AI 時代的職涯防身術：資深、中堅、新手各該練什麼
同一場 AI 內訓，我常在台下看到三種表情。資深主管的眉頭在問：「我累積二十年的經驗，還值錢嗎？」工作七八年的中堅在想：「我會的它好像都會了。」剛入行的新人最安靜，因為他的問題最難開口：「以前靠打雜學功夫，現在雜事被 AI 做完了，我從哪裡學起？」
三種不安，是同一件事的三個切面：AI 把工作裡「有模式可循」的七成吃掉了，每個人都得重新回答「我貢獻的是哪三成」。
Addy Osmani 在《Vibe Coding: The Future of Programming》第二章「Beyond the 70%」正面回答了這題。70% 問題本身我在〈70% 問題〉拆解過，這一章則是給三個職涯階段的具體練法。原文寫給工程師，但把 senior、mid-level、junior 換成任何專業的資深、中堅、新手，這些建議幾乎原封不動成立。這篇就做這件翻譯，加上我在台灣企業課堂裡看到的對照。
這篇文章整理了 Addy Osmani 給資深、中堅、新手三個職涯階段的 AI 時代練法，轉譯成任何專業都適用的防身術，附耐久技能清單與無 AI 日的做法。適合擔心經驗貶值、被 AI 夾擊或不知道從哪學起的人閱讀。
資深者：從「自己做得好」改成「出題與驗收」
書裡引 Steve Yegge 的觀察：未來組織可能只需要「資深合夥人」，他們做兩件事——描述要做的事（出題），審查做出來的成果（驗收）。AI 是打字飛快的手，你是腦。
這對資深者是好消息，前提是你願意換姿勢。Osmani 給的角色定位是「架構師兼總編輯」：讓 AI 寫第一稿，你定方向、把關品質。你多年累積的直覺——看到一個方案「怪怪的」就渾身不對勁——書裡說得很白：十之八九，那個不對勁是真的，AI 漏掉了你看得見的東西。
還有兩件資深者專屬的事。第一，當教練，但別當唯一的安全網：如果新人把 AI 的原始產出直接丟給你收尾，要建立「先自我驗證再上交」的規矩，否則你會被審查量壓垮。第二，把企圖心調大:AI 讓「值得投入」的門檻降低了，那些「要是有空就好了」的改善計畫，現在真的有空了。
轉譯到非工程領域一樣通：資深會計、行銷、法務的價值，正在從「做得又快又好」移向「知道什麼是好、能把要什麼說清楚」。我重建 pbtw.tw 時對這點體會很深——速度來自 AI，方向感來自那些年踩過的坑；因為知道哪裡容易出事，我驗收得快、退稿退得果斷。課堂上我也發現，最快上手 AI 協作的常是資深主管，因為「出題與驗收」是他們本來就會的事，只是對象從部屬換成了 AI。
中堅者：壓力最大，從執行者升級成整合者
書裡對中堅層說得最直接：你面對的演化壓力可能最大，因為占據你大部分時間的執行類工作，正是 AI 最擅長的。但結論不是淘汰，是「升維」(elevation)。書中給工程師的清單，我轉譯成五個任何專業都能對照的方向：
- 守住接縫：系統之間的邊界是 AI 最弱的地方。對工程師是 API 與資料模型；對其他專業，是部門與流程之間的交接面。AI 預設解「一般情況」，接縫處的特例與模糊地帶，要靠人不斷問「如果……會怎樣？」
- 領域深耕：選一個 AI 缺乏脈絡的領域鑽下去——有法規要求、涉及隱私、容錯空間極小的場景。領域知識是 AI 訂閱買不到的。
- 品質把關:Yegge 說「每個人都得更認真看待測試與審查」。把 AI 的產出當新人交上來的東西，預設「沒驗證過就是不能用」。
- 系統思考:AI 不知道你的專案歷史與決策理由。脈絡由人來扛，它建議的「聰明捷徑」違反慣例或法規時，你是那個接住的人。
- 跨職能翻譯：執行變快之後，「把需求講清楚」的人更值錢。在業務與技術、客戶與團隊之間翻譯，是書裡點名的耐久技能。
書裡還補了一刀：中堅者值得去補產品與設計思維，因為執行門檻下降後，「懂使用者要什麼」的判斷變成稀缺品。
我在內訓的觀察是：課後留下來問最久的，幾乎都是年資五到十年的人。我給的建議都一樣：
我的經驗：把履歷上的「我做得快」，改寫成「我能讓一件事從頭到尾不出錯」。前者 AI 也敢寫，後者只有你敢簽名。
新手：梯子變短了，但沒有被抽走
書裡舉了個典型的新人任務：照既有模式做一個新功能，以前要一天，AI 協助下一小時完成。任務沒有消失，但關鍵能力換成四件：正確描述需求、審查產出的風險與邊界、維持一致性、驗證成果符合業務邏輯。
重點：新手的起跑線，從「會做」直接移到「會看」。
書中給新手的練法，我濃縮成四條：
- 基本功不跳過「為什麼」：把 AI 當家教，不是答案販賣機。拿到產出，追問它為什麼這樣做、換個做法會怎樣。書裡的警告很重：只複製貼上，你不是在學習，是在消費，累積的是離不開 AI 的依賴。
- 練習時偶爾拆掉安全網：遇到問題先自己試著解，再請 AI 出手——學到的多十倍，下次也更會指揮它。
- 先養成驗證習慣：書裡有句話我想印成貼紙——「如果你抓到 AI 的錯，你就做了 AI 做不到的事」。那就是你的價值。
- 把產出當教材，不是當答案：拆解它、改寫它、想想自己原本會怎麼做。這是書裡說的關鍵心態轉換：從消費到創造。
我帶學員做第一個小工具時有條固定規則：做完要能跟隔壁的人解釋它怎麼運作，解釋不出來就回去問 AI，問到能解釋為止。消費和創造的分水嶺，就在這一步。
共同必修：耐久技能清單與「無 AI 日」
書末整理了一份「耐久技能」清單——之所以耐久，是因為它們不會隨下一波工具改朝換代而過期。我把它轉成不限工程師的版本：
- 看清問題：動手前把問題定義清楚，決定該做什麼
- 拆解與設計：把大事拆成可驗收的小事
- 驗收與品質判斷：知道「好」長什麼樣子，並且說得出理由
- 領域深度：累積 AI 沒有的脈絡
- 溝通與協作:AI 不開會（書裡原話：謝天謝地），人還是要對齊人
- 適應與持續學習：工具會一直換，會學的人不怕換
- 用 AI 本身：這也是技能。Simon Willison 的講法是，AI 讓強者更強——「LLM 是給進階使用者的電動工具」，工具在能者手上效果才放得大
至於怎麼確認這些技能還在，書裡給了一個樸素但有效的做法：AI-free day，無 AI 日。定期挑半天，關掉 AI，把日常工作自己做一輪——自己寫一份摘要、排一個流程、讀一次錯誤訊息。目的不是懷舊：一是確認「離開 AI 你還剩多少」，二是讓你下次用 AI 時更知道哪裡該盯。我自己的版本是：維護 pbtw.tw 時，小修改先自己動手，卡住超過十分鐘才開 AI——事後回看，那十分鐘往往就是我真正變強的十分鐘。想把這類練習排成系統化計畫，可以參考〈用 AI 設計你的刻意練習計畫〉。
練法總覽
常見問題
問：我不是工程師，這套三層建議真的適用嗎？
答：適用，因為它的本質與程式無關——當執行被加速，價值就往判斷移動。差別只在你的「接縫」與「驗收標準」長什麼樣：會計的接縫是科目與流程的交界，行銷的驗收是成效定義。把書裡的名詞換成你的領域，句子照樣成立。
問：新手還值得入行嗎？會不會根本沒位子？
答：書的判斷是門檻變高，不是門關上。公司訂閱一個 AI 就能得到「會產出的人」，所以新手要帶上訂閱買不到的東西：可靠、會驗證、持續變強。
問：無 AI 日會不會反而拖累效率？
答：短期會慢一點，所以挑低風險的時段與任務，別在交期前一天實驗。把它當健身，不是當班表——當下消耗時間，但讓你之後跑得更久。
問：中堅該轉管理，還是繼續深耕專業？
答：書給的方向是兩者的交集：整合與品質不必是頭銜，是能力。先把「讓事情從頭到尾不出錯」練成口碑，管理或專業路線都通，因為兩條路缺的都是這種人。
這三層練法，沒有一層是看完文章就會的，都需要場地和同伴。我把 AI 協作與刻意練習的方法持續整理進社群，也常在那裡回答不同職涯階段的提問——歡迎加入 PBTW 的 LINE 社群，那裡有一群正在練同一套防身術的人。
這篇文章萃取自我的筆記〈書摘筆記|Vibe Coding: The Future of Programming(Addy Osmani)〉(/note-vibe-coding-book-osmani/)