50歲的殺手：為什麼人工智慧正在武裝老兵

上個月我在臺北的一個WeWork，無意中聽到兩位初級產品經理抱怨他們的新老闆。那個人52歲，曾在埃森哲工作，擁有二十年的財富管理經驗。而且顯然，他是「令人厭煩的親力親為」。

「他不只是審查策略，」 其中一位說。"他自己在凌晨兩點建造原型。在 Figma 裡。然後他把它放在 Slack 上，附上一則關於我們版本有什麼問題的備註。"

另一個人嘆了口氣。"這不公平。他現在有經驗和速度。"

那句話就是整個遊戲。而且大多數35歲以下的人還沒有意識到他們站在錯誤的一方。

神話

有一個持續的故事關於 AI 時代，聽起來直覺上是正確的：贏家將是年輕人。他們學得更快。他們適應得更快。他們沒有過時工作流程的負擔。他們是數位原住民；而我們其餘的人只是來訪者。

這對風險投資家和 TikTok 影響者來說是一個令人安慰的敘事。但這在結構上是錯誤的。

如果你看看那些在 AI 領域獲勝的公司裡實際發生的事情——不是在實驗，而是贏得—你會注意到一些奇怪的事情。駕駛最大槓桿的人不是那些去年夏天學會提示工程的25歲年輕人，而是那些花了二十年時間發展判斷力的50歲人士，他們現在正在利用人工智慧來恢復因官僚體制而失去的執行力。

舊妥協

在過去的二十年裡，企業生活運作在一個殘酷的權衡中。你爬得越高，離實際工作就越遠。

你最初是一名分析師。你瞭解工具、數據和技藝。然後你成為了一名經理。接著是主任。然後是副總裁。隨著時間推移，你的日曆被一些看起來重要但並不是工作的事情填滿：對齊會議、利害關係人管理、季度規劃儀式，以及無止境的「領導」表演。

你的判斷力不斷累積。每一個失敗的專案、每一個市場週期、每一次客戶背叛都增加了讓你直覺更敏銳的傷疤組織。但是你的執行力卻萎縮了。你無法再建造原型。你無法查詢資料庫。你無法在不將其委派給三個人的情況下撰寫簡報。

傳統組織迫使你做出選擇：你可以成為那個決定的人，或者是那個人 做了 。你不可能同時是兩者。時間不夠，所需的工具需要專業化。

外骨骼

人工智慧剛打破了這個妥協。

之前，一位高層決策者需要一個團隊來執行一個複雜的計畫：工程師負責編碼，分析師負責建模，設計師負責原型，助理負責彙整。現在，一個擁有強大代理堆疊的人可以執行所有這些功能。雖然不如每個領域的專家那麼好，但足夠快地做出判斷。

人工智慧並不是取代高層的專業知識。它取代的是 組織的負擔這曾經將他們與工作分開。

把它想像成一個外骨骼。這位50歲的老者並沒有變年輕。他們並沒有在一夜之間學會編程。但這臺機器現在處理語法、格式、資料處理和初稿生成——而他們提供方向、品味、風險評估，以及2008年、2016年和2022年的模式識別。

他們回到了工廠的現場。不是因為他們需要這樣做。因為他們可以這樣做。而這種組合是毀滅性的。

新數學

這改變了競爭的方程式，應該讓任何認為自己的青春是一道護城河的人感到恐懼。

舊的戰鬥是：年輕的執行力 vs. 資深的判斷力。你可以選擇快速行動或深思熟慮。不同的角色，不同的職業階段。

新的戰鬥是：年輕的執行力 vs. 資深的判斷力 × AI 執行。

當每個人的執行速度都被機器平坦化時——當一位 24 歲和一位 54 歲都能在一小時內生成一個原型——區別不在於誰打字更快，而在於誰知道這個原型實際上應該做什麼。誰理解監管風險。誰曾見過這個特定的市場模式並知道它的結局。

當執行被民主化時，判斷力成為唯一稀缺的資源。而判斷力不是一個 YouTube 教學。它是時間、損害和生存的函數。

AI 無法生成的東西

年輕的提示工程師可以讓機器產出一個完美的策略簡報。但機器無法給他們在 2011 年因為監管環境變化而目睹類似策略失敗的記憶。它無法給他們對特定客戶群在利率上升時行為的深刻理解。它無法給他們那種告訴他們"這感覺不對"在資料確認之前。

這些不是抽象的「軟技能」。它們是壓縮的經驗—通過多年在特定且昂貴的方式中犯錯而建立的模式庫。人工智慧可以模擬專業知識，但無法模擬獲得它的成本。

當機器處理執行層時，唯一剩下的競爭點就是指導它的人類判斷的質量。而這種判斷主要集中在那些在競技場中待得夠久以至於有了傷疤的人身上。

年輕人的殘酷真相

如果你現在30歲，你需要理解一些在大多數職業建議專欄中沒有大聲說出來的事情。

你的競爭對手不再是那位在你之前六個月學會撰寫提示的三十歲年輕人。你的競爭對手是那位擁有二十年市場週期經驗的五十二歲女性，她曾經解僱過人，也被解僱過，目睹過三次泡沫的膨脹與破裂——而現在她的執行速度與你一樣，因為她也穿上了同樣的外骨骼。

她不需要熬夜到凌晨三點學習新的框架。她需要熬夜到凌晨三點，因為她正在運行與你相同的原型循環，只不過她是用二十年累積的廢話檢測器來測試它。

年輕曾經是一種優勢，因為它帶來了活力、速度和低成本的執行。當機器提供速度和能量時，年輕只是……加速的不成熟。

結論

人工智慧並沒有使經驗變得過時。它使經驗液態化—可以轉換為以前無法實現的產出規模。

在過去的二十年裡，高級專業人士被困在一個可怕的交易中：他們的判斷變得更加有價值，但他們部署判斷的能力卻縮小了。他們成為自己組織的顧問，目睹年輕人執行他們知道有缺陷的想法，因為組織架構不允許他們接觸這些工作。

那個建築剛剛倒塌。判斷與執行之間的牆壁已經消失。而那些花了二十年建立判斷的人，現在發現他們可以再次直接運用它。

如果你年輕，你的任務不是更快地學習工具。這些工具已經非常簡單。你的任務是壓縮經驗—找到更快獲得傷疤的方法，更早進行模式識別，建立那個五十歲的人已經擁有的判斷。

因為那位五十歲的女性剛剛重新掌握了她的能力。而這一次她不會放手。

— 詹姆斯，水星科技解決方案，臺北，2026年5月