Apakah Masa Depan Kerja? Takrifan Berasaskan Bukti, Bukan Ramalan

Oleh Victor Hoang · Dikemas kini 22 September 2026

Masa depan kerja ialah peralihan berterusan yang boleh diukur dalam tugas yang dilakukan orang, kemahiran yang diperlukan tugas itu, cara organisasi distrukturkan, dan cara output dihasilkan, yang kini didorong terutamanya oleh AI. Ia bukan satu peristiwa tunggal, tarikh tetap, atau keputusan muktamad tentang pekerjaan mana yang akan lenyap. Ia ialah satu set aliran yang sudah kelihatan dalam data buruh, tinjauan penerimaan, dan carta organisasi, kebanyakannya tidak lengkap dan sebahagiannya bercanggah.

Takrifan itu lebih sempit daripada apa yang dijual di persidangan. Tanya sepuluh perunding apa maksud "masa depan kerja" dan anda akan mendapat sepuluh ramalan, kebanyakannya diunjurkan daripada pelan hala tuju satu vendor. Koleksi ini memperlakukan frasa itu secara berbeza: sebagai dakwaan yang memerlukan sumber, kaedah, dan tarikh, bukan slogan yang memerlukan sehelai slaid.

Apa Sebenarnya Maksud "Masa Depan Kerja"

Tolak pemasaran, dan empat perkara sebenarnya sedang bergerak, masing-masing dengan asas buktinya dan garis masanya sendiri.

Komposisi tugas. Dalam pekerjaan sedia ada, tugas khusus yang dihabiskan masa oleh seseorang sedang berubah. Seorang perekrut masih merekrut, tetapi menggubal mesej jangkauan pertama, menyaring resume, atau meringkaskan panggilan semakin kerap dilakukan melalui alat AI terlebih dahulu. Jawatannya stabil. Senarai tugas di bawahnya tidak.

Keperluan kemahiran. Apa yang dianggap kepakaran bernilai dalam sesuatu peranan berubah apabila mesin boleh melakukan bahagian rutinnya. Menilai output AI, menangkap jawapan yang salah, dan mengetahui bila tidak mempercayai alat itu menjadi kemahiran tersendiri, di atas apa sahaja yang sedia dituntut oleh pekerjaan itu.

Struktur organisasi. Siapa menyelia siapa, berapa ramai orang yang diawasi seorang pengurus, dan berapa lapisan antara pekerja barisan hadapan dengan eksekutif semuanya berada di bawah tekanan senyap, walaupun jauh lebih perlahan dan tidak sekata daripada yang dicadangkan oleh kebanyakan carta organisasi yang dilukis di papan putih.

Cara kerja dihasilkan. Gabungan usaha manusia, perisian, dan kini ejen AI yang bersama-sama menghasilkan sesuatu output, tiket sokongan yang ditutup, ciri yang dihantar, kontrak yang ditandatangani, sedang berubah di dalam aliran kerja individu sebelum mengubah apa-apa yang kelihatan di peringkat bilangan kakitangan.

Tiada satu pun daripada empat perkara ini memerlukan "AI menggantikan pekerjaan" benar. Kesemuanya sudah boleh diukur tanpa dakwaan itu, dan itulah sebabnya ia lebih berguna kepada pemimpin yang membuat keputusan sebenar berbanding angka tajuk berita tentang pengangguran besar-besaran yang belum berlaku. Untuk huraian penuh kajian terukur di sebalik empat peralihan ini, termasuk dakwaan mana yang kukuh dan mana yang belum, lihat bagaimana AI mengubah kerja dan apa yang ditunjukkan oleh bukti.

Jurang Penerimaan Berbanding Impak

Fakta paling penting bagi mana-mana eksekutif yang membaca kandungan tentang masa depan kerja pada 2026 ialah ini: penerimaan AI dan impak perniagaan AI bukan lengkung yang sama, dan jurang antara keduanya kini sangat besar.

Tinjauan State of AI 2025 oleh McKinsey terhadap hampir 2,000 organisasi mendapati 88% kini menggunakan AI dalam sekurang-kurangnya satu fungsi perniagaan. Itu hampir penerimaan sejagat. Tetapi hanya 39% organisasi itu mengaitkan sebarang impak EBIT yang boleh diukur dengan penggunaan AI tersebut, dan kebanyakan daripada kumpulan itu mengatakan impaknya kurang daripada 5% pendapatan. Hanya 6% layak sebagai apa yang McKinsey panggil "AI high performers", yang melaporkan nilai ketara dan sumbangan EBIT bermakna. Faktor pembeza bagi kumpulan teratas itu bukan model yang mereka gunakan. Ia ialah mereka benar-benar mereka bentuk semula aliran kerja asas dan bukan sekadar menampal chatbot pada proses yang tidak berubah.

Project NANDA oleh MIT mengkaji jurang yang sama dari sudut berbeza dalam penyelidikan "State of AI in Business" 2025, dibina daripada lebih 300 inisiatif, berpuluh temu bual eksekutif, dan tinjauan terhadap pemimpin perniagaan. Dapatannya lebih terus terang: kira-kira 95% projek perintis AI generatif tidak menunjukkan kesan boleh diukur terhadap untung rugi. Projek perintis yang berjaya berkongsi satu corak, ia ialah proses back-office yang sempit dengan pemilik yang jelas dan gelung maklum balas yang ketat, bukan pelancaran luas dan bercita-cita tinggi yang diumumkan dalam siaran akhbar.

Gartner telah meramalkan di mana sebahagian besar gelombang cita-cita semasa berakhir: ia menjangka lebih 40% projek AI agentik dibatalkan sebelum penghujung 2027, dengan menyebut gabungan kos yang meningkat, nilai perniagaan yang tidak jelas, dan kawalan risiko yang tidak pernah dibina sejak awal.

Mengapa Jurang Itu Wujud

Semua ini tidak bermakna AI tidak berfungsi. Ia bermakna kebanyakan organisasi tersangkut di peringkat projek perintis, menjalankan AI di sisi proses yang tidak berubah dan bukannya mereka bentuk semula proses di sekeliling AI. Aliran kerja yang dibina untuk manusia melakukan setiap langkah secara berurutan tidak menjadi lebih pantas hanya kerana satu langkah lebih pantas, kesesakan berpindah ke penyerahan seterusnya yang belum direka bentuk semula. Itu kegagalan reka bentuk aliran kerja, bukan bukti teknologi itu dibesar-besarkan, dan ia merupakan sebab paling lazim projek perintis yang menjanjikan tidak pernah sampai ke P&L. Ketidaksekataan yang sama juga muncul di dalam satu syarikat, bukan hanya antara syarikat: lihat jurang penerimaan AI untuk apa yang sebenarnya memisahkan pekerja yang telah membina semula aliran kerja mereka di sekeliling AI daripada mereka yang belum menyentuhnya.

Perubahan di Peringkat Tugas, Bukan Penggantian Pekerjaan Secara Pukal

Dapatan paling tahan lama dalam seluruh bidang ini, dan yang paling kerap diabaikan dalam liputan tajuk berita, ialah perubahan berlaku di peringkat tugas, bukan pekerjaan.

Ahli ekonomi MIT David Autor dan saintis komputer MIT Neil Thompson mengemukakan hujah ini secara langsung dalam penyelidikan mereka tentang kepakaran dan automasi. Hujah mereka: apabila sesuatu tugas diautomasikan, sama ada ia membantu atau memudaratkan pekerja yang masih melakukan pekerjaan itu bergantung pada sama ada tugas yang diautomasikan itu agak pakar atau tidak pakar dalam pekerjaan khusus tersebut. Tugas yang sama, menggubal e-mel rutin berbanding menggubal pemfailan undang-undang, boleh berkemahiran rendah dalam satu pekerjaan dan berkemahiran tinggi dalam yang lain, jadi mengautomasikan aktiviti "yang sama" boleh menaikkan gaji dan mengecilkan kumpulan buruh berkelayakan dalam satu pekerjaan sambil menurunkan gaji dan melebarkannya dalam pekerjaan lain. Perincian peringkat tugas, bukan angka umum "AI menggantikan X% pekerjaan", yang sebenarnya meramalkan hasilnya.

Future of Jobs Report 2025 oleh World Economic Forum mengukur skala pusingan ini tanpa meramalkan keruntuhan bersih. Dengan meninjau majikan yang mewakili lebih sebilion pekerjaan di seluruh dunia, ia menganggarkan 92 juta pekerjaan sedia ada akan tersingkir menjelang 2030 sementara 170 juta yang baharu dicipta, pertambahan bersih 78 juta pekerjaan, tetapi pusingan struktur yang bersamaan kira-kira 22% daripada jumlah pekerjaan formal hari ini. Baca kedua-dua angka bersama dan pengajaran jujurnya bukan "AI selamat" atau "AI ialah kiamat pekerjaan." Ia ialah satu perlima campuran tugas pasaran buruh sedang disusun semula serentak, yang mengganggu di peringkat mana-mana pekerja atau pasukan walaupun jumlah agregatnya positif.

Apa yang Tidak Ditunjukkan oleh Bukti

Oleh kerana sebahagian besar bidang ini bergantung pada inferens dan bukan pengukuran, adalah penting untuk jelas tentang had apa yang sebenarnya diketahui.

Bukti tidak menunjukkan kemusnahan pekerjaan berskala besar di seluruh ekonomi yang sudah berlaku. Ia tidak menunjukkan bahawa penerimaan AI di peringkat firma secara konsisten menghasilkan keuntungan di peringkat firma, data McKinsey sendiri menunjukkan sebaliknya bagi sebahagian besar penerima pakai. Ia tidak menunjukkan bahawa mana-mana ramalan "X% tugas boleh diautomasikan menjelang tahun Y" mempunyai rekod ketepatan; angka itu ialah output model daripada penyelidik yang dinamakan menggunakan andaian khusus, bukan hasil yang diukur, dan sentiasa perlu dibaca bersama kaedahnya. Dan ia tidak menunjukkan bahawa perataan carta organisasi, minggu kerja empat hari, atau program penempatan semula besar-besaran kini merupakan kelaziman dan bukan pengecualian, walaupun setiap satunya dibincangkan seolah-olah sudah begitu.

Fakta Utama

• WEF Future of Jobs Report 2025: majikan menganggarkan 92 juta pekerjaan tersingkir dan 170 juta dicipta menjelang 2030, pertambahan bersih 78 juta, bersamaan pusingan struktur kira-kira 22% daripada sekitar 1.2 bilion pekerjaan formal yang ditinjau. Sumber: World Economic Forum
• McKinsey State of AI, 2025: 88% organisasi menggunakan AI dalam sekurang-kurangnya satu fungsi perniagaan, tetapi hanya 39% mengaitkan sebarang impak EBIT dengannya, dan hanya 6% layak sebagai "AI high performers" dengan impak EBIT 5%+. Sumber: McKinsey
• MIT Project NANDA, "State of AI in Business 2025": kira-kira 5% projek perintis AI generatif mencapai impak hasil yang boleh diukur, selebihnya tidak menunjukkan kesan boleh diukur terhadap untung rugi. Sumber: Fortune
• Ramalan Gartner, 2025: lebih 40% projek AI agentik dijangka dibatalkan menjelang akhir 2027 kerana kos, nilai yang tidak jelas, dan kawalan risiko yang lemah. Sumber: Gartner forecast, reported by RCR Wireless
• Stanford Digital Economy Lab, "Canaries in the Coal Mine?" (2026): pekerjaan dalam kalangan mereka yang berumur 22 hingga 25 tahun dalam pekerjaan yang paling terdedah kepada AI berada kira-kira 19% di bawah paras yang sepatutnya jika mengikut rakan sebaya yang kurang terdedah, walaupun penyelidik tidak menemui penyingkiran meluas di seluruh ekonomi. Sumber: Stanford Digital Economy Lab
• Microsoft Work Trend Index 2025: 82% pemimpin mengatakan ini tahun penting untuk memikirkan semula strategi dan operasi; pekerja di "Frontier Firms" yang menggambarkan diri sendiri melaporkan syarikat mereka berkembang maju pada kadar kira-kira dua kali ganda kadar global. Sumber: Microsoft WorkLab
• Autor dan Thompson (MIT), "Expertise": mengautomasikan tugas menaikkan gaji dan mengecilkan kumpulan pekerja berkelayakan apabila tugas itu bertahap pakar, dan melakukan sebaliknya apabila tidak, aktiviti yang sama boleh jadi mana-mana bergantung pada pekerjaan itu. Sumber: MIT FutureTech

Pusingan Kemahiran yang Tidak Dapat Dielakkan Sesiapa

Peralihan peringkat tugas di atas membawa akibat langsung kepada kemahiran, dan boleh dikatakan ia bahagian paling mengganggu dalam keseluruhan gambaran ini bagi kerjaya individu, walaupun jumlah agregat pekerjaan nampak baik.

Tinjauan 2025 World Economic Forum yang sama mendapati majikan menjangka hampir 40% kemahiran teras pekerjaan berubah menjelang 2030, dan menyebut jurang kemahiran yang terhasil sebagai halangan terbesar mereka untuk melaksanakan sebarang transformasi berkaitan AI. Itu bukan ramalan yang jauh. Ia menggambarkan set kemahiran yang diperlukan seseorang untuk pekerjaan yang sudah dipegangnya, bukan hanya pekerjaan yang mungkin dijawatnya nanti.

Mangsa awal yang paling jelas muncul di peringkat permulaan. Digital Economy Lab Stanford, menjejak data gaji hingga 2026, mendapati pekerjaan dalam kalangan mereka yang berumur 22 hingga 25 tahun dalam pekerjaan yang paling terdedah kepada AI berada jauh di bawah paras yang sepatutnya jika ia seiring dengan rakan sebaya yang kurang terdedah pada usia sama, walaupun pekerjaan keseluruhan bagi pekerja berpengalaman dalam pekerjaan yang sama kekal mendatar atau meningkat. Mekanismenya lebih penting daripada tajuk berita: penurunan tertumpu khususnya pada peranan di mana AI menggantikan kerja rutin yang membina kemahiran perantisan yang dahulu diberikan kepada pekerja junior terlebih dahulu. Itu masalah saluran bakat sebelum ia masalah bilangan kakitangan, dan ia tidak akan muncul dalam kadar pengangguran agregat selama bertahun-tahun.

Struktur Organisasi Berubah, Lebih Perlahan daripada Naratif

Bahasa Microsoft untuk detik ini, "Frontier Firm" yang dibina di sekeliling tenaga kerja manusia berpasangan dengan ejen AI, telah menjadi singkatan merentasi industri bagi aliran yang benar-benar nyata: lebih ramai pekerja diminta mengarah, menyemak, dan membetulkan output AI sebagai sebahagian daripada tugas teras mereka, peranan yang dipanggil penyelidikan Microsoft sendiri sebagai "agent boss." Koleksi saudara kami membincangkan identiti itu dan norma yang diciptanya dengan lebih mendalam dalam Frontier Firm dan agent boss dan dalam pasukan manusia-ejen dan budaya.

Apa yang belum disokong oleh data ialah versi yang lebih dramatik, di mana lapisan pengurusan hilang secara pukal dan carta organisasi mendatar secara menyeluruh. Sesetengah fungsi dengan automasi tugas tinggi sedang mendatar, kebanyakannya tidak, belum pada skala yang tersirat oleh artikel aliran semasa. Reka bentuk organisasi ialah salah satu tuas yang bergerak lebih perlahan di sini, dihalang oleh struktur undang-undang, garis pelaporan, dan inersia organisasi biasa dengan cara yang tidak menghalang penerimaan AI di peringkat tugas.

Kebanyakan perkara yang dipanggil "AI mengambil pekerjaan" dalam perbualan biasa sebenarnya baris pertama, augmentasi, yang disalah baca sebagai yang ketiga. Mengelirukan kedua-duanya menyebabkan banyak kepanikan yang boleh dielakkan, dan banyak sikap leka yang boleh dielakkan. Baris tengah, automasi dengan seseorang masih memegang pengecualian, wajar diperhatikan paling rapat, di situlah human in the loop sama ada kekal bermakna atau senyap-senyap menjadi cop getah.

Di Mana Manusia Kekal Penting

Setiap kajian yang boleh dipercayai yang disebut di atas, malah yang skeptikal, bersetuju tentang satu perkara: tiada bukti ini menunjuk kepada masa depan terdekat tanpa pekerja manusia di tengahnya. Apa yang ditunjukkannya ialah pengagihan semula tujuan manusia.

Keputusan pertimbangan dalam ketidakjelasan, bahagian sesuatu keputusan yang tidak boleh dikurangkan kepada corak dalam data lampau, kekal milik manusia kerana sistem AI dibina untuk melanjutkan corak sedia ada, bukan mencipta yang benar-benar baharu. Akauntabiliti kekal milik manusia kerana seseorang mesti memiliki hasil dengan cara yang tidak boleh dilakukan sistem, fakta yang kini dipersetujui oleh pengawal selia, mahkamah, dan lembaga pengarah tanpa mengira betapa berkeupayaannya model asas itu. Dan kepercayaan, jenis yang diberikan pelanggan atau orang bawahan kepada individu tertentu dari semasa ke semasa, bukan sesuatu yang boleh dikumpul oleh ejen bagi pihak manusia, hanya bersama mereka.

Membina teras manusia yang bersedia untuk AI sebegitu ialah disiplin tersendiri, dan koleksi ini merujuk perpustakaan budaya perniagaan kami untuk sisi norma dan tingkah lakunya: lihat rupa sebenar budaya AI-native, membina budaya yang bersedia untuk AI, memimpin budaya dalam era AI, dan keselamatan psikologi dalam pasukan AI. Jika hutang norma yang dilangkau dan tingkah laku yang tidak ditakrif bertimbun, ia muncul kemudian sebagai apa yang dipanggil perpustakaan itu hutang budaya AI, kos yang dianggap koleksi ini sebagai bayangan cermin struktur kepada soalan kemahiran dan peranan yang dibincangkan di sini.

Membaca Mana-mana Dakwaan Masa Depan Kerja yang Anda Temui

Memandangkan sebahagian besar bidang ini bergantung pada ramalan yang menyamar sebagai dapatan, adalah berguna untuk mempunyai senarai semak ringkas sebelum mengulang statistik dalam pembentangan lembaga pengarah atau memo strategi.

Apa Maknanya bagi Pemimpin Sekarang

Tiada satu pun penyelidikan di atas berhujah untuk berdiam diri. Ia berhujah untuk menumpukan usaha di tempat bukti membuahkan hasil: mereka bentuk semula aliran kerja dan bukan melapiskan AI di atas yang tidak berubah, membina semula saluran bakat peringkat permulaan yang dahulu disediakan oleh jawatan junior, dan bersikap jelas kepada tenaga kerja anda tentang yang mana antara empat peralihan, tugas, kemahiran, struktur, atau output, yang sebenarnya anda rancang di sekelilingnya.

Sebahagian kerja itu ialah masalah data sebelum ia masalah strategi: mengetahui peranan, kemahiran, dan aliran kerja yang wujud dalam organisasi anda hari ini ialah asas yang menjadi tapak bagi setiap keputusan ini, jenis asas data tenaga kerja yang direka untuk disediakan oleh platform People. Menyeragamkan serah terima antara manusia dengan ejen AI dalam aliran kerja ialah masalah Work Ops, selepas proses direka bentuk semula dan bukan sekadar diautomasikan di tempat sama.

Bahagian selebihnya koleksi ini menyambung setiap benang secara berasingan, daripada paradoks produktiviti di sebalik jurang penerimaan-impak dan siapa sebenarnya yang menikmati masa yang dibebaskannya, kepada kerjaya peringkat permulaan, kepada bagaimana pengurusan pertengahan berubah, kepada rupa strategi tenaga kerja yang dibina di sekeliling tugas dan bukan sasaran bilangan kakitangan bagi pasukan eksekutif yang membinanya tahun ini.