> ## Content Index
> Fetch the complete content index at: https://growthhackers.tw/llms.txt
> Use this file to discover other available public pages before exploring further.

# AI 吃掉的不是小編，是小編變主管的那道階梯：Dan Koe 的「通才論」少講了一件事
- URL: https://growthhackers.tw/blog/ai-tool-skills-marketing-career-ladder/
- Published: 2026-09-05T13:00:00.000Z
- Updated: 2026-09-05T13:00:00.000Z
- Description: 把你公司行銷部門的職稱念一遍：小編、投手、美編、上架、EDM 專員。整張表都在 Dan Koe 說的 Layer 3，也就是 AI 最先歸零的那一層。但真正在斷的不是技能清單，是往上爬的那道階梯。
- Author: Lewis wang
- Tags: AI, 電商, 人才管理, AI 行銷, 數位轉型

先做一件很簡單的事。

把你公司行銷部門的職稱，一個一個念出來。

社群小編、廣告投放專員、EDM 專員、美編、上架人員、客服。

念完了嗎？我等一下告訴你這張表有什麼問題。

Dan Koe（@thedankoe）8 月 27 日在 X 上發了一篇長文，[〈We are in the middle of the digital renaissance〉](https://x.com/thedankoe/status/2093051293078261973?ref=growthhackers.tw)（我們正處在數位文藝復興之中）。裡面有一段我認為是全文最有價值的，他把一個人的能力拆成三層：

★ **Layer 1，人性基本功**：行銷、銷售、寫作、演說、心理學。搞懂人的注意力怎麼運作、別人憑什麼覺得你有價值。  
★ **Layer 2，領域癡迷**：你真正著迷的那件事。設計、健身、營養、程式、哲學都算。  
★ **Layer 3，技術工具技能**：Photoshop、EDM 發信軟體、無程式碼網站工具、社群後台操作。

然後他下了一句重話：Layer 3 以前最重要，因為學工具要花時間花力氣。現在 AI 輕鬆做完。**不要把你的未來押在對某個工具的熟練度上。**

現在回頭看你剛才念的那張職稱表。

小編、投手、美編、上架、EDM 專員。

整張表，全部在 Layer 3。

（利益揭露：他是靠賣線上課維生的創作者，文末一樣掛著 9 月開課的報名連結，所以請當成一個做很久的人在講看法，不是研究報告。我 8 月寫過他[另一篇長文](https://growthhackers.tw/blog/dan-koe-strategic-thinking-tactics/)，這裡不重複。）

![技能三層堆疊示意圖：Layer 1 人性基本功與 Layer 2 領域癡迷仍然穩固，最上層的 Layer 3 工具技能正在崩解消散](https://growthhackers.tw/content/images/2026/08/inline-skill-stack-v1.png)

技能三層堆疊示意圖：Layer 1 人性基本功與 Layer 2 領域癡迷仍然穩固，最上層的 Layer 3 工具技能正在崩解消散

## 但他的藥方，我不同意

Koe 的結論是叫你去當「數位文藝復興人」：什麼都學一點，經營個人品牌，做一人公司。

如果你問我，這個處方是寫給美國創作者看的，搬到台灣電商會出事。一人公司那條線我在[〈一人公司請 9 個 AI 員工的真相〉](https://growthhackers.tw/blog/ai-agent-one-person-company-moat/)整篇拆過，這裡不繞回去。

我要講的是他**漏掉的那件事**。

Koe 把這件事寫成一道個人選擇題：你自己要不要變多元一點。

但真正在斷的，不是你的技能清單。

是「往上爬」那條路本身。

## 數據長得跟你想的不一樣

史丹佛數位經濟實驗室（Stanford Digital Economy Lab）的 Brynjolfsson、Chandar 與 Chen 有一份研究叫[〈Canaries in the Coal Mine?〉](https://digitaleconomy.stanford.edu/publication/canaries-in-the-coal-mine-six-facts-about-the-recent-employment-effects-of-artificial-intelligence/?ref=growthhackers.tw)（煤礦坑裡的金絲雀），用的是 ADP 的薪資行政資料，涵蓋到 2026 年 6 月，2026 年 8 月 12 日剛改版。

先說清楚，這是**美國的資料**，台灣目前我沒看到對應的研究，所以下面的數字請當成趨勢訊號，不要當成台灣的現況。

裡面有幾個發現，順序很重要：

► **第一，他們沒有找到全經濟體大規模職位流失的證據。** 這句話請先記住，後面很多人會拿 AI 嚇你。

► 但是，22 到 25 歲、在「AI 高曝險職務」工作的年輕人，就業水準比「跟上低曝險同儕」的推估值**低了 19%**。

► 資深工作者呢？**沒有同等的落差。**

► 最關鍵的一條：這個縮減主要是透過**減少招聘**發生的，不是透過裁員。

看懂了嗎？

不是老闆把小編裁掉。

是老闆下次不開那個缺了。

而且落差集中在 AI 「取代」人力的職務，AI 拿來「輔助」的職務反而持平或上升。

這裡我要誠實一點：研究說的「高曝險職務」範圍比 Koe 的 Layer 3 寬得多，兩個不能直接畫等號。但方向是同一邊的。

## 這就像有人把梯子下面三階抽走了

想像一下，你公司的行銷主管明天離職。

以前你怎麼補？從自己的小編裡面挑一個做了兩三年、開始有點判斷力的拉上來。台灣電商一直是這樣長人的。你去 104、Cake 這些人力銀行翻一輪就會看到，社群小編跟電商行銷企劃之間，大概就隔著一個月薪級距。那個級距差，就是這道階梯的其中一階。

現在假設你為了省成本，這兩年入門的缺都用 AI 頂掉。

三年後你要從哪裡拉人？

梯子還在，上面那幾階也還好好的。有人把下面三階抽走了。站在上面的人沒事，想爬上來的人上不來。

而你三年後會發現，最缺的不是會操作的人。

是缺一個「知道什麼是對的」的人。

這段是風險推演，不是在宣告台灣現在已經變成這樣。但這筆帳，你現在就可以算。

## 上一次自動化，為什麼沒出事？

有人一定會反駁我：以前也這樣講過啊，ATM 出來的時候不是說銀行櫃員要完蛋了嗎？結果呢？

問得好，而且這個反例是真的。

波士頓大學的經濟學家 James Bessen 做過這份經典研究（[IMF《Finance & Development》](https://www.imf.org/external/pubs/ft/fandd/2015/03/bessen.htm?ref=growthhackers.tw)有他自己的說明）：1980 到 2010 年，美國全職約當的銀行櫃員人數不減反增，大約從 50 萬成長到 55 萬。1988 到 2004 年間，一家都會區分行需要的櫃員從 20 人降到 13 人。

那人去哪了？

**都會區的分行數量成長了 43%。**

因為每家分行變便宜了，銀行就多開分行去搶市佔。省下來的人力被組織擴張整個吸收掉，櫃員還順勢往上長成關係經營的角色，開始賣高毛利的金融商品。

Koe 講「抄寫員變成編輯，手織工變成機器操作員」的時候，講的就是這個模式。這個模式是真的。

但他沒講的是，那次之所以成功，靠的是**組織在擴張**。

這次不一樣的地方是，入門職的招聘先縮手了。

那台吸收裝置這次會不會出現，還沒定案。它取決於你把省下的人力成本拿去做什麼：多開通路、多跑實驗、多養會員經營，還是單純把缺砍掉。

![對照圖：1980 至 2010 年 ATM 普及時，都會區銀行分行成長 43%，把省下來的人力吸收掉；現在則是入門職缺的門關上，想進來的人被擋在外面](https://growthhackers.tw/content/images/2026/08/inline-atm-absorption-v1.png)

對照圖：1980 至 2010 年 ATM 普及時，都會區銀行分行成長 43%，把省下來的人力吸收掉；現在則是入門職缺的門關上，想進來的人被擋在外面

## 我自己就是走這道階梯上來的

講點自己的事。

我在雨傘產業待了七年。那七年我做過工廠業務、百貨專櫃的櫃哥、產品開發、品牌定位、行銷企劃、通路經營，後來才走到網路行銷。

現在回頭看，前面那幾段沒有一段是「學一個工具」。

站櫃的時候學到的是客人拿起傘又放下的那三秒在想什麼。跑工廠業務學到的是成本結構跟交期到底能凹到哪裡。這些沒有一堂課會教，也沒有軟體會幫你做完。

那是 Layer 1。

而我是靠著在 Layer 3 的位置上待了幾年，才慢慢把 Layer 1 長出來的。

不是我說，這才是那道階梯真正的功能。入門職缺表面上是在做執行，實際上是拿老闆的錢在練判斷力。你把入門職缺整個外包給 AI，等於是把這個練功房關掉。

## 那怎麼辦？

給老闆的三條：

► **算一下三年後的補位成本。** 假設你今天用 AI 省掉一個月薪 35,000 的入門缺，很爽。三年後你要從外面挖一個有判斷力的行銷主管，市場行情多少、要花多久找、進來要多久熟悉你的品類，把這筆帳算完再決定。

► **留住入門職缺，但把工作內容整個換掉。** 例如，以前小編的工作是「這週產出 20 則貼文」，現在應該是「從 AI 產的 40 則裡挑 5 則，並且說得出為什麼」。前者 AI 直接做完，後者是在練 Layer 1，而且產出還更好。

► **把判斷權提早下放。** 讓執行的人參與看數據、參與復盤、參與砍掉自己做的東西。判斷力不會因為你升他當主管就自動長出來。

給個人的兩條：

► **停止在 Layer 3 加碼。** 你再學第七個 AI 工具，是在正在歸零的那一層堆沙包。真正該搶的是「決定要做什麼」的那一步。

► **主動去要一個有輸贏的決定。** 跟主管說這檔活動的受眾我來抓、這組素材我來選，然後承擔結果。這比你上十堂課有用。AI 確實讓一個人的火力變大，這點我在[Garry Tan 那場訪談的矛盾](https://growthhackers.tw/blog/garry-tan-founder-agentic-coding-advantage/)聊過，但火力大不等於知道要打哪裡。

![入門職缺工作內容改造對照圖：以前是自己產出 20 則貼文，現在是從 AI 產的 40 則裡挑出 5 則並說得出為什麼](https://growthhackers.tw/content/images/2026/08/inline-judgment-work-v2.png)

入門職缺工作內容改造對照圖：以前是自己產出 20 則貼文，現在是從 AI 產的 40 則裡挑出 5 則並說得出為什麼

## 最後講一件台灣電商特別佔便宜的事

Koe 在文章裡把最後的答案交給一個很玄的詞：taste（品味）。他說 AI 的產出沒有觀點，你要用品味去塑形它。

創作者只能靠品味，因為好壞很主觀。

但你做電商不一樣。

你的判斷力有計分板。A/B 測試的勝率、加購率、退貨率、回購率，每一個都在告訴你「你剛才那個判斷是對的還是錯的」。你不用等三年才知道自己有沒有品味，你這一檔就知道了。

以前，這個計分板是拿來考核你的。

現在，它是你練判斷力最快的那條路。

工具會一直換，這年頭就是換工具、換平台、換演算法。但「知道什麼是好的」，只能靠一次次下判斷、看計分板打臉自己，慢慢磨出來。

所以那張職稱表，該重寫的不是上面的工具名稱。

是每一格背後，那個人有沒有在練判斷。

**協作聲明與免責**

這篇文章由王董與 AI 一起整理製作完成。文中引用的第三方資料、研究或工具都會標註來源名稱；若原始出處有公開連結，會以 `[來源名稱](URL)` 形式附上，方便你進一步查找。若文中內容與原始出處有任何出入，請以原文為準。

內容僅供參考與學習交流，不構成任何專業、商業或投資建議，請依自身情況判斷並自行承擔行動風險。文中提及的工具功能、數據與平台政策可能隨時間異動，請以各官方最新公告為準。