2026年7⽉30⽇《明報》
最近幾位任職人事主管的朋友不約而同說，求職信寫得太靚，反而扣分。
乍聽之下看似反直覺，但細想就會明白。AI普及後，每份履歷都變得工整流暢，遣詞造句幾近完美，讀起來卻像出自同一支筆。文字愈漂亮，未必愈有說服力。HR心裡有數，哪些是 AI 代筆，哪些真正來自求職者本人。真正能讓他們留下深刻印象的，反而是一段親身經歷、一件做過的作品，或者一次跌倒後重新站起來的故事。
這看似只是招聘上的小細節，背後卻透露了一個更大的轉變。職場上的每一項能力，都會被重新定價。
過去幾年，談及AI 對就業的衝擊，焦點總離不開兩個問題：哪些工作會消失？哪些職位會被 AI 取代？香港的數據確實令人憂心。適合大學畢業生的全職空缺，由2022年約8萬個，大幅減至2025年約3.1萬個；行政、資訊科技及初級程式開發等職位跌幅尤其明顯，接近九成和八成，政府亦把自動化列為主要原因之一。¹
然而，如果我們的目光只停留在「哪些工種消失」，反而會錯過更深層次的變化。AI 不是隨機淘汰某些職業，而是重新為每一種能力定價。有些能力貶到近乎沒有價值，有些卻變得前所未有地矜貴。而最弔詭的是，那些身價不斷上升的能力，偏偏不是香港教育系統最擅長培養的，也不是多數家長最重視的。因此與其留意「下一份鐵飯碗在哪」，不過認真研究日後最有價值的能力是甚麼。
AI 使執行力愈便宜，判斷力愈昂貴
不少人說，每一次科技革命都會取代部分工作，這次 AI 也只是歷史重演。
但今次確實有些不同。幾年前，AI連一篇像樣的文章也未必寫得出來；今天，它能起草法律意見、寫出各種可運行的程式，甚至通過專業資格試、在數學奧林匹克拿下金牌級的成績²。過去每一波自動化，消失的都是最重複、最消耗體力的工作；這一次卻倒轉過來，首當其衝的是初級律師、分析員、程式員這類認知型工作。香港家長一直深信的「讀好書、考好試、做專業人士」那條路，反而最先受到AI衝擊。
要認清這個變化，可以把人的能力簡單分成兩類理解。
第一類，是執行力。凡是可以能被拆解成標準程序、寫進操作手冊、交給新人按部就班完成的工作，大多屬於這一類。例如律師逐頁核對文件、初級分析員整理數據跑模型、把資料整理成簡報，靠的是時間和熟練程度，而不是判斷力。一個天才校對文件，並不會比普通人快。這些工作過去一直是年輕人的職涯起點，市場願意付薪，只是因為有人願意花時間完成這些枯燥的工作。
另一類，是判斷力。它出現在沒有標準答案的時候，例如在資料不充分時作出決定、並承擔後果。具體而言，AI 可以協助分析醫學影像，但坐在病人面前，面對一位八十歲長者，到底應否承受高風險治療、如何向家屬解釋不同選擇背後的代價？病房裡一段沉默、一個眼神，往往比檢查報告更重要。這些都不是單靠知識就能回答，而是要把知識應用到真實的人和情境之中。
AI最擅長的，偏偏就是前者。只要步驟清晰、資料充足、答案曾經大量出現，它幾乎可以以接近零成本完成，而且愈做愈快、愈做愈準確。於是，執行力愈來愈便宜；真正稀缺的，便成了判斷力。
那封漂亮的求職信，其實正反映了這個現象。當人人都可以以低成本交出一份工整流暢的文件，工整本身便失去了價值；剩下真正有價值的，是那些無法複製的真實經驗與判斷。
同樣是判斷力，價值卻可以天差地別
護士、社工、輔導員、安老照顧者，都是典型例子。他們真正的價值，從來不是填表、寫紀錄，而是面對不同的人，建立信任、臨場應變。AI可以替他們減少不少文書工作，卻代替不了那份人與人之間的連結。隨着人口老化，這類工作的需求甚至可能持續增加。不過，人始終有時間和精力的限制，一位再出色的護士，一天能照顧的病人始終有限。
另一邊，AI卻正在放大另一類人的能力。今天，一位創業者可以同時指揮一隊 AI 代理人（AI agent）完成設計、編程、市場推廣、客服、記帳等工作，一個人便能經營十年前需要數十人團隊才能運作的公司。判斷力一旦配合AI，規模便不再受人數限制。
這並非科幻小說，而是已經發生的現象。Kim與Koning比較同一時期、同行業的初創企業後發現，以 AI 為核心的公司平均團隊規模小約四分之一，初級員工比例亦更低，但企業估值與傳統公司相若。³
真正值得留意的，不只是那些成功運用AI的人，而是那些再也不用聘請的新人。少掉的，不只是職位，而是整條成長階梯。文件校對、資料整理、跑模型、做分析，原本都是年輕人累積經驗、建立判斷力的重要起點。當這些位置逐步消失，社會也失去了過去最主要的「學徒制度」。
未來拉開人與人距離的，未必再是「讀書厲害」和「讀書普通」，而是「有沒有判斷力」。偏偏，這也是今天考試最難測量的一種能力。
香港教育，仍在培養一項正在貶值的能力
我們的教育制度，本質上是一部度量「執行力」的精密機器。而量度甚麼，最後就會教出甚麼。
公開試獎勵甚麼？標準化、去脈絡、獨自完成、單一正確答案。問題是，這些能力正好也是AI最擅長的。我們花十多年，把學生訓練得愈來愈準確、愈來愈有效率、愈來愈懂得按指示完成工作；踏出校園時才發現，市場對這些能力的需求正在快速下降。這並不是教育做錯了，而是世界變得太快。
當然，這不代表知識變得不重要。相反，判斷力從來都建基於知識之上。沒有扎實的知識，就談不上判斷。只是今天，「知道答案」已經不是競爭優勢，因為AI知道得更多、記得更快。真正拉開距離的，是知道甚麼時候該用哪一種知識，又知道甚麼時候不該用。
而判斷力偏偏不能靠死記硬背培養。它只能在真實、有後果、需要面對他人的情境中慢慢磨練。過去，不少人正是在那些初階工作裡，一邊做文件、一邊跑數、一邊犯錯，逐漸學懂如何看輕重、辨優次、作決定。如今，這些工作愈來愈少，學校便不得不承擔更多責任。
出路：與其評成品，不如評思考過程
那麼，學校應該怎樣回應？近年最常聽到的答案，不外乎是「盡快學AI」、「人人都要學編程」。這些建議未必錯，但未必抓到重點。懂得使用AI，很快就會像懂得用Excel一樣，只會成為基本能力，而不是競爭優勢；至於基礎編程，本身正是最容易被AI自動化的工作之一。如果教育只是把更多執行技能塞進課程，其實只是要求學生與 AI 比速度、比效率，這場比賽，人注定贏不了。
真正需要改變的，不是教甚麼工具，而是評甚麼能力。 AI可以替學生寫報告，卻不能代替他站在老師面前，解釋自己為甚麼這樣判斷；可以整理資料，卻不能在被追問時即場修正觀點、回應質疑。這些過程，才是判斷力真正浮現的地方。
如果教育仍然只看最後交上來的一份作品，自然愈來愈難分辨哪些能力屬於學生，哪些只是AI的產出。與其如此，不如把更多比重放在思考過程：學生如何提出問題、如何取捨不同方案、如何回應質疑、又如何修正自己的想法。評核的焦點，由「寫得好不好」，慢慢轉向「想得深不深」。
香港未必需要一下子推倒整個文憑試制度。一個更務實的做法，是由考評局與課程發展議會挑選部分科目先行試點，把現有專題研習逐步改為重視研究過程、反思紀錄和標準化答辯，再配合跨校覆核機制，一邊實踐、一邊修正，再逐步推展。
當然，現實問題並不少。數以萬計考生逐一答辯，行政成本如何控制？不同考官如何保持一致？又如何避免演講技巧蓋過真正的思考能力？這些都不是小問題。但亦都有參考答案，國際文憑（IB）多年來一直採用相近模式。校本評核由教師按共同準則評分，再由考試局抽樣覆核；延伸論文亦設有口頭答辯，評核重點放在推理、反思與判斷，而不只是論文本身。⁴ 它未必完美，卻至少證明了一件事：判斷力並非不能評，而是願不願意設計出合適的制度。
香港有條件行快一步
香港其實有一個優勢。我們的課程和評核相對集中，只要考試評核的能力改變，整個教育系統便會跟着改變。考試一直是香港教育最強的指揮棒，既然如此，它也可以成為改革最快的一支槓桿。
不過，再有效率的制度改革，也快不過從家庭開始。說到底，判斷力不是靠補習班堆砌出來的。真正能培養判斷力的，是那些需要自己承擔後果的經驗：一份要直接面對客人的暑期工作、一個必須自己帶隊完成的計劃、一場做失敗後仍要自己收拾殘局的合作。這些經歷不一定漂亮，甚至可能有點狼狽，但正因如此，才會真正長出能力。
很多家長習慣把孩子的時間排得密密麻麻，希望每一小時都有可衡量的成果。然而，在AI時代，這樣做或許正好把時間投放在一項愈來愈貶值的資產上。
當 AI 愈來愈擅長提供標準答案，人真正珍貴的，也許不再是答對多少題，而是在沒有標準答案的時候，仍然能理解他人、作出判斷、承擔後果，甚至跌倒後願意重新站起來。
未來真正昂貴的能力，或許就是這份底氣。而它，從來不在考卷裡。
