上個月底，一家 AI 新創公司做了一件聽起來完全不合理的事：它把新人的 AI 權限，全部關掉了。
不是開玩笑。這家公司叫 Valon，做的是房貸服務軟體——一個每天都在用 AI 的前沿領域。他們的 CEO Andrew Wang 在官方部落格寫了一篇標題刺眼的文章：〈我們關掉了新人的 AI 權限〉。同一週，另一家 AI 明星公司 Notion 的 CEO Ivan Zhao，卻公開宣布要大舉擴編、逆勢徵才。而更早幾天，Meta 的內部文件被 Reuters 獨家披露：Mark Zuckerberg 原計劃用 AI 取代六成團隊人力，實測後發現「效率不如預期」，第二波裁員緊急踩了煞車。
三家 AI 時代最前線的公司，給出了三個完全相反的答案。一條街上的三間餐廳，菜單完全不同。如果你是一個正在想「AI 時代我該怎麼用人、該怎麼養人」的中小企業老闆——這條街，你非逛不可。
Valon 的賭注：基本功，是 AI 用得好不好的地基
Valon 的政策很激進：所有非工程部門的新進員工，禁止使用 AI。不是「建議少用」，是直接關掉權限。什麼時候才能解鎖？等直屬主管認證你能「識別 AI 的錯誤」為止。
為什麼一家 AI 公司要這樣對待自己的核心技術？
CEO Andrew Wang 的邏輯非常清楚，甚至可以說殘酷誠實。他說 Valon 的核心競爭力不是 AI，是「對極度複雜商業流程的深度理解」——房貸服務涉及會計、資金流動、法規合規，每一個環節都可能在邊緣案例中出錯。過去新人學這些，靠的是「學徒制」：問題來了沒人有空，丟給新人自己去挖、去 debug、去撞牆，撞完就懂了。
這個學徒制，最近失靈了。原因有三：
第一，資深員工靠 AI 效率爆表，自己 20 分鐘搞定的事，以前要花好幾小時——「把工作交給新人」從「必要」變成了「昂貴」。 第二，AI 代理（agent）太強了，95% 的問題它都能解——但最值錢的那 5%，需要深度理解才能「發現問題」和「修正它」。新人沒練過基本功，連問題在哪都看不出來。第三，也是 Wang 最擔心的：新人感受到客戶壓力，過度依賴 AI 產出，結果連自己在交什麼貨都說不清楚。
所以 Valon 做了一個反直覺的決定：關掉 AI、重建學徒制。這個政策預估會讓公司的 AI token 支出從每年 1,500-2,000 萬美元砍到 400-500 萬——直接省下 75%。但 Wang 說這不是省錢策略，是「投資複利型人才」。
CJ 哥點評： Valon 的決定讓我想起一句老話——「會用計算機的小孩，不一定會算數。」AI 時代來臨後，所有人都在說「快學 AI」「慢了就來不及」。但 Valon 用最粗暴的方式提醒我們一個基本事實：如果你連判斷 AI 產出對錯的能力都沒有，AI 對你不是工具，是拐杖——而且你永遠不會發現自己正在跛腳走路。
Notion 的相反答案：AI 時代，人才需求不減反增
同一週，Notion CEO Ivan Zhao 的訪談出現在 The Information——他說 Notion 正準備「大舉徵才」。理由聽起來跟 Valon 完全對立，但底層邏輯其實不矛盾。
Zhao 的觀點是：AI 沒有消滅工作，而是創造了更多值得做的工作。 當 AI 幫你把重複性任務自動化之後，釋放出來的人力不是沒事做——而是可以去做「之前根本沒時間做」的事：更好的產品體驗、更深入的客戶理解、更複雜的客製化方案。
這跟 Notion 最近的產品策略也有關——他們正在大規模推出 AI 客製化代理（custom agents），讓企業客戶可以在 Notion 上建立自己的 AI 工作流。這代表什麼？客戶需要的，不是一個會用 AI 的工具，而是一個懂業務、能設計 AI 工作流的人。 這種人，AI 生不出來。
CJ 哥點評： Valon 說「新人該先會基本功」，Notion 說「我們需要更多懂業務又能駕馭 AI 的人」——這兩個答案看起來矛盾，其實是同一條線的兩端。Valon 在講「養成階段」，Notion 在講「養成後的產出」。一個在說「入場券怎麼拿」，一個在說「拿了入場券之後能做什麼」。中小企業老闆最該問自己的問題是：你的團隊，有人連入場券都還沒拿到嗎？拿到的人，你真的給了他們能發揮的空間嗎？
Meta 的教訓：把「取代人」想得太簡單了
如果 Valon 和 Notion 的故事是「人才養成的路線之爭」，那 Meta 的教訓就是這一切的底層警鐘。
Reuters 在今年 8 月底獨家披露了一套內部文件：Meta 內部有個代號「Project OT」的機密計畫，目標是用 AI 取代大量人力。HR 部門的內部文件預估，裁員規模可能超過三年前的 25%。第一波 10%（約 8,000 人）在 5 月 20 日執行。第二波——原訂影響某些部門高達 60% 的編制——預定在 11 月。
然後，這一切踩了煞車。
原因不是輿論壓力（雖然員工在內部 Workplace 上的憤怒文和黑色幽默確實炸了鍋），而是數據說話了。內部資料顯示：員工大量使用 AI 之後，程式碼產出量的確暴增，但「對生產力的實質影響」——存疑。簡單說：AI 幫工程師寫了更多 code，但不確定這些 code 有沒有幫到業務。
同時間，被重新分配到「AI 訓練任務」的員工在內部把這些工作描述為「重複枯燥的機械勞動」，士氣暴跌。Zuckerberg 最終在裁員當天發了一封全員信，說「今年不會再有全公司範圍的裁員」，並表示希望給員工更多「穩定感」。
CJ 哥點評： Meta 踩煞車的理由，比 Valon 和 Notion 的故事都更重要。因為它證明了「AI 取代人力」不是一個技術問題，是一個管理問題。 你可以用 AI 產出更多程式碼，但如果沒人定義「什麼叫好程式碼」、沒人判斷「這段 AI code 真的解決了業務問題嗎」，你只是把「生產更多東西」誤認為「生產更多價值」。我在第一線看到的台灣中小企業，犯一模一樣的錯——老闆買了 AI 工具就叫大家「用」，三個月後問「省了多少人」，答案是零。不是 AI 沒用，是沒有人先定義「用了之後什麼叫成功」。
比爾蓋茲出手：課機器人稅、設「人類保留區」
三條企業故事之外，本週出現了一個政策級的震撼彈：比爾蓋茲在他的 Gates Notes 發表長文，提出兩項激進主張。
第一，對 AI 和機器人課稅。 他的邏輯是：企業雇用員工時要繳薪資稅，但買一台機器人卻可以當營業費用抵稅——這等於稅制在鼓勵企業用機器取代人。他主張對 AI token 和機器人課稅，稅收用來補貼勞工再培訓和強化社會安全網。
第二，設立「人類保留職位」（Human Reserved）。 蓋茲用自然保護區做比喻：有些土地社會「可以」開發，但「故意不開發」，因為失去它的代價太大。他認為某些工作應該保留給人類——不是因為 AI 做不了，而是因為「讓人類來做」本身有價值。他舉的例子是：傳達重大醫療壞消息、基礎教育、心理健康照護。
這兩項主張的共同訊號是：連比爾蓋茲都在說「取代不該是全自動的」。 這跟前面三家企業的故事形成了完整的閉環——Valon 說「基本功不能被 AI 跳過」、Notion 說「AI 創造了更多需要人做的工作」、Meta 說「想全換但換不動」、蓋茲說「有些東西根本不該換」。
CJ 哥點評： 蓋茲的「人類保留區」概念，對中小企業老闆有一個很務實的啟發——你公司裡，有沒有哪個環節，是你絕對不想讓 AI 代替人類來做的？ 不是因為 AI 做不好，而是因為「人類來做」本身就是你跟客戶之間的信任基礎。舉個例子：一個理專打電話跟客戶說「你的投資組合虧損了 15%」，跟一封 AI 自動生成的 email 說一樣的話——客戶的反應，天差地別。找出你公司裡的「Human Reserved」環節，會比盲目全押 AI 更有策略意義。
中小企業老闆的行動框架：AI 時代的人才三問
四條故事看完了。如果我們把 Valon、Notion、Meta、蓋茲的訊號疊在一起，可以提取出三個中小企業老闆現在就該問自己的問題：
📋 第一問：你的新人，有沒有「不用 AI 也能做事」的基本功？
Valon 賭的是「先會走，再學跑」。對中小企業來說，這不是要你關掉全公司的 AI 權限——但你可以做一件事：新人到職第一個月，要求他們在交付任何工作時，附上一行字：「這段如果沒有 AI，我會怎麼做。」 這一行字，會讓你秒判誰真的有基本功、誰只是在複製貼上。
📋 第二問：你的老手，有沒有因為 AI 而「停止帶人」？
Valon 最關鍵的洞察：AI 讓資深員工效率太高，高到「帶新人」變成時間成本上的虧損。 這是學徒制崩潰的根本原因。解法不是逼老手停止用 AI——是把「帶人」重新寫進他們的 KPI。如果你的績效制度只衡量「個人產出」，AI 時代的資深員工永遠不會花時間在新人身上。
📋 第三問：你的「人類保留區」在哪裡？
Meta 踩煞車的教訓：不要把整間公司當成「AI 可以全換」的實驗場。先挑出 1-2 個「人類做才有信任感」的環節（客戶溝通的第一線、需要判斷的決策節點、涉及品牌價值的內容），把它們標記為「AI 輔助，但人類最終把關」。這不是保守——這是蓋茲說的「故意不開發」的智慧。
本週的四條新聞，沒有一條在說「AI 變更強了」。全部都在說同一件事：「AI 之後，人該怎麼辦」這件事，終於被端上檯面了。 而四條新聞的不同答案，恰好構成了中小企業老闆的完整決策框架——
Valon 教你怎麼養人。Notion 教你怎麼用人。Meta 教你哪裡不要全換。蓋茲教你哪裡根本不該換。
四條線，一張圖。你的企業，現在填得出來嗎？