2025年，台灣正式跨入「超高齡社會」——65歲以上人口占比突破20%。這個里程碑並不浪漫，因為它標誌著人口紅利的終結，以及一個以「勞動力稀缺」與「長壽風險」為主旋律的新時代。與此同時，生成式人工智慧（GenAI）以工業革命以來前所未見的速度改寫工作邏輯：AI不只加速效率，更正在重構「誰該工作、如何工作、以及為誰工作」。
於是，兩股力量在同一時刻交匯：一股是高齡化的浪潮，迫使嬰兒潮世代延後離場；另一股是智能的洪流，讓Z世代不易找到入場的階梯。
這不是單純的代際摩擦，而是一場制度、科技與文化交織的結構性重組。
延後退休：不是選擇，而是被迫的理性
2024年7月，台灣修訂《勞動基準法》第54條，允許勞雇雙方協商延後65歲強制退休。法律上，這只是打開一扇門；經濟上，卻是為生存另闢一條路。
其實，「延後退休」的背後邏輯非常直白：錢不夠用。在過去，退休意味著人生另一段旅程；在今天，退休卻可能意味著財務懸崖，要與通膨和醫療成本進行漫長的對峙。因此，「協商延後 65 歲強制退休年齡」的條款，看似給予個人更多選擇，實則在高齡化的壓力下，它更像是一種被迫的選擇：你不走，因為你不能走。
根據主計總處資料，2025年高齡家庭的CPI年增率為1.74%，高於全體平均1.66%；其中醫療支出占比高達8.33%，遠高於一般家庭的5.41%。亞太地區醫療通膨持續攀升，讓退休金的購買力加速蒸發。富達集團 (Fidelity) 的退休研究指出，要維持生活水準，67歲退休者通常需要累積「約年薪10倍」的資產——這對多數勞工而言幾乎是神話。
於是，延退成了理性選擇：
· 每多工作一年，就多一份收入；
· 少提領一年退休金；
· 還可能增加勞保年金的給付係數。
在美國，65歲以上仍在就業的人口已超過20%；日本更接近25%，並透過「高齡再僱用制度」與終身雇用文化延續勞動參與；韓國則立法要求大型企業設置中高齡友善職務。台灣的制度路徑，本質上與OECD國家一致：以延後退休作為對抗少子化的工具。
但這條路的副作用也同樣清楚：資深者留場，意味著新人更難入場。
AI的弔詭：效率上升，階梯消失
如果延後退休是一種被動式的經濟適應，那麼 AI 的導入則是一種主動式的結構改寫。歷史上每一次科技革命都會先削初階勞動，但通常會在另一邊創造新的學徒機會；而生成式 AI 的特點，是先吃掉那些曾是新手學習的任務，再去優化資深者的產出；亦即，AI 並非均勻地改變勞動市場，而是像一把精準的手術刀，首先切向「入門級工作」。
根據史丹佛大學與美國自動資料處理公司 (ADP) 的勞動市場研究指出：在「高度AI曝露」的職類中，22–25歲族群的招聘率出現明顯下降 (某些分析約10%以上）；近期，美國私人數據提供商Revelio Labs的分析顯示，美國新進員工的平均年齡已升至約42歲，遠高於十年前的平均值；而25歲以下新人的占比降至8.8%。這不是「沒有工作」，而是「初階工作被壓縮」。
AI最擅長處理的，正是過去新人必做的任務：
· 基礎文書
· 會議摘要
· 初階程式碼
· 市場簡報
· 客服回覆
在OECD的自動化風險評估中，約20–30%的工作被列為高度 AI 曝露類型；美國與英國的科技產業近年大幅削減初階工程師職缺。企業的最佳化策略是：讓一位資深員工加 AI 工具，取代三位新人。
這些現象背後的機制其實很冷酷：生成式AI先接管了大量「入門級任務」——整理、初稿、摘要、基礎客服與例行分析——把原本用來訓練新人的工作，預先做完、甚至做得更快。企業因此改寫用人公式：與其花成本培養新人，不如讓資深員工搭配AI工具擴張產能、降低錯誤與監督風險。AI並沒有消滅所有工作，但它正在拆解職涯最關鍵的結構——把新手走向熟手的那段階梯抽掉。
階梯一旦消失，就會出現一個自我加速的惡性循環：企業要求「可立即上手」的經驗，但新人沒有工作就無法累積經驗；越缺乏入門機會，越難長出被要求的能力。這便是Z世代的「經驗弔詭」：不是他們不願意學，而是制度先把「學的場域」關了門。
更重要的是，AI從來不是平等的力量。它在降低重複性勞動需求的同時，也把勞動市場推向更鮮明的兩極分工：一端是「知識密集＋判斷密集」的高階職務（如AI治理、審核、架構設計），門檻更高、報酬更集中；另一端則是被快速商品化的低階新職（如數據標註、提示操作），短期量多但低薪、低成長、可替代性極高。結果不是「AI取代人」，而是AI讓少數人更強、創造更多高端職位，卻讓多數新人的入口更窄，並把世代競合推向更制度化的無奈。
世代衝突：不只是代溝，而是制度失衡
當延退世代與初入職場的Z世代在同一辦公室相遇，除了制度化的無奈競合以外，也因為社會化過程的不同，造成職場上的認知衝突難以避免。
· 嬰兒潮世代尊重「年資即權威」
· Z世代信奉「能力大於位階」
· 前者偏好面對面溝通
· 後者習慣非同步協作
· 前者認為加班是責任
· 後者視之為剝削
然而，這些摩擦背後其實是更深的結構因素——資產不平等。
台北的房價所得比，長年超過15倍，遠高於聯合國建議的3倍，是全球最不利年輕人資產形成的城市之一。當住房變成無法企及的夢想，努力本身也失去直接的物質回報。
這種資產結構的不公平，深化了職場中的相對剝奪感。Z世代觀察到，無論拼命工作多久，擁有一個屬於自己的基本資產（如房子）已非必然；反觀嬰兒潮世代，或許正是靠著過去的資產增值，保留了一種穩定與逃生梯。當努力不再能保證進步，對於工作的忠誠與奉獻也就不再有意義。對多數Z世代而言，即使努力工作十餘年也難以購屋。於是他們選擇「安靜辭職」(對工作只做最低標準的投入)、重視工作與生活均衡 (WLB)、拒絕過度投入——這並非懶散，而是對無望前景的理性回應。
世界各地的競合解法：四種治理路徑
（一）美國：市場式訓練與學徒制
美國企業普遍以經驗與即戰力作為首要篩選標準。為補市場養成的缺口，政府與非營利機構推動「註冊學徒制」(Registered Apprenticeship)、職訓補助等計畫，把公共資源投入年輕人的培訓。這是一種讓年輕人進場的制度性補品，但它並未根本改變企業對經驗優先的偏好。
（二）OECD：制度層面的雙端整合
經濟合作暨發展組織主張，在AI與高齡化雙重壓力下，政策必須同時照顧「高齡延退與健康就業」與「年輕人入門與成長」。這要求各國建立終身學習機制、主動勞動市場政策、職務再設計與青年入門通道。這是最接近制度性競合治理的框架。
（三）日本：從延退到多段職涯制度
日本早就把延退做成制度常態，用「繼續雇用」「再雇用」等機制避免年齡牆，但若無同步建立青年導入機制，延退制度有可能固化權力結構，讓年輕人被擠出中階與高階通道。
（四）韓國：國家隊式AI投資與職訓
韓國推出大規模AI投資與青年技能計畫（如K-Digital Training），試圖以國家力量創造新供給與新機會。然而，若這些計畫不能直接對接企業需求，年輕人的職涯出口仍會斷裂。
從戰場到生態系：競合的新契約
真正的競合不是強制誰退出，而是重新設計職涯的入口與晉升結構：
1. AI時代的入門重構 把入門定義為AI輸出監督、情境判斷與跨域整合，而非被模型取代的重複性任務。
2. 雙向導師制 讓資深者的判斷與年輕人的數位直覺互補，而不是由一方指導另一方。
3. 政策的「機會治理」 鼓勵企業培訓年輕人、補貼AI與人力共同培育，而非單純補貼延退；把居住正義納入勞動政策，重建年輕人的工作動力。
文明的最後屏障是通道，而非堡壘
我們需要科技的效率，也需要經驗的沉穩；但效率與經驗若沒有制度作為橋樑，就會彼此對峙，而非彼此成就。當制度無法保障每一代人的進入與上升通道，職場便不再是生產力的場域，而會逐漸淪為文明的監牢。
在AI與高齡交界處，真正的勝利者不會是某一個世代，而是能把「速度、經驗與機會」重新整合的社會。理想的未來，不應是年輕人被擋在門外，也不該是資深者被迫留守到老；而應是：AI負責提升效率、經驗負責校準方向、新人擁有學習與成長的舞台。
職場若設計成堡壘，最終只會留下灰燼；職場若能重建為生態系，才能流動、再生與繁衍。Z世代與嬰兒潮世代的競合，關鍵不在於誰被淘汰，而在於我們是否有能力重新配置制度、技能與策略，讓所有世代都能「進得來、走得穩、有路可走」。
若只讓一代人勉強存活，台灣終將緩慢老去；唯有讓兩代人一起成長，未來才會真正年輕。
本文章反映作者意見，不代表《遠見》立場
（作者為世新大學管理學院院長）
