[AI 影響] AI分詞到未來職場的關鍵變化

 [AI 影響] AI分詞到未來職場的關鍵變化

摘要 : AI其實靠分詞、機率預測與上下文運作，並非真正思考；理解其侷限與Knowhow價值，將是未來關鍵。

內容:

想了解AI，首先要先理解它最基礎的動作：分詞。分詞可以視為人類語言與AI語言之間的翻譯過程。當人類輸入一句話時，系統會先把文字拆成一個個token，再進一步轉成對應的數字，也就是token ID。這些token ID才是AI真正能理解與處理的語言，之後才會送入大語言模型進行計算。

很多人以為大語言模型像人類一樣，會先思考、分析，再給出答案，但其實並不是如此。大模型本質上是一個數學函式，它不會思考，只會計算。它每次只能產生一個token，也就是一次只輸出一個單位的答案，所以我們平常看到AI像是一個字、一個字慢慢生成回覆，其實正是它逐步計算與輸出的結果。

而AI之所以能持續產生內容，是因為它會根據接收到的所有資訊，去計算詞表中每個候選詞出現的機率，再選擇最有可能的結果作為下一個輸出。因此，AI看起來像是有智慧，實際上是因為它不斷在做高機率預測，而不是像人類那樣真正理解世界。

這也帶出一個重要問題：高機率不等於正確答案。AI之所以可能答對，是因為某個答案在資料中出現機率最高；但如果錯誤資訊被大量散播，錯誤答案的機率也可能上升，甚至超過正確答案。這代表AI不僅會出現幻覺，也可能被輿論、內容操作與商業手法所影響。

近年出現的GEO（生成式引擎最佳化），正是建立在這種邏輯之上的商業模式。透過最佳化網路上的產品資訊與內容格式，讓AI更容易將這些內容判定為高品質、高相關，進而提高推薦機率。這說明AI的回答不只可能出錯，也可能受到商業利益引導，尤其對老人與孩子這類較缺乏判斷能力的使用者來說，更需要建立正確認知：AI可以參考，但不能盲信。

除了輸出邏輯，AI還高度依賴Context，也就是上下文。上下文包含對話歷史、使用者提示詞、系統提示詞，以及AI正在生成中的內容。這些資訊會被一併送入模型，成為它預測下一個token的基礎。若把LLM比喻成AI的大腦，那麼Context就像它的短期記憶。

而這個記憶是有上限的，這個上限就叫Context Window。它指的是模型單次最多能處理多少token。目前主流模型的上下文容量已經相當驚人，基本都能超過100萬token，換算成中文約可達150萬字。對一般使用者而言，問題往往不是夠不夠用，而是如何有效利用這麼大的容量。

為了讓AI接觸更多外部資料與工具，於是出現了MCP，也就是模型上下文協議。它可以理解成AI世界裡的統一接孔，像電腦的USB一樣，讓模型能更方便地連接外部能力。在這個基礎上，又延伸出幾個重要概念，例如Workflow工作流、Agent智慧體、智慧體駕馭框架，以及Skill技能包。

如果把整個AI系統想像成一座工廠，那麼工作流就是高度自動化的生產線；智慧體則像是能規劃、執行任務的AI員工；而智慧體駕馭框架則像主管，負責協調、管理與約束這些智慧體，避免它們失控或出錯。至於Skill技能包，則像是每位AI角色所擁有的專業能力證照，不論是文案、設計、維修、表格，甚至各行各業的專業技能，都可以被封裝成工具供AI調用。

這也讓知識的形態出現巨大改變。對人類而言，知識往往需要長期學習、練習與內化；但對AI來說，知識更像是可直接使用的工具。一旦具備相關能力模組，它就能快速投入工作。這種效率差距，對許多職位都形成了壓力。

因此，未來人類真正的競爭力，可能不再只是會不會用AI，而是是否擁有Knowhow。Knowhow指的是一個行業長時間累積下來的隱性經驗，是那些沒有完整寫在書上、卻存在於專家判斷與實作細節中的能力。這種能力來自實戰、直覺、感受與判斷標準，也是AI最難直接取代的部分。

例如同樣是做出百萬播放影片，新手可能需要反覆嘗試很多次，但有經驗的創作者往往能更快掌握觀眾心理、節奏、選題與傳播方式，因此更有機會一次成功。這種差距，不只是技術工具的問題，而是Knowhow的差距。

相關就業資料也反映了這種趨勢。當高Knowhow的高級崗位仍維持成長時，低Knowhow的初級崗位卻開始下滑，尤其在生成式AI普及後，這個差距變得更加明顯。這代表AI正在重塑職場門檻，也讓年輕人在還沒真正累積工作經驗前，就面臨被替代的壓力。

這也引發兩個值得深思的問題。第一，年輕人若在進入職場前就被AI取代，未來該如何累積自己的Knowhow？第二，已經擁有Knowhow的專家，是否還願意繼續分享自己的經驗？因為在AI時代，知識分享不再只是幫助後進，也可能同時成為提升AI能力、加速取代更多人的來源。

最終，這些問題或許沒有簡單答案。但可以預見的是，未來世界的人可能會分成兩個方向：一群人選擇回歸家庭、自然、身體、信仰與真實關係，重新尋找文明的源頭；另一群人則全面奔向AI、機器人、腦機介面與新生產力革命，探索文明的下一站。這兩條路，也許都代表著人類在新時代中的不同選擇。