方法與來源

這個測驗怎麼算

29 題，六個面向，每個面向 0 到 100 分。六個分數再算出你的 2030 分數、你的工作到 2030 年的四塊比例，和你在座標圖上的類型。每一步都寫在下面，所有引用的數字在 2026 年 9 月 28 日 對回機構自己的網頁或 PDF。

1. 六個面向與題目怎麼選

我們先從研究裡找出「決定一個人在 AI 時代處境」的變數，再把它們歸成六個面向。每個面向對應到一組研究：

• 曝險度（6 題）：你的工作內容有多少已在 AI 的能力範圍內。依據 Eloundou 等人的任務曝險方法、ILO 2025 年的全球指數、微軟研究院 2025 年的適用度、IAB 的可替代性統計，以及 Frey 與 Osborne 的三個自動化瓶頸。
• 互補度（5 題）：你有沒有把 AI 變成槓桿。依據 Brynjolfsson 等人的客服實驗、Dell’Acqua 等人（哈佛商學院）的「鋸齒狀前沿」、Noy 與 Zhang 的寫作實驗，以及 Anthropic 經濟指數裡「輔助」與「取代」兩種用法的區分。
• 判斷與人際（5 題）：依據 Autor、Levy 與 Murnane 的例行／非例行任務架構、Deming 的社交技能研究、Autor 2024 年對專業判斷的論述，以及世界經濟論壇的 2030 核心技能。
• 學習速度（4 題）：依據世界經濟論壇的技能更替預估、PwC 的技能變化速度、IMF 2026 年對新技能需求的分析，以及 OECD 的使用率統計。
• 結構位置（5 題）：依據史丹佛「Canaries」的年齡與職業分析、SignalFire 的應屆生招募數據、世界經濟論壇的成長與衰退職位、ifo 的企業調查、德國聯邦統計局與聯邦就業局的產業與短缺數據。
• 人味護城河（4 題）：依據 IW 科隆的短缺職業缺口、Acemoglu 與 Johnson 對「好處流向誰」的分析、Acemoglu 與 Restrepo 的薪資研究，以及 Frey 與 Osborne 2024 年對生成式 AI 的重新評估。

題目的兩個原則：任何行業、任何階段都答得出來（沒有只問某一種職業的題目）；每一題都有一個公開發表的研究支撐，寫在題目的背景說明裡。沒有研究支撐的直覺，不出題。

2. 每個面向怎麼算

每一題的五個選項各對應一個 0 到 100 的值（由上而下），一題可以同時餵給一個主要面向和一個次要面向（次要面向權重減半）。面向分數 = 有回答的題目的加權平均。跳過的題目不算；某個面向的題目全部跳過時，那個面向以 50 分計算，報告會標明。至少要回答 18 題才計算。

曝險度是唯一「越高越危險」的面向：文書、翻譯、程式、照流程的工作給高分，現場、動手、錯誤代價高的工作給低分。其他五個面向都是越高越好。

3. 2030 分數怎麼算

先算「未轉化的曝險」：你的工作裡 AI 做得到、而你沒有自己用 AI 去做的部分。

未轉化的曝險 R = 曝險度 × (1 − 0.5 × 互補度 / 100)
安全度 = 100 − R

2030 分數 = 0.25 × 安全度
          + 0.15 × 互補度
          + 0.20 × 判斷與人際
          + 0.15 × 學習速度
          + 0.15 × 結構位置
          + 0.10 × 人味護城河

權重的理由：IMF 與史丹佛的研究都指出，曝險本身不決定結果，曝險有沒有被轉成槓桿才決定，所以安全度和互補度合計占四成；判斷與人際是研究裡最一致的「AI 放大而不是取代」的能力，占兩成；學習與位置各占 15%；護城河占一成，因為它擋得住取代，但擋不住整個領域縮編。

分數等級：

• 領先：80 分以上
• 站穩：65 到 79 分
• 有底子，要補強：50 到 64 分
• 警戒：35 到 49 分
• 高風險：35 分以下

4. 四塊比例怎麼算

架構來自 Acemoglu 與 Restrepo 的任務模型：技術取代一部分任務，也創造新的任務。令 e = 曝險度 / 100、a = 互補度 / 100、m = 護城河 / 100：

k = 0.10 + 0.30 × (0.6 × 學習速度 + 0.4 × 結構位置) / 100

被 AI 接手     = e × (1 − a) × (1 − 0.4 m)
被 AI 放大     = (1 − k) × e × a
仍然是人的事   = (1 − k) × [ (1 − e) + e × (1 − a) × 0.4 m ]
還不存在的新任務 = k × (1 − 被 AI 接手)

四塊加起來剛好是 1，換成整數百分比時用最大餘數法讓總和等於 100。意思是：曝險的任務裡，你自己用 AI 做的部分被放大；沒有用 AI 做的部分會被接手，除非有證照或現場條件把其中四成留在人手上；剩下的工作裡，有 k 的比例會變成今天還不存在的新任務，k 取決於你的學習速度和所在領域的成長（10% 到 40%）。

• 會被 AI 接手：你現在做的事裡，AI 已經做得到、你沒有在用 AI 做、也沒有證照或現場條件擋著的部分。這一塊不會回來；它會變成別人（或軟體）的工作，或從職缺描述裡消失。
• 會被 AI 放大：AI 做得到、而你已經在用 AI 做的部分。你做得更快、更多、更好，這是 AI 時代薪資溢價的來源。史丹佛與 MIT 的研究：新手在這一塊進步最多。
• 仍然是人的事：要人在場、要判斷、要負責、要關係的部分，以及有證照或法律責任擋著的部分。AI 可以幫忙，簽字和面對面的還是人。
• 現在還不存在的新任務：被 AI 省下來的時間會流向現在還沒有名字的工作。高盛統計，今天美國六成的工作者做的職業在 1940 年不存在。學得快、領域在成長的人，這一塊最大。

5. 座標圖與四種類型

橫軸是曝險度。縱軸是駕馭度：

駕馭度 = 0.5 × 互補度 + 0.3 × 學習速度 + 0.2 × 判斷與人際

曝險度 50 分以上算高，駕馭度 55 分以上算高，分成四種類型：

• 乘風者：AI 做得多的工作，你也駕馭得好。
• 待轉型者：AI 做得多的工作，你還沒把它變成槓桿。
• 穩健成長者：你的核心是人的工作，還在用 AI 加速。
• 暫時安全者：你的核心是人的工作，但還沒開始用 AI。

四種類型的依據是史丹佛「Canaries」2026 年 8 月版的第五項發現：AI 用來取代人的職業，年輕人就業在下滑；AI 用來輔助人的職業，就業持平或上升。同樣的曝險，用法決定結果。

6. 限制

• 這是自評測驗：分數反映你怎麼描述自己的工作，不是雇主或市場的評價。
• 係數（0.5、0.4、k 的範圍、各面向的權重）是我們依研究方向設定的，不是從資料估計出來的參數。方向有研究支撐，大小是判斷。
• 引用的實證研究大多以美國或歐洲的資料為主；德國的數字來自 ifo、IAB、聯邦統計局與聯邦就業局。
• 「2030 年」是預估的時間點，不是預言。AI 的能力每半年都在變，我們會跟著新的研究版本更新係數和說明。
• 結果不構成職涯、法律或投資建議。

7. 參考文獻

依機構分組。每一篇都在 2026 年 9 月 28 日 對回原始頁面；引用的數字寫在題目的背景說明與報告裡。以上研究者與機構都沒有參與或背書本測驗。

8. 更新紀錄

• 2026 年 9 月 28 日：第一版（原型）。29 題，六個面向：曝險度、互補度、判斷與人際、學習速度、結構位置、人味護城河。

看完方法，開始作答。