就不必承擔做錯的風險。判斷力來自診斷、計畫、執行、觀察結果,再誠實回答哪裡判斷錯了、下次修改什麼的循環,AI 不能替你承擔結果。
什麼是敘事領導?
不是會說故事或把困難包裝成口號,而是把一連串混亂的事件重新賦予意義:哪些已經改變、哪些原則沒變、為什麼現在做這個選擇,幫助團隊理解自己站在哪裡、為什麼值得繼續往前走。