最近跟不同產業的 MBA 校友聊天，我很常問一個問題：「你們公司現在怎麼用 AI？」
因為這一年大家都在談 AI 逐漸取代工作、headcount 減少，但我更好奇的是，當 AI 真正進到企業的日常裡，大家的工作發生了什麼變化？公司又開始期待員工具備哪些不同的能力？（推薦閱讀：Taiwan MBA Circle》AI 不只是 ChatGPT：MBA 校友如何把 AI 變成工作夥伴？)
最近跟 Columbia Business School（CBS）校友 Kaarlo & Annie 聊天，Kaarlo 是 SoFi 的 Product Manager，目前負責 Product Growth；Annie 之前是 Morgan Stanley 的 Investment Banking Associate，現在任職於 private credit – 17Capital。（兩人的申請故事：疫情中申請MBA，獨處時間大幅增加，他們因此更認識自己，一起前進CBS！）
兩個人的產業不一樣，但聊到最後，卻出現了很一致的答案：AI 當然要懂得使用，但真正拉開差距的，反而是 AI 很難幫你補上的 domain knowledge、策略思考。
AI 已經不是「未來」，金融業也每天在用了
很多人想到在工作中使用 AI，第一個聯想到的，可能還是科技業。但 Annie 說，其實金融業現在也已經運用 AI。有些公司原本就在 Microsoft 的企業環境裡，最早從 Copilot 開始，後來也陸續開放其他 AI 工具。現在工作遇到一些問題或要看產業趨勢，她也會先問 AI。
Annie 舉例，以前有些事可能要一直去找公司的法務團隊確認，現在 AI 可以先協助整理資訊、釐清問題，再判斷哪些事真的需要找專業團隊。
但 Annie 特別強調一件事：AI 可以幫你做，不代表 AI 做出來的東西就可以直接交。例如建立比較複雜的模型，因為現階段，AI 產出的結果還是不夠乾淨，她笑說：「如果有人拿 AI 做完、完全沒有修過的模型來給我，我會生氣。」（推薦閱讀：當 AI 進入 MBA 課堂 Wharton MBA Nicole：未來職場需要的，是 AI 能力加上你的專業）
我聽到這句其實很有感。因為這兩年跟學生的合作，我們也會討論在申請文件中怎麼運用 AI，但現在真正的問題，已經不是「公司/學校是否准許你用 AI」，而是：AI 做完之後，你有沒有能力判斷這個東西到底對不對、好不好、能不能用？（延伸閱讀：MBA essay 可以用 ChatGPT 嗎？Top MBA 的 AI 使用規定、顧問建議總整理！）
職場新鮮人最危險的，不是不會 AI，而是太依賴 AI
這其實也是 Annie 認為，初入職場的新鮮人最需要注意的事。她提到，過去剛進金融業的 junior level，會經歷一套相對完整的訓練，很多事剛起頭總是比較辛苦、瑣碎，但也正是在這個過程裡，一點一滴建立基本功。
AI 出現之後，這樣的學習途徑可能開始改變。Annie 說：「現在有些 junior 會太過依賴 AI，主管交辦的事，直接叫 AI 做，而不再是把 AI 當成輔助工具。」
短期來看，在 AI 的幫助下，工作效率確實變快了，但如果一開始就跳過理解問題、建立基本功的過程，最後可能只是把 AI 給的答案交出去，自己並沒有真正理解背後的邏輯。（推薦閱讀：從國際生求職，到 AI 時代的 MBA！Darden Adcom Merav：學會使用工具，更要學會做決策）
Annie 說，他們這一代，至少還有機會接受比較完整的正規訓練，但未來進入職場的人，還能不能經歷同樣的訓練過程？沒有人有答案。所以 AI 越厲害，她反而越強調：domain knowledge 還是很重要，「你到底有沒有料，其實一看就知道。」
AI 寫 code 更快，公司反而想增加 PM？
Kaarlo 在科技公司的觀察，也很有意思。
一方面，AI 的蓬勃發展，的確影響公司的 headcount，很多過去需要人力處理的執行工作，現在 AI 可以很快完成，因此公司對增加人力會更加謹慎。
但另一方面，他的公司內部卻也在討論增加 PM 的 headcount。因為過去可能是一位 PM 搭配八到十位工程師，但現在 AI 可以協助工程師完成不少 coding 工作，整個團隊的執行效率提高之後，反而需要更多 PM 去思考：我們到底應該做什麼產品？哪些問題值得解決？產品方向是什麼？資源應該放在哪裡？
Kaarlo 說，這些才是 PM 更核心的工作，「你真的要有一個心態，是知道怎麼做產品。其他的執行，就靠 AI。」（推薦閱讀：Podcast EP 45：MBA，然後呢？然後就用 AI 改變 PM 的工作日常了！ －Google 資深產品經理 Nicolas Lin ）
現在 Kaarlo 公司幾乎所有人都在使用 AI，工作效率提升很多。他舉例，以前 PM 可能要自己從頭寫 Product Requirement Document，現在很少有人這樣做，PM 可以先把自己的想法、產品方向與需求丟給 AI，讓 AI 擬草稿，再由 PM 修改。
所以 AI 並不是讓 PM 不重要，而是把 PM 的價值更往上一層推，讓他們能少花時間「寫文件」，多花時間「決定到底該做什麼」。
AI 時代的 PM，domain knowledge 反而更重要
那麼，如果現在想轉做 Product Manager，應該培養什麼能力？
Kaarlo 第一個提到的，同樣是 domain knowledge，這是 AI 目前還難以做到的地方。企業在招募 PM 時，相對更看重你有沒有相關經驗、對公司與產業了解多少，至於運用 AI 的能力，可以在實際工作的訓練過程中學習、補齊。（延伸閱讀：AI 世代的顧問工作長什麼樣？CBS MBA Alier 在美國管顧業的第一線觀察！）
另一方面，PM 面試本身也開始改變。Kaarlo 分享，如果考題都是問你要怎麼規劃一個新的 feature，以前的面試可能像紙上談兵，要面試者從策略、客戶端等角度去分析、說明自己的想法。
但現在有些 PM 面試，已經直接要求面試者直接做出一個 prototype，因為 AI 已經讓 coding、research 的門檻降低，公司自然會開始問：那你能不能真的把想法實踐成產品？
Kaarlo 認為，會不會用 AI，已經從「加分項目」，慢慢變成工作基本能力。像他自己也曾參與公司的校園徵才。他觀察，現在公司對大學畢業生的要求，已經不只是「知道 AI 是什麼」，而是要真的會使用 AI 工具，提升工作效率，在部分工作情境裡，AI 工具使用的狀況，甚至已經成為員工績效評估的一部分。
聽著 Kaarlo 分享，也讓我想到他近期在 Taiwan MBA Circle 的線上分享會中，對有意從事 PM 的學弟妹提出的建議，我問他：如果能回到 MBA，他會怎麼補強自己的 PM 知識與能力？
Kaarlo 說，他在進 CBS 前並不是 PM，也不是相關科班背景。如果可以重回 MBA，會希望自己多培養一些 hard skills，像是 CBS 就有開一些 Product Manager 相關的課程，也可以想辦法拿到 ScrumMaster Certificate，或 Product Management 相關的 certificate。（推薦閱讀：【9月專題】在AI 新創實習，找到最佳定位！Haas MBA Yun：運用市調經驗，幫助公司制定可落地的商業計劃！）
這些 certificate 或許不能取代真正的 PM 工作經驗，但對一個完全沒有 PM 經驗、希望跨進 product 領域的人來說，至少可以證明，自己已經開始建立基本知識。
至於策略，Kaarlo 認為，沒有一條很明確的「上課就學會」路徑，很多的策略判斷，還是只能在工作中，面對一次又一次的產品決策時慢慢建立。
所以他也建議現在有意跨入 product 領域的學弟妹，把 product 跟 AI 這兩個方向的能力先建立起來，未來都會用得到。
面對 AI、簽證等變數，念 MBA 別只想著非留美國不可
當然，AI 並不是現在 MBA 求職唯一的變數。
這幾年美國就業市場不景氣、企業職缺縮編，加上國際學生最關心的簽證問題，都讓畢業後留美的路變得更不確定。
Annie 也曾經歷過這樣的求職低潮。她從 CBS 畢業後先進入 Morgan Stanley，但其實在念 MBA 之前，她就知道自己長期不想留在 banking。只是畢業求職時，手上有 Offer 就先去了，後來不斷的 networking、面試，才慢慢轉往現在投資的工作。
回頭看自己的 MBA，Annie 認為自己當時最大的遺憾之一，是 networking 做得不夠早，對資訊的掌握不夠全面。（延伸閱讀：金融業社交場合聊什麼？話題該怎麼切入？ Wharton MBA Annie：找實習，是磨練心力、實力的過程！）
她原本希望進入 Buy Side，也聽過很多「Investment Banking 做完就可以去 Buy Side」的說法。真正進入 MBA 後才發現，很多 PE、Mega Fund 的徵才， 都是以 analyst 為主，也因此更偏好大學剛畢業、可塑性高的人才。等到念完 MBA 才想加入 PE、Mega Fund，可能難度更高、機會更少。
Annie 說：「這是我念 MBA 前，完全不知道的，如果當時能多跟學長姐聊聊，或許會知道這樣的資訊，對於職涯發展也會抱著不同的期待。」也因此，現在如果有人找 Annie 詢問類似的職涯發展，她反而會很直接把現實講清楚。
她也建議學弟妹，讓自己的心裡保留彈性，如果一開始就認定「非留在美國不可」，每一個簽證政策、每一場招募，都可能變成巨大的壓力。但如果知道自己不是非美國不可，還有不同市場、產業與職涯路可以選擇，面對變化時反而比較有餘裕。（延伸閱讀：在美找到工作≠保障！沒抽到工作簽證職涯遭中斷，他靠著校友連結重返亞洲！）
跟 Kaarlo、Annie 聊完，我最大的感受是：AI 越好用，真正不能外包的，反而是自己的判斷。 AI 可以幫我們寫文件、整理資訊、做研究，但前提都是，你要有足夠的判斷能力，知道 AI 給你的東西到底對不對、能不能用。
而面對 AI 發展、簽證等不可控的原因，職涯發展也是一樣。沒有人能預測兩三年後的就業市場會怎麼變動，但可以提早理解產業、多累積能力，也替自己保留不同的選擇。
如果你確定想申請MBA，想跟Sabina聊更多，歡迎填寫免費評估表格，將會有專人與你聯繫喔！
更多 MBA 內容：Podcast「MBA，然後呢？」｜Facebook｜Instagram｜LinkedIn
對申請美國Top 30大學有興趣？歡迎關注RocketAdmit網站