EP.624 《發現我的多重職涯組合》讀後心得：全職工作是最高風險的選擇？

重點摘要

• 單一全職工作將收入與身份認同同時押注在一處，是當代職涯組合裡風險最高的策略，AI 浪潮讓這個論點更加成立
• Kristina 提出「投資組合人生」框架：將工作、副業、家庭、興趣等視為不同風險屬性的資產，依人生階段靈活配置，總量不超過 100%
• AI 時代出現兩種人才模型：T 型專家（垂直深度 + 橫向連結）與 M 型通才（跨功能靈活、好奇心驅動），後者是未來中階管理的核心形態
• 把 AI 當外包工具（讓它寫報告、做分析）是陷阱；創業者思維是用 AI 建立可重複的自動化工作流，才能真正發揮槓桿效益
• 人類不可取代的高認知工作包含：診斷與綜合分析、跨域連點創新、情感溝通說故事、建立可被問責的信任關係

詳細內容

全職工作為何是當代最高風險

Kristina Wallace 在著作《發現我的多重職涯組合》中指出，「穩定全職工作是最安全選擇」是一個過時信念。父母輩對雇主忠誠能換來對等回報的契約已告終結，2008 年大衰退後勞工市場再也沒有回到相同的線性穩定結構。

• 所有收入都押注在單一雇主，一旦被裁員，你就失去一切
• 更危險的是身份認同風險：野心越大的人越容易把「我是誰」等同於「我的工作頭銜」，所以失業就等於失去自我
• AI 出現後，以往被視為「安全路徑」的工程師、律師、醫生同樣面臨演算法競爭，此論點比寫書時更加成立

T 型專家與 M 型通才

Kristina 提出兩種 AI 時代的人才模型，分別對應不同的組織角色。

T 型專家是傳統個人貢獻者的進化版。垂直軸代表深度專業（工程、法律、財務等），橫向軸代表能把專業與組織其他部門連結的能力——理解自己工作的商業意涵，知道產出應該流向何處。AI 時代的 T 型專家需學會「管理 AI」：給出精準指令、QA 產出、決定下游整合。

M 型通才是未來中階管理的形態。這類人天生好奇、跨功能靈活、不受限於入職時的職稱，能同時扮演多種角色（例如既寫程式又做產品）。一個 M 型通才組成的團隊能讓組織快速移動、靈活應對，Kristina 認為這樣的團隊正是 AI 管理系統的理想架構師角色。

哈佛失敗案例研究：八年的「失敗代言人」

2011 至 2012 年間，Kristina 在哈佛 MBA 畢業後創辦了一家時尚電商直販新創（D2C），因資本不足、商業模式現金流無法持續而被迫關閉。這是她 28 歲以前遭遇的第一次真正失敗。

她的教授（同時也是公司投資人）事後詢問她是否願意成為「失敗的臉」，讓這段經歷被寫成哈佛案例教材。她同意的原因：公司關閉過程沒有違法、沒有傷害任何人，沒有任何她不能公開談論的決策。

這份案例研究之後每年被全體 900 名哈佛 MBA 學生研討，設計上刻意讓案例在「決定關閉或繼續籌資」的關鍵時刻停筆，學生在不知道結局的情況下辯論——直到 Kristina 本人現身揭曉。她連續八年回到課堂，最終因這份緊密連結被邀請加入哈佛教職。

她的核心觀察：創業失敗在新創圈不是履歷汙點，反而被視為超加速的判斷力養成——創業者每天做決策、即時看到結果，判斷力成熟速度遠快於在大公司擔任中層員工。

投資組合人生框架

Kristina 從管理學大師 Clay Christensen（《你要如何衡量你的人生？》作者）的課堂問題出發，借用金融學的投資組合概念設計此框架。

• 資產配置：將人生各面向視為資產——全職工作（類似債券，穩定低風險）、副業或新創（高風險高潛報酬）、家庭時間、健康、興趣、社群參與等
• 總量 100%：所有面向加總不能超過 100%，超配等於透支；低於 100% 代表還有餘裕，為突發狀況保留緩衝
• 依人生階段調整：副業開始起飛時，可以降低全職工作比重、提高創業配置；不是一次性決定，而是動態再平衡
• 衡量指標：Kristina 用個人化平衡計分卡追蹤各項目標，但最終問題只有一個：「你快樂嗎？好日子有沒有比壞日子多？」答案若是否定的，就是再平衡的訊號——不需評判，直接調整

AI 時代：使用者思維 vs 創業者思維

Kristina 觀察到多數人使用生成式 AI 的兩種常見錯誤：一是把它當「進階版 Google」，直接信任答案不驗證；二是把它當「外包大腦」，讓它寫報告、做作業，完全不審核輸出。她把生成式 AI 比喻為實習生：必須給出清楚指令，然後一定要審核成果——垃圾進、垃圾出。

創業者的用法截然不同：把 AI 用於建立可重複、可自動化的工作流程。這需要精確定義問題與流程（就像管理真人員工），一旦建好，系統 24 小時運作、不請病假，個人創業者因此擁有等同小型後台團隊的產能。

半人馬工作流：人機協作的正確姿勢

「半人馬工作流」（Centaur Workflow）是在流程中，把 AI 擅長的環節交給 AI，把需要人類判斷的環節保留給人類，而非全自動或全手動。

關鍵設計原則：

• 人在迴路中：九步驟流程不能丟給 AI 跑到底再看結果，容易出錯的節點要設人工檢核點，否則最終輸出有誤也不知道問題出在哪
• 稽核軌跡：能夠重現 AI 做了什麼，在受規管產業（金融、醫療）尤其必要
• 資料隔離：不同自動化流程不應共享同一組敏感資料存取權限，財務、醫療、客戶資料必須分開管控
• AI 的核心弱點是「自信地給出錯誤答案」（幻覺），且往往只給最顯而易見的結論，無法真正處理複雜診斷

人類的高認知價值工作清單

Kristina 認為以下是 AI 目前真正難以取代的工作類型：

• 診斷與綜合分析：從大量資料中找出真正的問題所在，並得出「所以然後呢」的結論。AI 只會給最顯而易見的答案，錯誤診斷導致錯誤方案
• 跨域連點與創新：把 A 領域的想法搬到 B 領域測試，AI 趨向平均值，跳脫框架的創意只有人類能做
• 情感溝通與說故事：在另一個人心中喚起情感，是深度人類能力
• 關係與問責：客戶回來找你，不是因為答案唯一，而是因為你可以被問責、值得信任——AI 無法被問責

與台灣 SAT Knowledge 合作的線上課程

Kristina 透過哈佛校友關係認識 SAT Knowledge 共同創辦人 Stephan，受邀為台灣市場設計線上課程。課程聚焦：AI 如何改變創業方式、中階管理角色、競爭護城河與策略定位，並結合「投資組合人生」框架，探討人類在 AI 工作流中的不可取代角色。她特別指出，AI 讓執行成本趨近於零，真正的競爭護城河變成：你獨有的洞察、專屬資料、以及分發能力。

精選語錄

“Failure is not fatal.”（失敗不是終點。）——談及願意以哈佛案例研究的形式公開自己的新創失敗

“Are you happy? Did you have more good days than bad? It’s a vibe.”（你快樂嗎？好日子有沒有比壞日子多？這是一種直覺感受。）——談投資組合人生的最終衡量指標

“Execution costs are now basically zero, which means proprietary insights are what drives advantages.”（執行成本現在基本上降到零，這意味著你獨有的洞察才是真正的競爭優勢。）

時間軸

• 開場 節目介紹：Kristina Wallace 與著作《發現我的多重職涯組合》，全程英文對談
• 前段 全職工作為何是當代最高風險：忠誠換回報的契約失效，身份認同風險甚於收入風險，AI 出現後更甚
• 中前段 T 型專家 vs M 型通才：兩種 AI 時代人才模型的角色差異
• 中段 哈佛失敗案例研究：2011-2012 年電商新創失敗、成為哈佛年度必修案例研究的始末，以及如何因此踏上教職
• 中後段 AI 時代重做創業會有哪些不同：不借 VC 資金、善用 AI 工具獨立建構原型、謹慎評估共同創辦人必要性
• 後段 投資組合人生框架：金融比喻、100% 配置原則、幸福感作為最終指標
• 後段 使用者 vs 創業者思維、半人馬工作流設計原則、高認知價值工作清單
• 尾段 與台灣 SAT Knowledge 合作課程介紹