LIGHTCONE LIVE · 原始發表日期 2025 年 7 月 8 日
學位、職稱與既有職涯路徑仍有用途，但它們不再自動保證機會。能持續累積的，是把技能、領域知識與行動力變成真實成果的能力。
來源：Lightcone Podcast / Y Combinator〈How to Spend Your 20s in the AI Era〉。本文整理節目主持人的討論與觀點，不把對未來工作市場的推測當成既定事實。
SCROLL TO EXPLORE ↓
PART 1
節目從一個焦慮開始：過去被視為穩健的電腦科學職涯，正被 AI 與勞動市場變化重新定價。主持人提到新畢業生的求職壓力，也提到許多人開始懷疑，照著「念好學校、拿好工作」的既有劇本，是否還能換到同樣的結果。
這不是「教育沒有價值」的結論。更準確的說法是：憑證本身很難替人完成最後一哩路。當工具降低製作、研究與溝通的成本，雇主與客戶更容易直接問：你能解什麼問題？你能否把事情做完？
PART 2
生成式工具讓小團隊能更快寫程式、做設計、回覆客戶與測試想法。節目也指出，這會讓少數人用更短時間做出原本需要大團隊的產出。機會沒有平均分配給所有人，因為工具不會自動決定該做什麼、該信誰、何時停手。
真正稀缺的是選題、取捨與驗證。知道怎麼使用模型，只是起點；能判斷使用者真的在痛什麼、找出錯誤、對結果負責，才讓工具輸出變成可用成果。
節目反覆回到同一個方向：不是等到自己「完全準備好」，而是用可被看見的工作，讓能力在真實環境裡長出來。
PART 3
如果每個人都能取得類似的模型能力，差異會移到你看得見什麼。熟悉供應鏈、醫療流程、金融作業、教育現場或特定使用者的人，較能分辨一個看似流暢的回答，究竟是有用的捷徑，還是昂貴的錯誤。
節目中的建議不是把二十幾歲切成「先學技術」或「先累積人脈」的二選一。更接近的是，盡量把技術能力放到一個具體場域：和做這件事的人交談、承擔小責任、看見例外，讓知識不只停在教材與履歷。
PART 4
主持人也把話題拉回科技業的信任問題。當一家公司只剩包裝、聲量或不存在的承諾，短期可能吸引注意，長期卻會消耗整個產業的信用。AI 讓人更快產出，也讓人更容易用漂亮的展示掩蓋沒有被驗證的內容。
因此，行動力不是「什麼都做一點」。它包含願意接受檢驗：產品是否真的被使用、數字能否被解釋、承諾是否能交付。這套標準同時適用於一份作品、一個新創與一段職涯。
「能為社會帶來的真實效用，才是可以累積的東西。」
節目把技能、領域知識與行動力放在同一條路上：讓自己做出的事，能經得起真實世界的回應。
這不是測驗；選擇你想先用來降低不確定性的做法。