行政人員 60% 工時被 AI 自動化:McKinsey、Goldman、OECD 三大研究怎麼說

你的行政人員,每週花 10-20 小時在做這四件事

開會記錄(會後一份逐字稿、一份重點摘要、一份待辦清單)。 回覆重複問題(同一個 FAQ,這個月已經被問第 14 次)。 寫週報(彙整五個人的進度、改格式、塞圖表)。 改文件(同一份合約已經改到第 7 版,差異只在三個字)。

我們不是要說「行政人員不重要」。剛好相反——這四件事如果 AI 能接手,行政人員就能去做真正需要判斷力的事(談判、協調、決策支援)。

問題是:到底有多少比例的行政工時,現在已經可以被 AI 接走?

不靠感覺,看研究。McKinsey、Goldman Sachs、OECD 三家在過去八年內,分別從不同方法切入同一個問題,結論驚人地一致:辦公支援與行政類工作,大約 50-65% 的工時可被現有自動化技術替代。

這篇拆解三份報告的方法、結論、對台灣中小型組織的意義。

McKinsey 2017:辦公行政是「七大職類自動化潛力最高」的類別

研究:《A future that works: Automation, employment, and productivity》, McKinsey Global Institute, January 2017.

方法:MGI 把全球 800 多種職業拆解成 2,000 多項「工作活動」(work activities),用 18 種人類能力維度(感知、認知、語言、社交、體能等)逐項評估「以目前已展示的技術,是否能被自動化」。注意關鍵詞:「目前已展示的技術」——這是 2017 年的標準,還沒算進 2023 後生成式 AI 的爆發。

主要結論:

• 全球可被自動化的工作活動佔比約 50%(不是「整份工作」,是「工作中的活動」)。
• 七大職類中,「辦公支援與行政」(Office support)的自動化潛力 53-65%,與「可預測的體力工作」(Predictable physical work, 78%)、「資料處理」(Data processing, 69%)並列前三。
• 「資料蒐集」(Data collection)整類達 64%——這幾乎就是行政工作的核心動作(彙整、整理、歸檔、再彙整)。

對中小型組織的意義:MGI 強調這不是「明天就會取代誰」的預測,而是「技術上已經可行的潛力」。對中小企業的解讀:你的行政部門有一半以上的工時,技術上已經可以不用人做了。實際自動化進度,取決於導入成本、組織意願、流程改寫。台灣中小企業的卡點,多半在後兩者,不在第一個。

TL;DR:McKinsey 2017 指出辦公行政類 53-65% 的工時,以 2017 年技術即可被自動化——而 2026 年的 AI 比 2017 強太多。

Goldman Sachs 2023:生成式 AI 把行政替代率推到 46%

研究:《Generative AI could raise global GDP by 7%》, Goldman Sachs Global Investment Research, Joseph Briggs & Devesh Kodnani, March 26, 2023.

方法:Goldman 經濟團隊用美國勞工部 O*NET 資料庫,把每個職業拆成數百項細部任務,逐項評估「生成式 AI 能否完成、或顯著輔助完成」。跟 McKinsey 不同,這次明確鎖定 「生成式 AI」(ChatGPT、Claude、Gemini 這一代),不含傳統 RPA。

主要結論:

• 全球約 3 億個全職工作職位 暴露在生成式 AI 的自動化風險下。
• 「辦公與行政支援」(Office and administrative support)類 46% 的工作任務,可被生成式 AI 替代——七大職類中第二高,僅次於法律類(44%)與架構工程類(37%)。
• 若全面導入,可推升全球 GDP 約 7%(約 7 兆美元)、生產力年增率提升 1.5 個百分點。

為什麼比 McKinsey 低:Goldman 的 46% 看起來比 McKinsey 的 53-65% 低,原因不是 AI 變弱,而是兩份研究的計算單位不同。McKinsey 算「工作活動」(activity-level),Goldman 算「整份工作的暴露程度」(exposure-level)。前者拆得更細,比例自然更高。兩者結論方向一致:行政類是 AI 最先大規模衝擊的職類之一。

對中小型組織的意義:Goldman 報告對中小企業最重要的一句話是——「不是取代,是改寫」。報告明確指出,AI 不會讓 46% 的行政人員失業,而是讓他們 46% 的時間從低價值任務釋放出來,去做高價值決策。中小企業比大企業更有優勢:流程短、決策快、不用跑跨部門簽核。

TL;DR:Goldman 2023 報告把生成式 AI 對行政類的替代潛力定在 46%——這是 2023 年的數字,AI 模型每 6 個月翻一倍。

OECD 2023:辦公管理類是「自動化高風險」職位的最大宗

研究:《OECD Employment Outlook 2023: Artificial Intelligence and the Labour Market》, OECD, July 2023.

方法:OECD 蒐集 38 個會員國的勞動市場資料,結合 AI 專家評估(Webb 2020 框架),計算各職類的「高風險暴露分數」。OECD 的「高風險」門檻設得很嚴:要求 25 項核心任務中、至少 100% 都能被 AI 完成,才算高風險職位。

主要結論:

• OECD 國家平均 27% 的工作職位 屬於自動化高風險(注意:是「職位」不是「工作活動」,門檻嚴格得多)。
• 辦公與行政支援職類(Clerical support workers)是高風險職位的最大宗——OECD 指出此類在多數會員國的自動化暴露分數最高。
• 重要警告:報告強調 AI 對「中等技能、白領、可預測工作」的衝擊比過去歷次自動化浪潮都大——歷史上自動化主要打擊藍領,這次反過來。

對中小型組織的意義:OECD 的數字最保守,但語氣最直接。報告反覆強調一個訊息:這次 AI 浪潮,受影響最大的不是工廠工人,是辦公室文書。對台灣中小企業的啟示——你以為「藍領才會被自動化」的直覺是錯的。倉庫小妹的工作短期內很難被 AI 取代(需要手眼協調),但會計助理、行政助理、客服專員這些位置,正是 AI 主攻區。

TL;DR:OECD 2023 警告:辦公管理職位是 AI 高風險暴露的最大宗,這次自動化浪潮主打白領、不是藍領。

四個量化痛點:理論結論到底長什麼樣?

研究數字會讓人麻木(53%、46%、27% 看久了都一樣)。把它翻成台灣中小企業每天在發生的事,會清楚很多。

痛點一:開會記錄——每場會浪費 2-4 小時追後續

一場 1 小時的內部會議,後續成本通常是:

• 逐字稿整理 30-60 分鐘
• 重點摘要 + 待辦清單 20-30 分鐘
• 分發給沒到的人 + 追進度 60-120 分鐘

換算:一場 1 小時會議,背後吃掉 2-4 小時的行政工時。一週 5 場會 = 10-20 小時純粹後勤。

AI 現在能做的事:自動轉錄、自動摘要、自動識別「誰被指派做什麼」、自動同步到專案管理工具。這四件事加起來,現在的 AI 可以做到 90% 以上——剩下 10% 是 AI 聽不懂的內部黑話。

痛點二:客服 FAQ——70% 問題是重複的

我們做過一個小型 audit:一家做 B2B 零組件的客戶,整理過去 6 個月的客服對話記錄,發現 72% 的問題只屬於 11 種類型(規格詢問、報價方式、交期、付款條件、退換貨、技術文件下載等)。

換算:客服每天 6 小時中,4 小時在回答這 11 種問題的變體。剩下 2 小時才是真正需要判斷的客戶議題。

AI 能做的事:訓練一個熟悉公司產品的 FAQ 代理人,把 72% 重複問題接走。客服 4 小時的工時可以變 0.5 小時(只看 AI 回不出的、轉真人)。

痛點三:文件草稿——每份耗 3-5 小時

合約初稿、提案書、報價單、SOP 文件、給政府的計畫書。台灣中小企業每個月平均要產出 8-15 份這類文件,每份從頭寫耗 3-5 小時。

換算:一個月 8 份文件 × 4 小時 = 32 小時純粹打字勞動。

AI 能做的事:給一份模板 + 三個關鍵變數,10 分鐘出初稿。人類的工作從「寫」變成「審」——3-5 小時變成 30 分鐘。

痛點四:週報彙整——每份耗 6-8 小時

中型團隊(10-20 人)的週報常見流程:

• 收齊每個人的個別週報 1-2 小時(永遠有人遲交)
• 整理成統一格式 2-3 小時
• 抓重點、做圖表 2-3 小時
• 主管 review 後修改 1 小時

換算:一份週報 6-8 小時 × 52 週 = 一年 312-416 小時,等於 一個人一整季的工時,只為了讓老闆每週讀 20 分鐘。

AI 能做的事:每個成員直接把工作日誌丟給 AI,AI 自動分類、彙整、產圖、產摘要。6-8 小時變成 30-60 分鐘。

TL;DR:四個最常見的行政痛點,加總起來一週 20-40 小時。McKinsey 的 53-65%、Goldman 的 46%,就是這幾個數字撐出來的。

為什麼是 60%,不是 100%?AI 自動化的真實邊界

讀到這你可能想問:既然技術上可行,為什麼不是 100%?這是好問題,三大研究都認真回答過。

邊界一:判斷力工作 AI 還是輸給人

不是所有「行政工作」都是重複勞動。行政人員真正的價值往往在這幾個動作:

• 跨部門協調(哪個同事在卡誰、誰跟誰最近不對盤)
• 例外處理(這個客戶不照 SOP 走、要不要破例)
• 情緒勞動(廠商鬧脾氣、老闆心情差時的緩衝)
• 隱性知識整合(這個案子三年前發生過類似狀況、當時誰怎麼處理)

這四件事 AI 短期內做不到,因為它們需要「組織政治嗅覺」而不是「資料處理能力」。

邊界二:法規與信任邊界

合約最終定稿、財報簽核、人事決策、客戶投訴升級處理——這些工作的瓶頸不是「AI 會不會做」,是 「法律上 AI 做了算不算數」。台灣《個資法》、《電子簽章法》、勞動部相關函釋,都對「自動化決策」設有限制。

邊界三:導入成本與組織學習曲線

McKinsey 報告專門強調這點:技術可行性(technical feasibility)不等於商業可行性(economic feasibility)。要把 60% 工時真的省下來,組織必須:

• 改寫流程(不是把舊流程直接餵 AI)
• 訓練人員(從「執行者」變「審查者」)
• 投資工具(每月幾千到幾萬不等)
• 接受過渡期摩擦(前 3 個月通常更累,不是更輕鬆)

中小企業的優勢是流程短、決策快;劣勢是預算敏感、不敢試錯。

結論:60% 已經是巨大的價值

把上面三條邊界算進去,「實際可達自動化率」會落在 40-60%——這也是 Goldman 報告反覆強調的區間。

我們的看法:60% 不是缺憾,是巨大的禮物。一個 5 人行政團隊,省下 60% 工時等於 多出 3 個人份的產能,又不用發 3 份薪水。這些釋放的人力如果重新投入到客戶開發、流程優化、跨部門協作,對中小企業就是直接的營收增長。

TL;DR:60% 不是極限,是兼顧技術、法規、組織學習曲線後的甜蜜點——已經足以改寫一家中小企業的成本結構。

那,你的組織能省多少?

讀到這你應該已經想算自己的數字了。

不用憑感覺。我們把 McKinsey、Goldman、OECD 三份研究的方法論抽出來,加上台灣中小企業的真實導入案例,做成一個 ROI 試算器:

輸入:你的行政人數、平均月薪、最常重複的工作類型。 輸出:年度可省工時、可省成本、回本週期、最該優先導入的三項。

→ 看你的組織導入 AI 能省多少?算給你看

如果你還在更前面的階段——「我知道要做 AI,但不知道從哪開始」——可以先看這篇:2026 台灣中小企業 AI 導入:5 步路徑。

參考資料

• McKinsey Global Institute. (2017). A future that works: Automation, employment, and productivity. McKinsey & Company, January 2017.
• Briggs, J., & Kodnani, D. (2023). The Potentially Large Effects of Artificial Intelligence on Economic Growth. Goldman Sachs Global Investment Research, March 26, 2023.
• OECD. (2023). OECD Employment Outlook 2023: Artificial Intelligence and the Labour Market. OECD Publishing, Paris, July 2023.