我在日本 AI 公司當數據分析師：AI 浪潮下的前線觀察筆記

2026-04-28 In 日本觀點, 產業趨勢 By Alicia

我在日本 AI 公司當數據分析師：AI 浪潮下的前線觀察筆記

嗨，我是 Alicia，目前在東京一家 AI 法務科技公司擔任數據分析師（Data Analyst），在日本工作邁入第七年。

今年 4 月，我在WIJ主辦的「東京AI 職涯小聚」上分享了《日本 AI 公司：數據分析師的職場前線觀察》。這篇文章是當天演講的文字濃縮版，將焦點放在我於第一線觀察到的產業現象、個人反思，以及在這個容易讓人焦慮的 AI 時代中，我認為最重要的生存策略。

AI 真的讓工作更有效率了嗎？

先說結論：AI 確實讓單一任務的處理變快了，但整體的「工作量」並沒有減少，反而讓工作變得更密集、節奏更快。

聽起來很矛盾對吧？這其實是因為，我們正處於一個對 AI 充滿「不切實際期待」的陣痛期。我觀察到職場與市場上出現了三個荒謬的現象：

人力 AI 的誕生 ：
在這波浪潮下，許多管理層將 AI 視為萬靈丹，認為它應該能搞定一切。但現實是，很多任務 AI 根本還做不好。員工夾在老闆的期待與技術的限制中間不敢明說，只好假裝是用 AI 完成的，實際上背後還是純手工的「人力 AI」。

為用而用的 GenAI KPI 壓力：
某些公司將 AI 的使用量變成了硬性的績效指標。例如，規定工程師每個月必須用 AI 產出 50 個以上的 PR（Pull Request）。結果反而引發了離職潮，因為大家覺得自己是被逼著為了交差而用 AI，完全失去了提升效率的初衷。

過度 AI 化的標籤氾濫：
現在去購物，你會發現越來越多產品硬要沾上邊，連洗衣機、電鍋都要標榜「AI 驅動」。當每家公司都急著為產品貼上 AI 標籤時，我們不禁想問：這個功能真的需要 AI 嗎？

這三個現象凸顯了一個殘酷的現實：整個市場對 AI 的「效率」有著過度神話的期待。 因為老闆覺得有了 AI，你理所當然能產出十倍的結果。所以，當 AI 真的幫你省下了一小時，那一小時並不會變成你的休息時間，而是讓你去處理那些原本因為太花時間而被放棄或延後的任務。

AI 沒有減少工作，而是讓更多工作變得「可以完成」。

這才是第一線工作者感到疲憊的真相。工作總量沒有下降，而是以更密集的節奏不斷累積。

學 AI 的焦慮，你也有嗎？

如果你也有在關注 AI 的發展，一定有這種感覺：技術退燒的速度實在太快了。

從 RAG 到 MCP，每一個新名詞都是剛推出就爆紅，結果半年後可能就被說過時了，永遠追不完。面對這種資訊焦慮，我的應對策略是：「刻意慢學」。

意思是我不盲目追趕每一個新浪潮。當新技術出現時，我會先觀望，等它沉澱下來、被社群實際驗證過價值後，再投入時間深入學習。與其把精力耗費在可能半年後就被淘汰的框架上，不如把時間留給那些「不會過時的能力」。

不會被 AI 取代的三種能力

什麼是不會過時的能力？我自己歸納出以下三種：

溝通與協作力：
AI 不會開會、不會跨部門協調、更不會讓意見分歧的利害關係人達成共識。當 AI 能處理越來越多執行面的工作時，能當一個好的 Team Player，把不同背景的人凝聚在一起達成目標，反而變得比以往更重要。

商業判斷力：
AI 可以瞬間跑出一堆數據、生成一百種分析圖表。但是，哪些數據才有意義？該如何解讀？應該據此給老闆什麼策略建議？這些需要理解業務脈絡與人性的判斷，是 AI 無法代勞的。

問題定義力：
AI 很擅長回答問題，但它不擅長「問對問題」。決定現在該解決什麼問題、用什麼框架去拆解、優先順序如何安排，這往往比解題本身更具價值，也是 AI 最難取代人類的護城河。

DA / DS 的工作會消失嗎？

因為我自己是 Data Analyst（數據分析師），常被問到：「你的工作會不會被 AI 取代？」

綜合我自己的前線觀察以及與幾位獵頭交流的結論是：職缺沒有減少，但性質正在發生根本性的改變。

過去，DA 或 DS 的價值很大一部分建立在「執行（Execution）」上，像是寫 SQL、撈數據、做報表、跑模型。這些事情，AI 確實已經越來越擅長。但現在更重要的，是「判斷（Judgment）」，也就是定義商業問題、解讀數據背後的真義、提出有說服力的行動建議。這才是人類在這個角色中無可取代的價值。

這個轉變可以用一句話概括：