同一個城市、同一批畢業生,面對的卻是兩個方向相反的就業市場。這種形狀在經濟學上稱為 K 型分化: 一端持續向上,一端持續下滑,而中間的部分正在消失。
先看香港本地。政府統計處公布,2026 年 7 至 9 月經季節性調整的整體失業率為 3.9%(臨時數字)。 單看這個數字,勞動市場談不上惡化。但同一份統計之中,25 至 29 歲人士的失業率明顯高於整體。 換言之,問題不在「市場沒有職位」,而在市場已不再主動吸收未經訓練的人。
原因可以從空缺結構看出。JIJIS 顯示,2026 年首季提供給本港大學畢業生的全職空缺為 6,811 個, 按年減少 14.1%,招聘僱主數目亦減少兩成,為連續第三年下跌。把時間軸拉長, 勞工及福利局局長在立法會披露,適合學士學位的全職空缺由 2022 年約 8 萬個,跌至 2025 年約 3.1 萬個。
但同一時間,起薪在上升。教資會 2024/25 學年調查顯示,學士學位畢業生平均年薪升至 33.6 萬港元, 按年升 2.1%;JIJIS 亦顯示畢業生職位月薪中位數升至 2 萬港元。 空缺少了六成而薪金上升,不是矛盾,而是企業在精準加價。
香港,2026 年首季
同一季之內,有些行業職位空缺按年倍增,有些跌幅超過七成。方向由數據決定,不由預感決定。
| 領域 | 變幅 |
|---|---|
| 會計、審計 | +194% |
| 金融、保險空缺量最大 | 4,920 |
| 物流、酒店旅遊、零售 | 逆市增加 |
| AI、機器人應用 | 持續招聘 |
| 領域 | 變幅 |
|---|---|
| 行政初級職位 | 近 −90% |
| 資訊科技編程 | 約 −80% |
| 測量、電子及機械工程 | −70% 以上 |
| 建造業、傳統程式編寫 | −60% 以上 |
閱讀提示:會計審計的 194% 增幅同時包含基數效應與股市暢旺帶動的短期因素,不宜直接視為長期趨勢。 判斷一個行業是否真正擴張,應觀察兩年以上的連續數據。出處見頁尾資料登記冊。
勞工及福利局 2026 年 9 月公布的《人力推算中期更新》把這一點講得具體:隨着企業擴大 AI 應用處理常規行政工作, 本港文書支援人員於 2028 年預料出現約 2.5 萬至 3 萬人的人力過剩,兩至三成職位將面臨重組。
同一份報告把 2028 年整體人力短缺由上一輪推算的 18 萬人,收窄至約 13 萬人。 短缺改善的主因,正是經濟轉型與 AI 普及應用令人力需求增長放緩。
答案不是「全部變成工程師」。真正的新職位集中在一條很窄但很深的裂縫上:既懂行業,又能指揮 AI 完成交付的人。 香港目前這類複合型人才僅約四千人,而需求正在以倍數增長。
| 新興職位 | 實際工作內容 | 方向 |
|---|---|---|
| AI 應用專員 | 把業務流程拆解成可交由 AI 執行的步驟,驗收輸出品質,處理例外情況。不需自行訓練模型。 | 需求上升 |
| 工作流程設計師 | 設計部門內的人機分工:哪一步交 AI、哪一步必須留人、如何交接與覆核。 | 需求上升 |
| 數據治理與標註管理 | 確保進入 AI 系統的資料準確、合規、可追溯;管理標註團隊與品質標準。 | 需求上升 |
| AI 產品運營 | 以業務指標衡量 AI 工具是否真的創造價值,持續調整使用方式與推廣策略。 | 需求上升 |
| AI 合規與風險 | 處理資料私隱、模型偏誤、供應商風險;在金融與醫療等受監管行業尤其關鍵。 | 需求上升 |
| 人機協作管理者 | 帶領同時包含人與 AI 代理的團隊,負責目標設定、品質把關與團隊能力建設。 | 需求上升 |
| 護理、教育、輔導 | 涉及身體接觸、情感連結與長期信任,目前自動化風險最低;全球層面職位絕對增長最大。 | 持續增長 |
| 基礎文案、初級編程、行政文書 | 重複性高、可拆解為明確指令,正是 AI 最先接手的任務組合。 | 需求下降 |
全球數據支持同一判斷。世界經濟論壇報告指出,按百分比計增長最快的職位為大數據專家、金融科技工程師、 人工智能與機器學習專家、軟件及應用程式開發人員;而按絕對數量計增長最大的,反而是農場工人、送貨司機、 建築工人、護理人員與教師。
這裡有一個容易忽略的細節:企業在描述 AI 帶來的勞動力反應時,最常見的做法是內部再培訓 (77% 僱主計劃如此),而非直接裁員(41% 計劃因 AI 自動化而縮減人手)。近半僱主預期會把受 AI 衝擊的員工 調往業務其他部分。
四層由淺入深。第一層今日就能開始,第四層需要持續投入。每一層都對應市場上正在被驗證的能力, 而不是泛泛的「多學習」。
AI 取代的是任務,不是職位。因此第一項能力不是寫指令,而是清楚拆解: 這份工作由哪幾個步驟組成?哪些步驟有明確輸入與輸出?哪些步驟需要判斷與人情? 能把工作拆得清楚的人,才知道哪一部分可以交出去,哪一部分必須自己守住。
企業篩選時看的不是你有沒有上過課,而是你能不能展示一個用 AI 解決真實業務問題的案例。 一份由你指揮 AI 完成、並能說明你如何設定標準與覆核品質的成品,比十張課程證書更有說服力。
前者包括跨領域整合、客戶關係、複雜談判、創意策略,培養周期長但天花板高; 後者包括數據分析、市場研究、產品運營,企業要的是「會用 AI 的專業人」。 要避開的是第三類:純標準化、可完全拆解的入門任務。
對非粵語背景的學生而言,語言不應只被視為障礙。香港市場同時需要繁體中文書面語、粵語溝通、 英語對接與內地業務理解。四種能力同時具備的人,在跨境業務中具備 AI 無法複製的價值。 問題不是「我的中文不夠好」,而是「我能否把語言組合定位成一個具體職能」。
本頁引用的數據均附原始出處與統計期。若任何數字被更新或修訂,我們會同步更正,不作修飾。
註:部分數字由不同機構以不同統計口徑公布(例如按年齡組別的失業率),本頁採用政府統計處及 JIJIS 官方數字為準, 媒體引述數字僅作背景參考。