1970年代，ATM開始進到美國的銀行裡。所有人都認定，櫃員這個職業完了。機器來了，人就該走了。
但事實完全相反。ATM普及之後，每間分行需要的櫃員從21人降到13人，開分行的成本大幅下降。銀行為了搶市占率瘋狂展店，光是都會區的分行數量就增加了43%。從1970年到2010年，整整40年，美國銀行櫃員的總人數從來沒有持續下滑過，只是他們做的事完全變了，數鈔票、處理存提款這些標準化的工作被機器接手之後，留下來的櫃員開始做另一種事：幫小企業主處理複雜的財務需求、協助客戶規劃貸款、在面對面的互動中建立信任。職稱沒變，工作內容完全不同。
現在辦公室裡也在發生一樣的事。整理週報、彙整數據、追蹤專案進度、回覆制式信件……這些工作看起來像是需要專業能力，但本質跟當年櫃員數鈔票沒有太大差別，AI正在將這些整個接手。聽到這裡你大概覺得答案很明顯：把能自動化的事交出去就好了。但仔細想一下就會發現，沒那麼簡單。
哪些事可以丟給AI做，哪些事非得自己來，其實一想就知道。但中間有一大塊很容易被忽略，也就是AI能幫上忙，但最後還是得你來拍板的工作。數據分析、客戶提案、專案規劃，這些事AI都能參與，但下決定的是你。這一層就是現在新的工作真正發生的地方。人的判斷加上機器的能力，能做到的事比你單獨做多得多，但前提是你得知道怎麼與AI協作。大多數人在這一層幾乎沒有任何累積。一個主管一天的時間，光是追進度、整理報告、回信就用掉大半，等他終於坐下來看提案或評估一筆投資，只能匆匆掃過，憑經驗定一個大概的方向。他不是不知道這些決策重要，是根本騰不出時間。現在AI把前面那些雜事清掉了，你終於有時間好好做這些判斷了，但你會發現，過去憑經驗就能過關的做法，在這裡行不通了。怎麼問對問題、怎麼從AI給你的東西裡挑出關鍵、怎麼在資訊不夠的時候敢拍板，這些你從來沒有專門練過。
而且你能練的時間沒有你想的那麼多。AI每一次升級，都會把一些原本需要你判斷的事情，變成它可以獨立完成的。今天你還需要看過AI跑出來的分析再下判斷，明年也許AI自己就能判斷了。所以現在練習跟AI協作，目的不是為了一直待在人機協作這一層，重點是透過這個過程，把自己推向AI碰不到的地方：在沒有標準答案的時候敢做決定，在對方什麼都沒講的時候讀懂他的意思，在所有人都在等數據的時候靠直覺先走一步。
ATM的故事還有一個殘酷的後半段。銀行櫃員的人數在ATM時代撐了40年沒有掉，但從2010年代開始大幅下滑。原因是智慧型手機出現了，手機銀行讓多數人連分行都不用去了。40年來大家一直盯著ATM看，覺得那是最大的威脅，結果真正的殺手從一個完全不同的方向出現。
今天所有人都在盯著AI看。但ATM的教訓是：與其一直猜下一個威脅會從哪裡出現，不如讓自己站在一個難以被取代的位置。工具會變、技術會進步，但有些事始終需要人來完成。站穩在那個位置上，比猜對任何趨勢都管用。
NO.1072 LinkedIn教你找工作
