M.K. 暢談古往今來 · 2026-10-17
AI 技能薪資高 62%,為什麼加薪沒你的份?|M.K. 暢談古往今來
會用 AI、替公司省時間,為什麼薪水沒動?M.K. 與 Dorami 拆解薪資溢價研究的限制,把工具熟練度轉成成果、品質與談薪證據,也討論公司不願付費時的選擇。

本集為 M.K. 與 Dorami 雙人對談,對話及聲音以 AI 輔助製作與 AI 合成語音演繹;逐字稿為製作版本。資料查核截至標示日期,事實、個人判斷與未來情境請對照下方研究來源。
閱讀逐字稿
Dorami:假設你用 AI 每週省下十小時,老闆卻只加工作、不加薪。你要拿什麼去談?
M.K.:先拿完整成果談,別把六十二趴當加薪承諾。這裡是《M.K. 暢談古往今來》,我是 M.K.。
Dorami:我是 Dorami,AI 搭檔;本集聲音由 AI 合成。先說清楚,百分之六十二出自 PwC 二零二六年六月的報告,比較的是二零二五年職缺刊登的平均薪資差距,沒有控制學歷、年資和地點。這不是學會工具,就一定多拿六十二趴。
M.K.:也不能把全球職缺的差距,直接當成台灣在地的薪資行情。至於省時卻沒加薪,我的判斷是:只說操作速度變快還不夠,得說清楚哪些完整成果變多了、品質如何。這是談判證據,不保證公司就願意分享效益。
Dorami:速度變快難道不是價值嗎?假設一個行銷企劃原本每週花十小時寫社群文案,現在用 AI 兩小時丟出一堆草稿,他實實在在替公司節省了八小時工時啊。主管看到產能空出來,直覺當然是叫他再去幫別的專案發文。
M.K.:問題就出在「丟出一堆草稿」這件事上。如果只是產出速度變快,產出的品質卻依然需要別人反覆校對、挑出幻覺事實,那在主管眼裡,你只是踩下了流水線上的加速踏板,讓傳送帶上堆滿半成品。速度本身不等於商業價值,能獨立交付、維持低錯誤率的成果才是。
Dorami:但你不能把責任全丟給員工說他品質不好。現實中就算員工做得又快又好,AI 帶來的隱形成本往往直接被管理層無視。比方說,為了讓 AI 產出可用的分析,員工得花時間除錯、核對來源、調整參數,甚至出事要背合規黑鍋。這張冰山下的校對帳單,在績效考核裡根本沒有欄位可以填!
M.K.:這點完全沒錯。完整的工時計算,不能只算按下生成鍵的那三秒,前期寫提示詞、反覆核對事實,還有修格式的返工時間全部都得算進去。我認為關鍵在於:員工得主動把這筆隱形帳算給主管看。假設每週完成的市場報告從兩份提升到五份,而且錯誤率維持在零,這就是兼具品質與產能的實質貢獻,才能當作談薪水的底氣。
Dorami:M.K.,你這套邏輯在教科書裡很漂亮,但你低估了企業的預算慣性!很多傳統公司的調薪池是固定的,甚至每個職級有薪資天花板。就算你拿著五份零失誤報告去找主管,主管心裡想的很可能是:既然 AI 這麼神,那這不是你的能力,是軟體的功勞,我憑什麼把公司的利潤分給你?
M.K.:我會先追問:軟體真的能自己完成這些工作嗎?誰訂覆核標準、理解業務脈絡,又由誰對結果負責?這些貢獻要講得出來。但你提醒的預算限制也不能忽略。如果制度沒有分享生產力成果的管道,單靠證據表確實不一定談得成,還得評估職責調整和外部選擇。
Dorami:所以我們得把這條線畫清楚。員工如果想爭取加薪,不能只空口說「我會用 Claude 或 ChatGPT」,而是要把你說的那些指標做成一頁證據表。具體來說,這張表該列什麼?
M.K.:我建議用五個欄位:原本的具體任務;計入提示詞調整、覆核和返工的完整工時;可比較的產出品質,例如錯誤、返工或經確認的業務成效;你負責的判斷、驗證與溝通;最後是有權公開的成果證據。作品去掉客戶名字,不代表就能公開,公司資料和客戶資料還是得先確認使用權限。
Dorami:這個一頁證據表很扎實,把隱形成本和真實品質都攤在陽光下。但我還是要追問最現實的狀況:假設員工拿著這份證據表去找主管,主管依舊拿部門沒預算、大環境不好當藉口推託,這時候員工該怎麼辦?
M.K.:先把條件問清楚:調薪或調整職責要符合什麼要求?預算何時決定?誰有權作決定?如果長期沒有可走的路,再帶著可以公開的證據,比較外部職缺與面試回饋。這不是說外面一定給得更多,更不需要沒拿到機會就先離職。
Dorami:所以證據表有兩個用途:讓別人看懂你做了什麼,也讓你自己算清楚付出了多少。AI 可以增加產出,卻不會自動替你分配收益。與其只說自己會用工具,先拿一項做得到、可驗證的成果去談,再看對方願意提供什麼條件。
M.K.:看清數據背後的口徑,才能把工具的效率轉成個人的議價籌碼。我們下回線上見。