NATIONAL TAICHUNG UNIVERSITY OF SCIENCE AND TECHNOLOGY · 2026

從校園到職場

大學生一定要知道的職涯真相

講者賴柏衡 Arth · 自由工作者 / 職涯諮詢師

AI 衝擊· JUNIOR 就業· 哈佛研究· 企業成本· 核心求職思維· 主管選擇· 賽道思維· 作品集· AI 衝擊· JUNIOR 就業· 哈佛研究· 企業成本· 核心求職思維· 主管選擇· 賽道思維· 作品集·

ABOUT ME

賴柏衡 ARTH

自由工作者

品牌數位行銷策略
網站營運、優化設計
社群文案、SEO 文章撰寫
商業提案、企劃策略

職涯諮詢師

職業熱情、優勢探索
個人卡關現況釐清
履歷、面試技巧教學
工作、技能成長陪跑

TEACHING EXPERIENCE

過往教學經驗

職涯探索

104 僑生 i 就業博覽會

職涯探索工作坊

專案管理

新北市青年局

專案管理系列講座
觀念 / 簡報提案 / 工具應用

專案管理

商業思維學院

專案管理實戰營教學

職涯探索

國立成功大學管顧社

職涯探索工作坊

服務設計

私立輔仁大學

服務設計講座 · 問卷設計 / 問卷分析

我擅長的職涯議題

如果你今天的困惑屬於以下任一個，今天的內容對你會特別有感，也歡迎會後找我聊聊

🏭產業議題

B2B 行銷 / 數位轉型策略
品牌策略 × 內容行銷
科技 / SaaS / 教育產業觀察
新創 / 中小企業 0→1 建立
產品經理（PM）方法論

💼求職議題

職涯探索 × 熱情與優勢挖掘
履歷定位（首份工作 / 跨領域）
面試訓練(技術、行為、談薪)
第一份工作的選擇邏輯
跨領域（文 / 理 / 商）轉換策略

🚀工作議題

工作卡關釐清（主管、團隊、績效）
技能組合與職涯路徑規劃
副業啟動 × 時間管理
遠端工作 × 高自由度職涯打法
個人品牌經營

今天你會帶走什麼

三件事，90 分鐘後你帶回家

01

THE MARKET

了解市場現況

從哈佛研究看懂 AI 為何讓新鮮人特別難，並理解企業的三種成本（招募 / 培訓 / 試錯），不再被模糊的「缺工」說法誤導。

▸ 哈佛數據 × 企業成本帳

02

YOUR EDGE

找到你的翻轉點

用「產業知識 × 硬實力 × 軟實力」三分法盤點自己，搞懂 AI 取代什麼、不取代什麼，把新鮮人的劣勢變成機會。

▸ 能力三分 × AI 地圖 × 破局思維

03

THE PLAYBOOK

動手做的具體路徑

三步驟（拆職位 → 做作品集 → 找對主管）× 零預算學生 AI 工具箱 × 進公司後的長期心法，下週就能開始做。

▸ 三步驟 × AI 工具箱 × 長期能力

新鮮人跨入職場，有太多可以聊

🤖

AI 衝擊

今年最新、最迫切

💰

薪資結構

起薪差很多，為什麼

🎓

科系定位

你的科系值多少？

👔

選公司 or 主管

第一份工作的關鍵

📄

履歷 / 面試

你賣的是什麼？

🎯

第一份工作

求穩還是求快？

🧩

技能組合

怎麼組合出護城河

🧠

求職心態

複利 vs 一次性投入

新鮮人跨入職場，有太多可以聊

🤖
AI 衝擊
今年最新、最迫切

💰

薪資結構

起薪差很多，為什麼

🎓

科系定位

你的科系值多少？

👔

選公司 or 主管

第一份工作的關鍵

📄

履歷 / 面試

你賣的是什麼？

🎯

第一份工作

求穩還是求快？

🧩

技能組合

怎麼組合出護城河

🧠

求職心態

複利 vs 一次性投入

每一個議題都可以單獨談 2 小時，但 這幾年的最大變數是 AI，也是最衝擊職場的一大議題。。

TURNING POINT · 2023–2025

這幾年
一切被 AI 重新定義

先來從數據看 AI 對新鮮人產業的實質影響

OPENING · 你一定看過這張

不只是迷因，
更是目前求職市場的日常

沒經驗 → 需要學經驗 → 但企業要有經驗的狀況
這個循環對新鮮人從來都存在。

但 2023 年後，它變得更嚴重了，因為企業多了一個選項：「這件事讓 AI 做就好」。

接下來的實際產業數據，來自哈佛經濟學博士於 2025 年發布的研究。

Generative AI as Seniority-Biased Technological Change:
Evidence from U.S. R´esum´e and Job Posting Data 報告

📜 研究來源 Seyed M. Hosseini; Guy Lichtinger

哈佛大學經濟學博士研究
2025 年發表
使用跨產業企業雇用資料追蹤 AI 採用與雇用結構變化

🎯 研究問題

ChatGPT（2022/11）發布後
AI 是否實質影響了 Junior 職位的雇用？
哪些族群受衝擊最大？

結論預告：Junior 就業指標在 ChatGPT 後明顯停滯，尤其 22–25 歲是衝擊最大族群

接下來四頁用四張圖證實這個結論

2023 之前，兩條線一起漲；之後就分岔了

Junior 初階職位

Senior 資深以上職位

ChatGPT 發布前 Junior 跟 Senior 的招募數幾乎同步成長；之後 Senior 繼續上升，Junior 則停滯、甚至開始下降。

導入 AI 的公司，Junior 雇用差距更明顯

同一家 AI 採用公司裡，Junior 比 Senior 雇用明顯減少

TRIPLE-DIFFERENCE

-13%

AI 採用公司的 Junior
雇用增長少於 Senior

2023 後相對變化（比對未採用 AI 公司為基準）

Adopter · Junior

-6%

Non-Adopter · Junior

≈0

Adopter · Senior

+7%

Non-Adopter · Senior

+6%

* 數據為研究原文 DiD / Triple-DiD 估計值（簡化呈現）

Senior 職招募數，在導入 AI 公司跟未導入 AI 公司差不多；但 Junior 在導入 AI 公司顯著減少，AI 確實在取代 Junior 的工作。

不是所有職業都受衝擊，白領 × 年輕族群影響最大

四個職業、不同年齡層的雇用變化（以 2022/10 為 1.0 基準）

📢 行銷 / 業務經理受衝擊最大

22–25

-13%

26–30

-2%

31–34

+2%

35+

+11%

🏭 產線管理全齡段上升

22–25

+11%

26–30

+7%

31–34

+12%

35+

+15%

📦 倉儲文職平穩上升

22–25

+8%

26–30

+4%

31–34

+10%

35+

+11%

🏥 醫療照護 Junior 反而上升

22–25

+20%

26–30

+8%

31–34

+9%

35+

+10%

規則：知識密集型 + 可標準化 + 白領 職位的 Junior 最脆弱；需要高人際互動 / 現場執行 的工作反而沒事。

軟體產業影響幅度更大

💻 軟體工程師

HEADCOUNT CHANGE (2022–2025)

22–25

-19%

26–30

-5%

31–34

+7%

35–40

+9%

41–49

+14%

50+

+7%

🎧 客戶服務

HEADCOUNT CHANGE (2022–2025)

22–25

-12%

26–30

-5%

31–34

+4%

35–40

+12%

41–49

+8%

50+

+2%

22–25 歲的軟體工程師 招數數下降約 19%，工作「感覺難找」背後反映市場結構性變化。

Mid-Career 反而上升：AI 讓資深工程師的產出放大、junior 需求減少

哈佛研究告訴我們三件事

📉

1. Junior 雇用在 ChatGPT 後停滯 / 下滑

Senior 持續上升，Junior 從 2023 起走平、甚至下跌

🏢

2. 採用 AI 的公司衝擊更大（-13%）

同一家公司裡，Junior 比 Senior 增長少 13%，AI 開始取代 Junior 過去在做的事

🎯

3. 22–25 歲 × 白領 × 可標準化 = 最脆弱組合

軟體工程、行銷、客服都中，需要高度人際互動 / 現場執行 的工作反而不受影響

EMPLOYER PERSPECTIVE · 換你當老闆

如果你是老闆
你會花多少養一個 Junior？

FINANCE · 財務角度

員工的「月薪」從來不是公司真正的支出。

勞保、健保、勞退、年終分攤、設備、教育訓練 ── 這些法定 + 福利成本就讓帳面再加 30–40%。

＊一個會計上的常識：薪資 × 1.3–1.5 才是雇主真實月成本

HR · 用人角度

更別說招募成本、管理時間、試錯損失都還沒算進來。

業界估計：每招錯一個人，平均損失 = 該職位 1.5–2 倍年薪，因為主管時間 + 同事帶人 + 機會成本通通賠進去。

＊所以面試官比你還怕招到不適合的人

老闆心裡那本帳，永遠跟你想的不一樣 →

QUIZ · 思考題

招募一個月薪 4 萬元的員工
企業實質要付出的成本約為多少？

＊以台灣 2025 年法定費率 + 一般白領職位常見福利推估

ANSWER · 答案揭曉

D　·　約 6 萬元以上，才是真正的「員工成本」

月薪 NT$ 40,000 · 雇主實際支出拆解

月薪40,000

勞保（雇主負擔約 7.35%）+ 2,940

健保（雇主負擔約 60%）+ 1,240

勞退提撥 6%+ 2,400

年終 1.5 個月分攤+ 5,000

設備 / 教育訓練 / 福利+ 2,500

招募成本分攤（年薪 15–20% / 12）+ 5,500

實際月成本≈ 59,580

＊尚未計入主管帶人時間、團隊協作損耗、試錯成本等隱形成本

關鍵概念

1 元月薪 ≈ 1.5 元雇主成本

Salary × 1.5 ≈ True Cost

你跟老闆要 4 萬，老闆心裡算的是 6 萬以上。
因此實質上對老闆來說產出價值必須大於 6 萬 ，否則老闆是賠錢的。

這就是為什麼 AI 出現後，企業會優先思考：
「這 6 萬的位置，是不是能用 AI ＋ 1 個 Senior 取代？」

招募實質還隱藏更多隱形成本

因為對企業來說，招募 Junior 的真實成本遠超你想像

🔍

招募成本

找人 / 面試 / onboarding 都花錢

🎓

培訓成本

6–12 個月才獨立，主管要教

⚠️

試錯成本

錯誤雇用率高，每次都是損失

⏰

管理成本

主管花時間帶人，產能被稀釋

這四項都是「隱形成本」，不會出現在實際成本帳務上，但企業主心裡都在算。

🔍 招募成本｜光是找到人就要花錢

⏱ 時間成本

2–3 個月

從開出職缺到人到位，平均需要 2–3 個月。期間職位空缺、業務受影響

💵 金錢成本

年薪 15–25%

104 刊登費、獵頭費、面試時間成本，一個 60 萬年薪的職位，招募成本約 10–15 萬

🧑‍💼 HR 工時

約 40–60 小時

履歷篩選、電話初試、現場面試、審核、發 offer，HR 與主管的時間加總

📉 機會成本

業務延遲

等人到位的期間，該做的專案延後、客戶等待，有時這個成本比薪水還高

招一個 junior 的「純招募費用」就可能超過他三個月薪水。

🎓 培訓成本｜「學經驗」的帳單誰付？

⏳ 獨立作業期

6–12 個月

Junior 從報到到能獨立交付成果，這段期間薪水都是公司「投資」

👔 主管帶人工時

每週 5–10 hr

1:1、code review、問題解答、教流程，主管的時薪往往是 junior 的 3–5 倍

📉 團隊生產力

下降 10–20%

新人 onboarding 期間，團隊整體速度變慢，資深成員要分心帶

💸 實質淨投入

約 60–100 萬

合計 6 個月薪水 + 主管時間 + 團隊拖累，這是一個 junior 在「能回本前」的真實投入

所以「用 AI 直接做一部分 junior 的事」對企業來說很合理，API 費用一個月幾千塊，不用訓練。

⚠️ 試錯成本，錯誤雇用的真實代價

ERROR HIRING RATE

30–50%

Junior 錯誤雇用率
（1 年內離職 / 不符預期）

一次錯誤雇用的成本結構：

💰 已支付薪水

3–6 個月薪資直接損失

🧑‍🤝‍🧑 團隊拖累 + 客戶關係

同事要接他的工作，服務斷裂損失信任

🔁 重新招募

整個循環再跑一次，再 2–3 個月

這就是為什麼企業寧可空缺也不將就，錯誤雇用的代價遠大於空職缺。

所以企業在想什麼？

三個理性選擇，每一個都對 Junior 不利

🤖

讓 AI 做 Junior 的事

資料整理、初階分析、模板化產出
AI Token 費用遠小於 Junior 薪資成本

👔

只招有經驗的

Mid-career 馬上能做、不用教、風險低
即使貴一點，投資報酬率還是比較好

⭐

Junior 只招「最合適的那 5%」

既然要付訓練成本，就要選最高潛力的
競爭變得極端

對企業來說這是理性的，但對 junior 工作者來說，市場變成兩種人的戰場：頂尖的、和跟 AI 合作得好的。

你跟企業的需求有了更大的衝突

🎓 你的需求

▸ 「我需要一份工作學經驗」
▸ 「我只要有機會就會努力」
▸ 「給我試試看」
▸ 「薪水可以談」

🏢 企業的需求

▸ 「我需要立刻能做事的人」
▸ 「我不想付訓練成本」
▸ 「我不想承擔錯誤雇用風險」
▸ 「AI 能做的我不找人」

所以真正的問題不是「有沒有缺」，而是你能不能證明自己不是風險。

這就是接下來要給你的，破解方法。

但你擁有的優勢

聽完前面很沈重？你同時有屬於這一代的優勢

📱

數位時代自然學習者

你從小用 Google、YouTube、ChatGPT 長大，吸收新工具的速度是老鳥的 3–5 倍，其他老鳥還在「學用 AI」，但 AI 可能已經是你「生活的一部分」。

💡

沒有舊規則的包袱

老鳥容易被「過去怎麼做」綁住，你可以直接跳到「現在該怎麼做」，並用跨界組合、破框思考、重新定義流程，這些都是你的天生特權。

AI 時代重新洗牌，規則變了，年資的優勢就被稀釋了，剩下的是誰能更快、更好得應用新工具、且更大膽想新方法。

那，怎麼把這兩個優勢
轉變成企業要的價值？

先搞懂企業口中的「價值」，由什麼組成

企業口中的「價值」源自三種能力

先搞懂規則，你才能更快、更好得發展

🏭

產業知識

了解一個產業怎麼運作，商業模型、供應鏈、客戶、法規、趨勢

🔧

硬實力

可被測量、可被認證，程式、會計、外語、設計、證照

🤝

軟實力

人際關係、處理模糊情境、判斷，溝通、談判、衝突、自驅

接下來三頁，一個一個拆給你看。

🏭 產業知識｜產業運作的底層規則

📖 範圍涵蓋

▸ 商業模型（公司怎麼賺錢）
▸ 財報邏輯（成本、毛利、現金流）
▸ 客戶需求 / 行為
▸ 法規與合規框架
▸ 競爭態勢 / 產品週期
▸ 供應鏈與關鍵玩家

💡 具體差別

同樣是會計，在半導體、餐飲、SaaS做的事 90% 是一樣的，但判斷與建議完全不同，因為產業生態不同。

沒有產業知識，你只是在做任務；有產業知識，你才在解決問題。

產業知識有「基礎」和「深度」之分，基礎是 Google 得到的，深度是年資+思考累積出的。

🔧 硬實力，可被量化、可被認證的能力

📖 範圍涵蓋

▸ 程式語言（Python / JS / Java）
▸ 會計準則、稅法、審計
▸ 外語（英文 / 日文）
▸ 設計軟體（Figma / Adobe）
▸ 數據工具（SQL / Excel / BI）
▸ 證照（CPA / AWS / PMP）

📌 特徵

▸ 有明確的「會」和「不會」
▸ 能被測驗、能被 demo
▸ 可以透過練習變強
▸ 通常是履歷第一屏的內容

硬實力 = 進職場的門票，但只是最低標。

硬實力也有深淺之分，會寫 code 跟會寫「能跑在 10 萬人同時用的系統的 code」是兩回事。

🤝 軟實力，處理人、處理模糊情境的能力

📖 範圍涵蓋

▸ 溝通 / 說服 / 簡報
▸ 談判 / 衝突解決
▸ 團隊合作 / 跨部門協作
▸ 時間管理 / 自我驅動
▸ 情緒管理 / 壓力調節
▸ 判斷力 / 決策力

📌 特徵

▸ 難量化、難測驗
▸ 需要真實情境累積
▸ 很難速成、要時間熬
▸ 是升 Senior 的真正門檻

軟實力 = 決定你能升多高的天花板。

為什麼公司願意付 mid-career 2–3 倍薪水？答案 90% 在這裡。

最容易被 AI 取代的：基礎端的產業知識 + 硬實力

🔧 基礎硬實力（最快被吃）

寫基礎程式（CRUD、切版）
算基本財報、對帳
翻譯、排版、模板文案
Excel 例行公式

🏭 基礎產業知識（次快）

標準化 SOP、作業流程
產業常識、名詞定義
法規條文查詢
公開資料彙整成報告

這些正是過去 Junior 的主要工作內容，所以 Junior 被衝擊最重。

AI 碰不到的，軟實力 + 深度的產業知識與硬實力

🤝

軟實力

判斷、說服、同理、衝突調解，AI 永遠不會有「利害關係」，但這正是人的戰場

🏭

深度產業知識

跨層邏輯、生態洞察、趨勢敏感度，要在現場跌倒過才能懂

🔧

深度硬實力

系統設計、非標準問題解決、複雜系統除錯，AI 做得出來但做不對

這些正是Senior 核心價值的所在，也就是更精準快速的判斷能力。

但這件事可以反過來看，

REFRAME · 翻轉視角

#01

容易被 AI 取代的事

=

你可以透過 AI
更快掌握的事

🕰 以前

老師教基礎程式 / 會計 / 外語，1 年課才入門，還需要大量練習

🚀 現在

AI 陪你 24/7 隨問隨答 + 實作指導，1 個月就能入門，還能根據你的程度調整

這就是你的「數位優勢」變現的地方，AI 不是你的對手，是你的加速器。

具體來說，你「做不了一件事」只有三個原因

搞清楚是哪一個，解法完全不同

❓

不知道

KNOWLEDGE GAP

你沒聽過、沒看過、不知道這件事存在，資訊/知識不足

❌

不能做

SKILL GAP

你知道、想做，但手就是跟不上，技能/能力不足

🚫

不想做

MOTIVATION GAP

你知道、你能做，但就是不想，意願/動機不足

三個 Gap 混在一起時，人會說「我做不到」，但事實上 80% 的時候，前兩個是主因。

AI 幫你快速補齊前兩個 Gap

❓

不知道

✅ AI 能救

問 Claude / ChatGPT / Perplexity，AI 是你的 24/7 資深顧問，隨時回答你的 why / what / how

❌

不能做

✅ AI 能救

用 Cursor 寫 code、用 Claude 拆財報、用 Canva 設計，AI 陪你練到會，不怕你問笨問題

🚫

不想做

❌ AI 難以協助

這是，你「想不想」做一件事，AI 不會替你決定、也不會替你堅持

AI 時代的新鮮人，「想要」比「能夠」更值錢，因為能夠可以靠 AI 補，但想要只能靠你。

三步驟初步
收斂你的個人價值

STEP 1

用 AI 理解職位

搞懂這份工作做什麼

STEP 2

用 AI 做作品集

證明你懂這個領域

STEP 3

帶三個觀念去求職

投履歷前先搞懂

先用 AI 搞懂這份工作在做什麼

不要急著投履歷，先花 30 分鐘問 AI 兩個問題

Q1

這份工作在做什麼？

日常任務、流程、會用到的工具、跟哪些人互動、一天 / 一週的節奏

Q2

它能為公司交付什麼價值？

公司為什麼要這個職位？少了這個職位會怎樣？它對應「提高價值」還是「減低成本」？

PROMPT 範例

「請用台灣業界的實況告訴我：「產業類別」的[職位名稱] 一天的工作內容、會用到的工具、需要跟哪些角色溝通，以及這個職位為公司創造的價值是什麼？」

▸ 推薦工具：Claude、Perplexity（附來源）、ChatGPT

資訊生 / 會計生怎麼問？

💻 資訊生範例

目標：前端工程師（Frontend Engineer）

「台灣 B2B SaaS 公司的資淺前端工程師，一天的工作內容是什麼？需要會哪些技術？跟哪些人協作？」

預期輸出：React + TypeScript、Figma 對稿、API 對接、站會、跟設計師/PM/後端溝通、交付可用介面

📊 會計生範例

目標：企業財務規劃（FP&A）

「台灣科技業的 FP&A 分析師，一天在做什麼？跟財務長、業務、產品部門如何協作？交付什麼產出？」

預期輸出：月度財務模型、預算追蹤、各部門 Review、年度預算、用 Excel / BI 工具、跟 CFO + 各事業處協作

問完後，你對這份工作的了解能變成富有架構性的「我知道」。

再用 AI 做能公開 demo 的作品集

作品集不是簡歷，是「可點開看、可分享、可被 Google」的證據

🎯

對應到 JD

每個作品都對應 Step 1 拆出來的其中一項能力或價值

🔗

可公開分享

面試時一個連結丟過去就能看到，不用對方下載 PDF

🤖

AI 加速製作

以前要花三個月做的東西，用 AI 可能 2 週就有第一版

作品集的核心不是量，是「這個作品證明我能做這份工作的哪部分」。

作品集具體長什麼樣？

💻 資訊生作品集

1. GitHub · Side Project

用 Cursor 做一個小工具（例：課表提醒、打工排班），README 寫清楚技術選型

2. 個人網站

Vercel 免費部署，放自介 + 作品連結，履歷第一行放這個

3. 學習筆記 / 技術文

Medium 或 Notion 寫「我學 React 踩到的三個坑」，展示思考

📊 會計生作品集

1. LinkedIn · 財報拆解文

每月挑 1 家公司的年報、用 Claude 輔助拆出 3 個財務亮點 + 3 個風險

2. Notion · 財務模板

做一套「新創 3 年財務預測模板」，展示財務建模能力

3. 自動化工具

用 AI 幫你寫 Excel VBA / Google Script 自動化，「懂工具的會計」

面試官 Google 你的名字時，這三樣就出現在前幾筆，你就不再是履歷上的 0。

學生都免費、Step 1+2 都能用

五大類、各 2–3 個工具，完整版會後發給你

🔍

研究

Perplexity
NotebookLM

📚

學習

Claude.ai
ChatGPT

✍️

寫作

Claude
Gemini

🎨

設計

Canva AI
Figma AI

💻

程式

Cursor
Copilot

會後會給你完整工具清單 + 使用指南

掃 QR 或加 LINE 領取（最後一頁會有連結）

有了作品集
投履歷前，三件事先知道

投得愈多不會愈成功，
投得對才會

👔 找主管，不只是找公司

第一個主管，決定你未來 3–5 年的成長速度與自信心

❌ 壞主管的警訊

行為面

▸ 搶功勞、推責任
▸ 擋你升遷、怕你超過他

學習面

▸ 「自己去 Google」，不願教
▸ 把知識藏著、不讓你看他怎麼做
▸ 只讓你做重複任務，不給挑戰

✅ 好主管的特質

行為面

▸ 出錯時擋在前面
▸ 願意讓你升到跟他同階

學習面

▸ 願意花時間教你、分享資源
▸ 給你超出能力的挑戰 + 事後復盤
▸ 主動介紹你認識更資深的人

⚠️ 遇到情緒暴力的主管，比沒工作更可怕

許多新鮮人分不清什麼合理，結果除了被 PUA，還會 PUA 自己

🚨 情緒暴力的樣態

▸ 當眾貶低你的能力
▸ 設定做不到的目標，然後罵你
▸ 情緒勒索（「我這麼照顧你」）
▸ 突然冷處理、讓你猜
▸ 否定你的感受（「你太玻璃心」）

🧠 新鮮人常見的內化反應

▸ 「都是我不夠好才被罵」
▸ 「這就是職場現實」
▸ 不敢跟朋友家人講、覺得丟臉
▸ 自我懷疑變常態
▸ 失去對自己工作的判斷力

被 PUA 的真正代價，不是當下被罵，是你開始 PUA 自己——這會影響你未來 5–10 年的自信心與判斷力。

🔍 面試時，這樣判斷主管與環境

主管是什麼樣的人，面試就會露出端倪

💬 你可以問的問題

▸ 此職缺開缺的原因？是因為擴編嗎？
▸ 對此職位的具體期待是什麼？
▸ 主要負責的業務項目、績效是什麼？
▸ 團隊之間目前是如何協作的？

👀 辦公室氛圍觀察

▸ 員工臉上有沒有笑容
▸ 主管怎麼跟助理 / 接待講話
▸ 茶水間 / 休息區有沒有聊天聲
▸ 辦公室空氣是放鬆還是緊繃
▸ 面試被晾著等多久

🚩 紅燈警訊：全場沒人微笑 · 主管對接待冷淡或刻薄 · 安靜到聽得到打字聲 · 員工不敢眼神接觸

🚪 覺得不合適？越早離職影響越低

長期機會成本遠大於你想像：每多一年在錯的地方，就少一年在對的地方累積

1 個月內

幾乎無影響

履歷可不寫、被問也能輕鬆解釋

3 個月內

輕微影響

履歷加一行，影響小

6 個月–1 年

會被問

但可解釋，不致命

超過 1 年

難退、難進

進退維谷，機會成本大

🚦 該走的訊號

▸ 上班前嚴重焦慮 / 失眠

▸ 半年後完全沒學到新東西

▸ 主管明顯不打算培養你

▸ 開始做不道德 / 違規的事

▸ 看不到下一步路徑

▸ 身體健康出現訊號

進公司第一件事，
不是拼表現，是搞懂環境

組織、利害關係人、KPI 三件事，
先懂再跑

📊 第一天進公司：搞懂組織結構

你在哪個「位置」，決定你能做什麼、能學什麼、能升到哪

🏛 正式組織

▸ 組織架構圖（誰 report 給誰）
▸ 你的部門職能是什麼
▸ 部門與部門的分工
▸ 層級關係（你、主管、主管的主管）

🔗 非正式組織（更重要）

▸ 誰是關鍵決策者（可能不是頭銜最高的）
▸ 誰跟誰講話比較多
▸ 資源 / 資訊怎麼流動
▸ 誰可以 bypass 流程

▸ 前 30 天具體做法：跟 HR 要組織圖 · 觀察會議誰講話多 · 午餐邀不同部門同事聊 · 畫自己的利害關係人網

🤝 經營三層利害關係人

他們決定你工作順不順、專案能不能推、升遷機會有沒有

⬆️

向上：主管 + 主管的主管

▸ 報告要有價值
▸ 預期管理（不讓主管驚訝）
▸ 主動同步進度
▸ 讓主管的主管看見你

⬅️➡️

水平：同事 + 跨部門

▸ 互助，不搶功
▸ 留人情（給別人台階）
▸ 跨部門主動找機會合作
▸ 關鍵：不要樹敵

⬇️

向下：如果你有下屬

▸ 賦能，不微管
▸ 信任，給空間犯錯
▸ 幫他們介紹更多人
▸ 讓他們升得比你快

工作能力只佔 30%，利害關係人經營佔 70%——這是學校永遠不會教的事。

🎯 搞懂你的KPI 與優先順序

很多組織是沒有清楚 KPI 概念的，你要主動釐清

🔑 你應該主動問主管

▸ 我這個職位成敗用什麼衡量？
▸ 如果只能選一個最重要的指標，是什麼？
▸ 您最看重我哪兩件事？
▸ 半年後的「表現好」長什麼樣？

📐 判別優先順序的框架

▸ 重要 + 緊急 = 先做
▸ 重要 + 不緊急 = 排時間做
▸ 主管看重 > 公司看重 > 你看重
▸ 有影響力 > 只有產出

▸ 如果主管答不出 KPI？主動提 3 個「我想著手的 KPI」，請主管排優先順序 · 每週一對話確認

還有兩件事
學會一輩子受用

商業基礎 + 跨域能力
AI 時代的真正護城河

📚 商業基礎知識，一輩子受用

不管你做什麼職位，懂商業都會讓你的決策升級一個檔次

💰

財務 / 會計

讀得懂損益表、懂毛利淨利

📢

行銷思維

顧客、價值、定位

🎯

策略

競爭、差異化、賽道

⚙️

營運

流程、效率、品質

👥

組織行為

管理、團隊、文化

▸ 最低門檻：每月一本商業書 · 每週一集商業 Podcast · 試著用商業視角看自己的工作

🌐 跨域能力，AI 時代的護城河

單一專業會被 AI 吃，跨 2–3 個領域的組合很難複製

🎯

近域跨

同產業內跨職能（會計 + PM、工程師 + 產品）

🔀

中域跨

類似職能跨產業（科技業 PM → SaaS → 金融）

🌌

遠域跨

完全不同領域結合（工程 + 心理學、會計 + 內容創作）

目標：5 年內變成「這三樣都懂的人」——你的主業 × 一個延伸域 × AI，就是別人複製不了的組合。

1

掃 QR 填表單

5 題以內，大約 2 分鐘填完

2

留下 Email

後續寄發 AI 工具指引到你的信箱

3

收到完整指引

工具地圖 + Canvas 自我盤點 + 作品集 MVP 起步式

SCAN TO START

滿意度調查

THANKS

謝謝你們，也恭喜你們

Q & A · 開放提問

有問題就問 ─ 三種方式都可以

① 舉手 ── 直接問，全場一起聽
② 掃 Slido → 匿名提問，可投票
③ 寫信給我，事後一對一回

ARTH LAI · bo.heng.lai@gmail.com · arth.tw

Scan to Ask

Slido · 匿名提問

✔ 完全匿名　✔ 即時投票
✔ 不敢舉手也能問

從校園到職場

賴柏衡 ARTH

過往教學經驗

我擅長的職涯議題

今天你會帶走什麼

新鮮人跨入職場，有太多可以聊

新鮮人跨入職場，有太多可以聊

這幾年一切被 AI 重新定義

不只是迷因，更是目前求職市場的日常

Generative AI as Seniority-Biased Technological Change: Evidence from U.S. R´esum´e and Job Posting Data 報告

2023 之前，兩條線一起漲；之後就分岔了

導入 AI 的公司，Junior 雇用差距更明顯

不是所有職業都受衝擊，白領 × 年輕族群影響最大

軟體產業影響幅度更大

哈佛研究告訴我們三件事

1. Junior 雇用在 ChatGPT 後停滯 / 下滑

2. 採用 AI 的公司衝擊更大（-13%）

3. 22–25 歲 × 白領 × 可標準化 = 最脆弱組合

如果你是老闆你會花多少養一個 Junior？

招募一個月薪 4 萬元的員工 企業實質要付出的成本約為多少？

D · 約 6 萬元以上，才是真正的「員工成本」

招募實質還隱藏更多隱形成本

🔍 招募成本｜光是找到人就要花錢

🎓 培訓成本｜「學經驗」的帳單誰付？

⚠️ 試錯成本，錯誤雇用的真實代價

所以企業在想什麼？

你跟企業的需求有了更大的衝突

但你擁有的優勢

那，怎麼把這兩個優勢轉變成企業要的價值？

企業口中的「價值」源自三種能力

🏭 產業知識｜產業運作的底層規則

🔧 硬實力，可被量化、可被認證的能力

🤝 軟實力，處理人、處理模糊情境的能力

最容易被 AI 取代的：基礎端的產業知識 + 硬實力

AI 碰不到的，軟實力 + 深度的產業知識與硬實力

但這件事可以反過來看，

具體來說，你「做不了一件事」只有三個原因

AI 幫你快速補齊前兩個 Gap

三步驟初步收斂你的個人價值

先用 AI 搞懂這份工作在做什麼

資訊生 / 會計生怎麼問？

再用 AI 做能公開 demo 的作品集

作品集具體長什麼樣？

學生都免費、Step 1+2 都能用

有了作品集投履歷前，三件事先知道

👔 找主管，不只是找公司

⚠️ 遇到情緒暴力的主管，比沒工作更可怕

🔍 面試時，這樣判斷主管與環境

🚪 覺得不合適？越早離職影響越低

進公司第一件事，不是拼表現，是搞懂環境

📊 第一天進公司：搞懂組織結構

🤝 經營三層利害關係人

🎯 搞懂你的KPI 與優先順序

還有兩件事學會一輩子受用

📚 商業基礎知識，一輩子受用

🌐 跨域能力，AI 時代的護城河

這幾年
一切被 AI 重新定義

不只是迷因，
更是目前求職市場的日常

Generative AI as Seniority-Biased Technological Change:
Evidence from U.S. R´esum´e and Job Posting Data 報告

如果你是老闆
你會花多少養一個 Junior？

招募一個月薪 4 萬元的員工
企業實質要付出的成本約為多少？

D　·　約 6 萬元以上，才是真正的「員工成本」

那，怎麼把這兩個優勢
轉變成企業要的價值？

三步驟初步
收斂你的個人價值

有了作品集
投履歷前，三件事先知道

進公司第一件事，
不是拼表現，是搞懂環境

還有兩件事
學會一輩子受用