「我應該學習技能，這樣 AI 才不會搶走我的工作。」
如果你這麼想，那你只對了一半，也錯了一半。
這句話我可以很肯定地說。
決定 AI 是否搶走你工作的，不是你學了多少技能。
而是另一個完全不同的東西，它由一個特定的概念來代表。
這不只是我個人的意見。創立 DeNA、時隔 15 年後於 2026 年 6 月回任社長的南場智子，在一場演講中明確指出了這個概念。
答案我會在第三章給出。你想直接跳過去也可以。
但是，如果你不先讀第一、二章，這個答案就不會有效。 如果不了解說這句話的人究竟突破了多大的界線，那它就只會淪為另一句「漂亮話」。
這篇文章很長，如果你想之後再回頭看，建議先儲存起來。
第一章：說這句話的人是誰？
首先，了解這些話背後的人是誰。如果不了解，這就只是一個好聽的故事。
南場智子。1962 年生。津田塾大學畢業後進入麥肯錫（McKinsey），在哈佛取得 MBA，1996 年成為麥肯錫合夥人（經營層）。
1999 年創立 DeNA。2011 年卸任社長，之後歷任董事長、橫濱 DeNA 海灣之星（Yokohama DeNA BayStars）老闆（2015 年起）、日本經濟團體聯合會（經團連）副會長（2021 年起）。
然後，2026 年 6 月 27 日，南場女士時隔 15 年以代表董事兼社長身份回歸 DeNA，同時也擔任 CEO。
公司給出的理由是：
「基於未來的商業環境，亟需大幅提升經營速度，並加速推動組織運作與商業模式的轉型。」
創辦人在 15 年後重返第一線——而且是在 64 歲。就算你不是經營者，也能感受到這有多麼不平凡。
DeNA 是一家上市公司，截至 2026 年 3 月會計年度，營收為 1,477 億日圓、營業利益為 186.94 億日圓。這家公司的最高負責人親自回來掌舵。
她為什麼回來？因為 AI。
第二章：說出「全力投入 AI」的一年後，發生了什麼事
讓我們先倒帶一下。
「DeNA 將全力投入 AI。」
這項宣言的內容相當激進。她計劃讓原本由約 3,000 人運營的既有業務以一半的人力搭配 AI 來維持與成長，另一半人力則全部轉往新事業。
很多公司嘴上說要做卻沒做。所以，我們來看看一年後的數字。
2026 年 3 月 6 日，在澀谷 Hikarie 舉辦的「DeNA x AI Day 2026」上，南場女士報告了以下成果：
- 部分開發專案中，人類 5% / AI 95%，生產力提升 20 倍。
- 法律合約審查的效率提升了 90%。
- QA（品質保證）工時減半。
- 直播服務「Pococha」的審查成本減少了 60%。
他們甚至創建了一個獨特的評估指標，叫做 DARS（DeNA AI Readiness Score，DeNA AI 就緒度評分）。這是一個 5 級制的自我申報系統，第 1 級是「嘗試過一次推薦的對話式 AI」，第 5 級是「能夠提升他人的生產力，並以 AI 為核心制定新策略」。
這意味著 AI 的運用不再只是熱情或培訓的問題，而是已經成為人事考核的基準。
走到這一步的領導者，對於「人會變成什麼樣？」說了什麼？
這就是今天的主題。
第三章：南場智子命名的概念
這就是答案。
「起原力」（Originating Power）。
你大概從來沒聽過這個詞。字典裡也沒有。這是南場女士自己在演講投影片上加上引號寫出來的詞。
這是在 2025 年 2 月主題演講最後，一張名為「關於人才」的投影片上說的話。內容有點長，但因為縮短會改變原意，所以我會完整引用。
「即使在 AI 會完全按照指令行動的未來，我認為
原點在於人。
想要讓事情發生的意志、投入某件事的力量、擁有慾望、擁有渴望——這些東西會變得越來越重要。
工作會變得更加『濃密』。因為『薄』的工作將全部交給電腦處理，
我認為這種意志，也就是這種『起原力』，將會變得極其重要。」
投影片上是這樣寫的：
意志、「起原力」、投入的力量、慾望……工作會變得更加濃密。
在同一張投影片上，南場女士還說了兩件事：
「工程師會變得多餘嗎？→ 不會！」
對於西岸正在激烈討論的「不再需要工程師」之爭，南場女士的答案是明確的「不」。她反而表示，「渴望用 AI 創造些什麼的工程師」的需求只會增加。
「所有產品都將由 AI × 產業知識構成。」
因此，擁有專業產業知識、商業知識、數據以及客戶基礎接觸管道的人才需求也會跟著上升。
最後，就是起原力。
把「薄工作」和「濃工作」翻譯成簡單的說法。
這是整篇文章的核心，讓我們仔細看。
南場女士所說的「薄工作」是指：
別人已經決定好要做什麼，你用既定的方法動手把它完成的工作。
整理文件。做會議記錄。謄寫數字。重寫同一封 email 草稿。把資訊填入固定的格式。
另一方面，「濃工作」是指：
一開始就由自己決定要做什麼的工作。
要發布什麼主題。要鎖定哪些客戶。決定不做什麼。要跟誰合作。什麼時候收手。
AI 只會取代前者。到目前為止，大部分人應該都同意。
問題在於接下來的事。
當所有薄工作都轉移到 AI 身上時，留在你手上的只剩下「濃工作」。
這不是「事情變輕鬆了」的故事。這是「無處可躲」的故事。
想想你委外發包的時候。如果你只說「弄好看一點」，絕對不會得到好東西。要做什麼、為什麼做、要做到什麼程度——這些永遠是由發包的人決定的。
AI 是史上最能幹、最便宜的承包商。
但是，它不會為一個寫不出訂單的人做任何事。
這就是「原點在於人」的意思。
第四章：這不是心靈雞湯，數據也這麼說
如果你心想「南場女士是因為她很厲害才能這樣說」，然後就此打住，那你會付出代價。
實際的薪資數據也說明了同一件事。
2025 年，Erik Brynjolfsson 等人在史丹佛數位經濟研究所（Stanford Institute for the Digital Economy）發表了一篇論文，標題是《煤礦中的金絲雀？》（Canaries in the Coal Mine?）。這篇論文分析了美國最大薪資服務公司 ADP 的個人層級薪資數據。
結果如下：
- 在受 AI 影響最大的職業中，22 到 25 歲的就業人數減少了約 13%。
- 同年齡層的軟體工程師，比 2022 年底的高峰減少了約 20%。
- 另一方面，同職業中具經驗層級的就業人數並沒有減少。
這是最常被引用的部分。
但這項研究最重要的部分不是這個。
就業人數的減少集中在「AI 取代人類」的任務上，而「AI 增強人類能力」的任務並沒有減少。
這跟南場女士說的話完全一致。消失的不是職業。消失的是任務。只是「執行固定方法」的工作正在消失，而「邊做決策邊使用 AI」的工作沒有消失。
世界經濟論壇（World Economic Forum）的《未來就業報告》（Future of Jobs Report）也預測，到 2030 年，全球將有 9,200 萬個工作被取代，並創造 1.7 億個新工作。淨增加 7,800 萬個。
簡而言之，工作總量不會減少，只是內容會被替換。
當這個替換發生時，你會站在「決定要做什麼」的那一邊嗎？就只是這樣而已。
而對日本來說，這裡有個殘酷的事實。
根據 2026 年 7 月發布的《資訊通信白皮書》，日本個人使用生成式 AI 的比例是 58.8%。這個數字比前一年的 26.7% 翻了一倍。單看數字，確實是急速成長。
然而，美國超過 70%。而且日本的使用集中在文字方面，例如文件製作，圖片、影片、音訊的使用率則低於歐美。
即使翻了一倍，我們仍然沒有追上。這就是現實。
第五章：把「起原力」轉化為今天的行動
「我了解起原力很重要。那麼，我該怎麼做？」
接下來才是重點。根據南場女士的發言以及 DeNA 實際在做的事，我把它整理成五個行動。
起原力 ①：把自己的工作分類成「薄」和「濃」
很多人跳過這一步。
他們突然開始碰工具，想要「用 AI 提升效率」，然後三天就膩了。原因不在於能力。而在於他們沒有決定要交出什麼。
南場女士所說的「薄工作」因人而異。所以，你必須先盤點自己手上的工作。
如果你今天就要做，把下面這段直接貼給 AI：
我接下來會貼上我昨天到今天做的任務。 請把它們分成兩類。
A：方法已經固定、我只是按照決定動手完成的任務。 B：由我自己決定要做什麼、以及怎麼做的任務。
分類完成後，針對 A 的每一項，各寫一行 「如果要把這項交給 AI，我必須先告訴它什麼？」
[在這裡以條列貼上你昨天的任務]
跑出來的那些「A」就是你的「薄工作」。而且 A 越多，就越危險。
會消失的工作：在腦中模糊地整理、最後什麼都沒交出去的時間。
起原力 ②：即使沒被要求，也要先動起來
在 2026 年 3 月的 AI Day 2026 上，南場女士不斷重複一句話：
「先動起來。」
與其等完美的設計完成後再行動，不如一邊修正一邊前進。在同一場演講中，她還說：
「沒有速度的產品優勢毫無意義。」
速度。即使當下的 UI 或 UX 再優秀，如果沒有修正它的速度，就沒有意義。
這聽起來像是公司經營的話，但它直接適用在個人身上。
那些等著別人說「用 AI 試試看這個」的人，永遠輪不到他們。
等待指示，是 AI 時代最危險的姿態。因為下指示這份工作正是「濃工作」，也是人類之所以存在的地方。當你站到等待指示那一邊的瞬間，你就把自己排進了「薄」的那一邊。
如果你今天就要做：挑一件沒人叫你做的事，丟給 AI。可以是會議記錄，也可以是整理下週的行程。一件就好，範圍限定在不需要請求許可就能做的大小。
會消失的工作：花在想藉口「我們公司還不能用 AI」的時間。
起原力 ③：捨棄平庸的專業，將它倍增
在 AI Day 2026 上，南場女士用了相當大膽的說法：
「基礎模型廠商和 LLM 廠商比想像中還要無情。」
「我明白平庸的專業將在一擊之下被擊垮。」
投入數十兆日圓的 OpenAI、Google、Anthropic，會把所有能拿下的領域都拿下。所以，「稍微懂一點 AI」或「會寫一點程式」這種專業，會在下一代模型出現的那天消失。
那麼，留下來的是什麼？南場女士的答案，就是前面那句話。
「所有產品都將由 AI × 產業知識構成。」
單靠 AI 無法取勝。你累積了 10 年的產業知識、現場的直覺、看到客戶臉孔的經驗。這些 AI 永遠寫不出來。
把它變成乘法。不要當「AI 專家」，要當「能用 AI 解決〔某產業〕問題的人」。前者有幾百萬人，但後者幾乎不存在。
會消失的工作：把時間花在每次新 AI 工具出來都摸一下、最後每個都只會一點皮毛。
起原力 ④：別再打磨提示詞，去設計環境
南場女士把 AI 運用技術的演進分為三個階段：
- 提示工程（Prompt Engineering）：重視如何撰寫指令給 AI 的時代。
- 情境工程（Context Engineering）：重視如何傳授背景資訊的時代。
- 環境工程（Environment Engineering）：現在。
第三個階段的意思是，由於 AI Agent 現在會自己去獲取資訊，我們正處於設計環境本身的階段，例如「AI 可以看多遠」、「允許它做什麼」。
這正是我一直以來所說的。
AI 失敗不是因為能力低，而是因為迷路了。
與其把提示詞的寫法重寫 100 次，不如準備一份讓 AI 參考的文件更有效。決定讓它讀什麼、讓它碰觸到什麼程度、讓它輸出什麼。這就是人類的工作，也正是「原點」。
如果你今天就要做：為你常用的 AI 準備一份記載前提（你是誰、你的對象是誰、語氣是什麼）的文字檔，每次從那裡開始。三行就夠了。
會消失的工作：每次從零自我介紹、每次都得到不同答案，最後只好重做的工作。
起原力 ⑤：自己去獲取資訊
最後，是最樸實但最有效的一點。
光等，AI 是不會教你的。
如果你不自己去獲取資訊，它會在不知不覺中繼續進展，然後你就被拋在後面。更糟的是，等你發現並想追上的時候，其他人已經走得老遠，來不及了。
我已經被這樣教訓過很多次了。我心想「之後再研究」的工具，三個月後變成了前提條件，而從那之後追趕所花的時間，是好幾倍。
在 AI 的世界裡，三天前流行的話題已經算舊聞，是很正常的事。
所以，你必須讓自己處於隨時都在前進的狀態。這不是能力的問題，而是這個領域的本質。
如果你今天就要做：決定一個資訊流動的地方，養成每天早上花 5 分鐘看那裡的習慣。不需要追蹤所有東西。只要有一個你自己選擇的地方就好。
會消失的工作：某個話題爆紅六個月後，才慌慌張張開始追趕的時間。
第六章：老實說，我也曾在這裡跌過一跤
我上面寫得好像很了不起，但讓我說說我自己的事。
我當了 7 年小學老師，然後辭職了。沒人要求我這麼做。沒人叫我辭職，也沒有人說我應該辭。是我自己決定的，也是我自己辭的。
從那裡開始，我發布理財教育的內容，Instagram 粉絲成長到 59,000 人。
然後，2026 年 5 月底，那個帳號因為 Meta 帳號被封鎖，一夜之間消失了。59,000 人變成零。
在那之後我開始做的是 AI 內容。我的 X 帳號在 2 個月內成長到 8,000 人。現在我經營著兩個自己的產品（一個理財學校和一個 AI 課程）。
我為什麼寫這些？
因為不管是辭去教職，還是帳號被封後用 AI 重新站起來，都不是因為有人指示我這麼做。
這不是什麼漂亮的故事。帳號被封的時候，真的是黑暗期。但那時候，「等著別人告訴我下一條路」這個選項，從一開始就不存在。因為我知道，如果等待，不會有人來。
起原力大概就是這樣的東西。它不是才能，而是你是否站在「不會有人給我指示」這個前提上。
而我在運用 AI 時最痛苦的時候，正是 ⑤ 的那個「拖延」。我把感興趣的工具推到「這個禮拜很忙，下個月再說」，等我真正碰它的時候，其他人已經在討論以那個工具為基礎的下一件事了。追趕所花的時間，是從一開始就做的好幾倍。
那不是效率的失敗，而是起原力的失敗。
總結：如果今天只做一件事
重點回顧：
- 決定 AI 是否搶走你工作的，不是技能的量，而是起原力。
- 薄工作（按照決定執行）會全部交給 AI，只剩下濃工作（自己決定）。
- 史丹佛的數據也顯示，就業減少只發生在「AI 取代的任務」。消失的是任務，不是職業。
- 起原力由五件事組成：① 分類 ② 先動起來 ③ 倍增 ④ 設計環境 ⑤ 自己獲取資訊。
- 「工程師會變得多餘嗎？→ 不會！」。消失的不是職稱，而是等待指示的姿態。
讓我再次引用南場女士的話。
「原點在於人。」
「工作會變得更加『濃密』。因為『薄』的工作將全部交給電腦。」
如果今天只做一件事，就把第五章 ① 的提示詞貼進去。只要 3 分鐘。
你昨天的工作會被分成 A 和 B 跑出來。A 越多，代表你今天開始可以改變的空間越大。
最後
你覺得如何？
還有一件事。
今天這篇文章的結論是「放下薄工作，把時間花在濃工作上」。
但是，大家讀完之後最常給我的回應是：「我懂你的意思，但我不知道該怎麼放下。」
那是理所當然的。
所以，我要點名一件你應該最先放下的薄工作。
製作簡報資料。
我會先點名這個，有三個理由：
- 耗時異常。花 3 小時做一份投影片、一週做一份的人，一年就是 156 小時。
- 判斷幾乎為零。「要傳達什麼」是濃工作，但「要怎麼編排、要用什麼顏色」幾乎完全是薄工作。
- 這是 AI 最擅長的領域。與其說是文字生成，現在成長最快的是圖像生成。
我把這個「把判斷完全從投影片製作中抽離」的機制做成了一個工具。
就是 Brain：「自動投影片生成技能」（Automatic Slide Generation Skill）。
用數字來呈現是這樣：
- 50 種版型模板（從實際研討會資料中萃取：條列、比較、圖表、韋恩圖、時間軸、流程圖等）
- 50 種設計基底（全部指定色碼。包含金融、醫療、美容、育兒、教育、旅遊等產業別）
- 100 種以上的氛圍調整詞（用一個詞指定「更華麗」、「奢華感」、「春天感」）
- 相乘之後，超過 25 萬種組合
- 3 種生成路徑：直接貼到 ChatGPT / 全部交給 Codex / 透過 API 批次並行生成
要做的事只有三件：放一個資料夾。告訴它主題或腳本。對提出的架構說 OK。
在你放著不管的時候，它會建立架構、決定設計、生成所有頁面、檢查完畢，然後輸出成 PDF。頁數沒有限制。
我也會誠實地寫出來，這個工具不適合誰。
輸出的是圖片和 PDF。不適合想要在 PowerPoint 中重新打字編輯文字的人。
另外，AI 本來就很善變。這是一個以「10 到 20% 需要重做」為前提的工具。所以我在裡面附了 37 個修復提示詞，只要依照症狀貼上去就能修好。
與其由我來說，使用過的人說的話更有說服力：
上市一週就賣出 200 份。
價格是 1,480 日圓。
作為參考，簡報設計外包的市場行情是每張 1,500 到 3,000 日圓。如果請人做 20 張，就是 30,000 到 60,000 日圓。價格差了兩個數量級。
