作者：默思編輯部 發布：2026-10-07
Apollo Global Management的一項研究比較了AI高暴露與低暴露職業的薪資變化。結果顯示，2023年之後，被歸類為高暴露的職業，其實質薪資成長比低暴露職業慢6.7個百分點。這個差距並不是來自失業率的大幅上升，而是來自薪資成長速度的分岔。
研究者認為，企業可能正在透過工資壓縮（wage compression）來吸收AI帶來的生產力提升。意思是，企業不一定立即裁員，而是讓員工在同樣或更多的工作中，拿到相對較少的薪資漲幅。當AI讓工作變得更有效率時，部分效率就被轉化為企業的利潤，而不是員工的加薪。
需要注意的是，AI高暴露指的是工作任務中有相當比例可以由AI執行或輔助，並不等於這些職業一定會減少。許多高暴露職業的工作者，實際上是利用AI提升了產出，只是這份提升沒有完整反映在薪資上。因此，這個研究提醒我們，問題可能不只在於「有沒有工作」，而在於「工作的報酬怎麼分配」。
如果你的工作屬於高暴露類別，有幾件事值得留意。第一，觀察薪資成長與同業相比是否落後。第二，把自己的AI應用成果寫進年度考核與履歷，讓成果有明確的數字。第三，考慮往需要判斷與監督AI的角色移動，因為這類角色通常比較難被壓縮薪資。
研究本身也有其侷限，例如樣本與分類方式都會影響結果，因此不宜把單一數字當作定論。但它提供了一個清楚的思考方向：AI時代的競爭力，不只看你會不會用工具，也要看你能不能讓自己的價值被定價。
工資壓縮的感受通常很模糊：你的工作變得更有效率，但每年的調薪幅度並沒有明顯增加，甚至在同一職級中的起薪也逐步降低。這種情況下，最有效的應對是建立可以比較的基準。例如，記錄你的產出量、品質指標與團隊的評價，並定期查詢同產業同職級的薪資行情。當數據在手，你就能分辨問題是出在個人表現、公司預算，還是整體市場。
此外，如果你發現自己的職業屬於高暴露類別，也可以開始評估跨職能的機會。能同時理解技術與業務的人，通常比單純執行任務的人更不容易被壓縮薪資。
另外，這項研究的分類方式也值得留意。AI曝光程度是以任務層級估計的，同一職業內部的任務組合可能差異很大，因此個人實際受到的影響，仍需要對照自己的工作內容來判斷。
若想把技能轉化為可以定價的專案成果，可以參考Python課程的實作課程規劃。