當 AI 開始挑戰一個人累積二十年的專業身分，HR 面對的可能不是數位技能問題，而是一場 Identity Transformation
最近我開始注意到一個很有趣的現象。
很多企業現在很認真推 AI。
請顧問、買 Copilot、辦工作坊、要求主管學 Prompt，課程名稱一個比一個有氣勢：
「AI 賦能組織轉型。」
「生成式 AI 領導力。」
「打造 AI-First Organization。」
台上的老師講得熱血沸騰。
台下有些主管的表情，大概只差沒有直接在額頭上顯示：
「又來了。」
HR 通常第一個直覺是：
「是不是這些資深主管比較排斥科技？」
以前我可能也會這樣想。
但最近看到一些主管面對 AI 訓練、AI 情境模擬甚至 AI 回饋的反應後，我開始覺得，事情可能沒有那麼簡單。
有些人不是不會用 AI。
甚至也不是不相信 AI。
他真正不想面對的，可能是另一件事：
如果我認真做了，結果發現自己其實沒有想像中那麼厲害怎麼辦？
這時候，AI 面對的就不再只是 Technology Adoption。
而是人的 Professional Identity。
一個當了二十年主管的人，最不想聽到的可能是：「我們從基礎開始」
想像一位主管。
做管理二十年。
開過不知道多少次績效面談，處理過衝突、帶過團隊、做過組織調整，公司新人看到他還要喊一聲「前輩」。
有一天 HR 很開心地寄信給他：
「邀請您參加 AI 管理情境演練。」
做完以後，系統顯示：
目前能力：Level 1。
下一行：
建議您從基礎開始練習。
如果我是他，我可能也會先研究一下這套系統是不是可以申訴。
因為問題已經不是「我要不要學」。
而是：
我過去二十年相信的那個『我很會管理』的自己，突然被重新放上考卷了。
這種感受，在組織心理學其實有一個很重要的概念：
Professional Identity Threat——專業身分威脅。
AI 威脅的，可能不是工作，而是「我是誰」
2025 年《AI & Society》刊登一項針對 413 位專業工作者的研究，直接研究 AI-induced Professional Identity Threat。
研究發現，當 AI 開始進入原本屬於專業人士的工作領域，人們不只是擔心「AI 會不會搶走我的工作」，還會開始思考：
我的專業還值多少？
我原來會的東西，還算專業嗎？
如果 AI 五分鐘做完我以前花三小時做的事，那公司到底為什麼需要我？
研究也發現，把 AI 理解成可以合作的對象，而不是純粹的取代者，以及建立「我是一個能與 AI 工作的專業者」這種新的 AI identity，都有助降低專業身分威脅與提升採用意願。(Mitigating AI-induced professional identity threat and fostering adoption in the workplace)
這一點非常重要。
因為很多企業現在推 AI 的方式，其實不小心一直在對員工說：
「你看，以前你做三小時，AI 三分鐘就做完了！」
講的人覺得自己在展示 ROI。
聽的人心裡想的可能是：
「所以你到底還要我幹嘛？」
然後 HR 很疑惑：
「奇怪，我們明明是在鼓勵大家擁抱 AI，為什麼大家都沒有很興奮？」
原因可能就在這裡。
主管的問題還更麻煩：AI 不只碰能力，還碰地位
2026 年 Academy of Management 有一項很有意思的研究，直接研究 AI-induced Status Threat 對主管的影響。
研究透過 142 人的情境實驗，加上 143 位主管的多波次調查發現，當主管感受到 AI 威脅自己的地位時，會出現兩條完全不同的路徑。
有些主管開始自我反思，願意接觸 AI、重新思考自己的角色。
但另一條路則是：
Status Threat → Job Anxiety → AI Resistance。
也就是說，越感受到自己的位置受到威脅，越可能產生焦慮；而焦慮又可能進一步形成對 AI 的抵抗。(Double-Edged Sword Effect of AI-induced Status Threat on Leaders’ AI Symbolization and Resistance)
所以有時候你看到一位主管說：
「AI 沒什麼了不起。」
不一定代表他真的覺得 AI 沒什麼了不起。
有時候恰恰相反。
可能就是因為他已經發現：
這東西好像真的有點了不起。
所以才更需要告訴自己：
「沒什麼。」
這很像學生考試前一直說：
「我根本沒念。」
考差了可以說沒有準備。
考好了則證明自己是天才。
人類在保護自尊這件事情上，幾千年來一直很有創意。
AI 只是增加了一個新的應用場景。
所以問題真的是「年紀大的人比較排斥 AI」嗎？
我反而不建議這樣下結論。
因為目前的資料並不支持「年紀大＝抗拒 AI」這麼簡單的說法。
BCG 2026 年的全球 AI at Work 調查涵蓋 11,749 名工作者、14 個市場。一個很有意思的結果是，第一線員工經常使用 AI 的比例從前一年大幅增加到 74%，而 BCG 特別指出，這一波成長的重要來源之一，就是較年長工作者與營運職務員工的採用增加。(AI at Work: Strategy Matters More Than Tools)
所以，年齡可能影響一個人學習科技的方式，卻不代表資深工作者注定排斥 AI。
我反而會區分：
Age，不等於 Seniority；Seniority，也不等於 Identity。
一個 55 歲、每天研究新科技的人，可能完全沒有問題。
但一個 38 歲、在某個領域已經被公司當成權威十年的人，反而可能受到很強的身分衝擊。
因為真正的問題不是：
「我會不會使用這個工具？」
而是：
「如果這個工具會做我最擅長的事情，那我還剩下什麼？」
「我不想做測評」有時不是逃避學習，而是在保護自己
這對 HR 特別重要。
我們很容易把拒絕參加 AI 模擬、能力評估或培訓的人解讀成：
「沒有 Growth Mindset。」
但有時候，人不是不願意進步。
他是不願意接受一個可能讓自己「降級」的訊號。
尤其主管更明顯。
一個新人發現自己不會處理員工衝突：
「原來這裡要學。」
一個做了十五年主管的人發現自己不會：
「這個案例不符合我們公司的實際狀況。」
再做一次：
「我們公司的員工不會這麼刁鑽。」
再做一次：
「這個 AI 不懂人性。」
做到第五次可能就會得到一個完整的研究結論：
這套系統不適合本公司。
很有趣的是，最新研究甚至發現，人們對「AI 給的績效回饋」本身就有不同反應。
2026 年 8 月《Frontiers in Psychology》的一項研究比較人類、AI 與 Human-AI Hybrid 所產生的績效回饋。結果顯示，完全由 AI 產生的回饋，整體上引發較差的情緒、動機與關係反應；Human-AI Hybrid 則介於兩者之間，其中由人撰寫、AI 協助修訂的回饋可以接近純人類回饋的效果。
有趣的是，「AI anxiety」本身反而只有有限影響。
也就是說，問題未必只是這個人「怕 AI」，而可能是：
誰有資格評價我？
這對所有使用 AI 做人才發展與績效回饋的人，都是非常重要的提醒。(Source matters, AI anxiety less so: comparing employee reactions to human, AI, and hybrid performance feedback and the limited role of AI anxiety)
「又是 AI」可能至少代表五件完全不同的事情
今年一篇《Frontiers in Psychology》的系統性文獻回顧整理了 30 項量化研究、共 11,638 名受試者，發現所謂的 AI Anxiety 根本不是一種單純焦慮。
它可能包含學習焦慮、工作取代焦慮、隱私焦慮、透明度問題、倫理焦慮，以及對 AI 系統本身配置與使用的焦慮。(Dimensions of artificial intelligence anxiety among employees in the age of innovation: a systematic review)
所以主管翻一個白眼：
「又是 AI。」
HR 千萬不要立刻診斷成：
「需要再上三小時 AI 基礎課。」
那就像病人說肚子痛，你直接開止痛藥。
也許他只是早餐吃太多。
更糟的是，也許真正痛的是尊嚴。
In-house HR 真正要處理的，不是 AI Training，而是 Identity Transition
這也是我現在越來越強烈的感覺。
企業推動 AI，第一階段都把問題定義成：
Skill Gap。
所以解法就是：
上課。
Prompt 課、Copilot 課、Agent 課、AI 素養課。
上完做滿意度調查。
老師 4.8 分。
便當 4.6 分。
AI Adoption 還是 2.1 分。
然後明年再開一堂。
但 Microsoft 2026 Work Trend Index 對 10 個市場、約兩萬名 AI 使用者的研究，給了一個非常值得 HR 注意的結果：
影響 AI 實際工作成效的因素中，組織因素的重要性約占 67%，個人心態與行為約占 32%；而只有 26% 的 AI 使用者認為公司的領導團隊在 AI 方向上清楚而一致。甚至有 45% 的人表示，與其重新設計工作，專心完成目前 KPI 感覺更安全；只有 13% 認為，即使短期沒有達標，公司仍會獎勵使用 AI 重新設計工作的嘗試。(Microsoft)
這代表一件很殘酷、但 HR 應該很熟悉的事情：
公司嘴巴說「勇敢創新」，KPI 說「你最好不要亂來」。
員工最後通常會選擇相信 KPI。
因為 KPI 會影響年終獎金。
CEO 的演講不會。
如果我是 In-house HR，我會改變五件事
第一，第一次接觸 AI 評估時，不要急著證明員工很弱。
Development 與 Assessment 必須拆開。
如果第一次 AI 情境演練做完，就開始排名、分 Level、傳給直屬主管、納入人才盤點，那你基本上是在向全公司宣傳：
「歡迎來體驗 AI，它可能會留下證據證明你其實沒有那麼厲害。」
這個 adoption campaign 大概不會太成功。
初期最好讓結果是私人的、可重複的、強調發展而不是排名。
第二，不要叫資深主管「重新當學生」，讓他先成為專家。
例如不要直接告訴主管：
「現在我們來教你怎麼跟 AI 做績效面談。」
反而可以問：
「你帶人二十年，你覺得這個 AI 情境哪裡不像真的？」
「真正難搞的員工會說什麼？」
「你遇過最棘手的狀況是什麼？」
然後把他的經驗放進 AI 場景。
這時候角色完全變了。
原本是：
AI 評估主管。
現在變成：
主管教 AI 什麼是真實世界。
專業身分沒有被拿走，反而被重新確認。
這與研究中「把 AI 定位成 collaborator」有助降低 professional identity threat 的結果是一致的。(Mitigating AI-induced professional identity threat and fostering adoption in the workplace)
第三，不要從功能教起，要從痛點開始。
「今天教大家 Microsoft Copilot 的七大功能。」
這種開場很容易讓主管眼神直接進入省電模式。
換成：
「你每個星期花兩個小時整理週報，我們今天看看能不能變二十分鐘。」
眼睛通常會稍微張開一點。
成年人不是不喜歡學習。
成年人只是不喜歡學一個暫時看不出為什麼要學的東西。
第四，允許人偷偷當新手。
這句話我認為特別重要。
Google 可以把產品放 Beta。
OpenAI 可以說 Research Preview。
Microsoft 可以推出 Insider Preview。
不知道為什麼，人一做到主管，就被假設不能有 Preview。
其實資深主管更需要一個安全環境：
可以做錯。
可以重來。
可以只有自己看到結果。
可以先練到覺得差不多，再去正式測。
Psychological Safety 不只是團隊敢不敢發言，也包括一個成年人敢不敢承認：「這個我還不會。」
第五，最後才把 AI 變成職務要求。
這並不是說 HR 永遠要遷就所有拒絕 AI 的人。
當公司已經提供充分的時間、工具、訓練、安全練習環境與主管支持後，如果某項 AI collaboration 能力已經成為工作必要能力，那麼它最後當然應該進入 competency framework。
就像今天沒有主管會說：
「我個人比較排斥 Email，所以請秘書幫我收。」
至少通常不會公開說。
未來，某些 AI 協作能力也可能走到同樣的位置。
但順序很重要。
先讓人有能力改變，再要求人必須改變。
HR 真正需要重新定義「資深」
我覺得這才是這個議題最後真正有意思的地方。
AI 時代以前，「資深」常常代表：
我知道很多答案。
但當 AI 可以在幾秒鐘內產生大量答案，資深工作者真正的價值可能正在改變。
未來的 Senior，不一定是知道最多答案的人。
而可能是更知道：
什麼問題值得問；
哪一個答案不能相信；
什麼情況不能交給 AI；
什麼時候需要改變方向；
以及最後出了問題，誰要站出來負責。
換句話說：
AI 並不一定讓資深者失去價值，而是在重新定義什麼叫做資深。
如果 HR 能幫助員工完成這個轉換，AI 就比較可能被理解為專業能力的延伸。
如果 HR 只是一直告訴他：
「你以前做的事情，AI 現在都會了。」
那他沒有把電腦關掉已經算很有風度了。
結語：AI Transformation，其實是一場 Identity Transformation
AI 導入最大的阻力，可能真的不是 Skill Gap。
而是這一句：
「我不想再當新手。」
一個人在某個領域工作十年、二十年，累積的不只是能力。
還有地位、尊嚴、影響力，以及一個非常重要的心理認知：
「我是懂這件事情的人。」
當 AI 出現，把這句話重新打上一個問號時，我們不能只丟給他一門線上課程，然後期待星期一早上完成 Digital Transformation。
BCG 今年甚至直接把 AI change 定義成 people change，指出技能只是眾多 adoption barriers 之一，而企業必須主動創造練習、支持與改變工作方式的條件。(Your AI Change Is Actually a People Change)
所以，未來 In-house HR 真正重要的能力，也許不是：
如何讓員工學會 AI。
而是：
如何讓一個已經當了二十年專家的人，在不失去尊嚴與專業認同的情況下，願意重新成為學習者。
因為真正成功的 AI Transformation，不是公司買了多少 Copilot，也不是辦了多少場 AI 課程。
而是有一天，那位原本在台下翻白眼的主管，開始願意說：
「這個我還不會，我試試看。」
那一刻，真正的轉型才開始。