Fiona Signal Radar
別再用舊邏輯賭未來：職涯路徑已從「線性爬升」轉為「技能組合」——LinkedIn 高層說你有六年，但石頭掉落的速度可能是十八個月版的。
Signal
如果你也為了「AI 將取代大部分的職缺」的論調感到焦慮，想做點什麼來改變現狀卻苦於找不到方向，那麼這則來自 LinkedIn 高層的訪談，或許能為你指出一條具體的應對路徑。
Core Narrative · 核心訊號
Key Signals · 三個核心主張
LinkedIn 首席經濟機會主管 Aneesh Raman 直言：傳統職涯階梯正在消失，取而代之的是「攀岩牆」——你必須橫向移動、動態調整，而不是直線往上爬。他援引自家數據：到 2030 年，多數工作所需技能將有高達 70% 的改變。建議是「忘了你的 10 年計畫，專注把今天的自己建設成明天的自己」。
這番話沒有說錯。但在看建議之前，得先知道說話者站在哪個位置：LinkedIn 的商業模式建立在人們不斷找工作、刷技能、維持數位存在感之上。職涯越不穩定，平台越有價值。但這並不代表這些建議不中立，只是這個背景得先了解。
Raman 認為，工業時代為了秩序與穩定而建立的「組織圖」，在 AI 時代反而成為阻礙。他呼籲企業不要苦等由上而下的轉型計畫，而是習慣讓員工自行跨越部門界線去摸索 AI 的應用。這個建議的核心是：靈活度本身就是一種競爭力，僵化的系統在指數加速環境裡會自然淘汰。
訪談中提出的實用框架分三層：第一，把 AI 已能做的事交給它（生成程式碼、分析、初稿）；第二，用 AI 實驗創造新事物；第三，把省下來的時間拿去做人與人之間的協作與創造。這個框架的邏輯是務實的——不是對抗 AI，是把自己從執行端移到決策端。
Analysis
70% / 2030 年這個數字，背後的假設是 AI 的滲透是漸進的，有個給人類準備的過渡期。這個假設在 2024 年初或許還勉強成立。但 2026 年的現實已經不是這樣了。
美國頂端在打「最強模型」的軍備競賽——GPT、Claude、Gemini 每隔幾個月就重畫能力天花板。中國走的是另一條路：蒸餾技術（Distillation）加上量化壓縮，把需要頂級算力才能跑的能力，壓縮到人人可以本地部署的規模。DeepSeek 的邏輯不是追 GPT-4，是讓 GPT-4 等級的能力變得跟安裝一個 App 一樣普通。加上中國內卷文化的競爭邏輯——從「誰做得最好」變成「誰做得最快最便宜」——這場擴散競賽又多了一個沒有剎車的加速器。
兩條線同時推進的結果：
中間那個「我還有時間慢慢轉型」的緩衝空間，被從上下兩端同時擠壓。
不是因為懶，也不是因為沒危機意識。是因為所有公開的預測框架都建立在漸進式轉型的假設上，給了一個「你有六年，現在開始還來得及」的安全感。但如果擴散速度是指數級的，六年的時間窗口可能已經在縮短。LinkedIn 的攀岩牆建議，策略方向沒錯——問題是給的是六年版的攀岩地圖，石頭掉落的速度可能是十八個月版的。
Fiona View
說回 LinkedIn 高層的建議——攀岩牆、技能首位、把 AI 當助手而不是對手——方向是對的，也是目前最務實的框架。不是因為完美，是因為沒有更好的選項。
真正能跟上 AI 發展速度的，只有 AI 本身。人類能做的，不是跑贏它，而是持續保持在賽場上的資格。
所以那句陳年雞湯——「不用跟別人比，比昨天的自己進步一點點就好」——在 AI 加速的時代，反而變成了最誠實的職涯建議。以前這句話是叫你放鬆，現在這句話是在告訴你：AI 那條線你追不上，也不需要追。你只需要確認，明天的自己還在場上。
Sources