今天三則 AI 新聞，看起來分別發生在航空公司、AI 新創和全球就業市場。
放在一起，卻可以看到一個非常清楚的變化：
AI 正在離開「試用工具」階段，真正進入公司營運、跨國制度與人的工作。
Ryanair 和 Google Cloud 簽下五年合作，要把 Gemini Enterprise 與 Google DeepMind 的模型放進航空營運。
Manus 則宣布與 Meta 分離，重新成為獨立公司，而且部分使用者資料將因特定地區監管要求被刪除。
另一邊，國際勞工組織最新報告提醒：
全球青年失業率正在上升，而年輕人傳統上最容易進入職場的行政、文書與中階工作，又正好是 AI 最容易改變的一批職位。
AI 真正進入社會之後，問題已經不是「模型會不會回答」，而是它能進公司多深、資料受誰管，以及哪些人的工作會最先被重新設計。
一、Ryanair 把 Gemini 從聊天工具帶進真正的航空營運
歐洲廉價航空 Ryanair 與 Google Cloud 簽下一項五年合作。
這不是單純：
替員工買 Gemini 帳號。
合作範圍會涵蓋約：
35,000 名員工。
Ryanair 將部署 Google Workspace 與 Google Cloud，並使用 Gemini Enterprise 建立自己的 AI Agent。
目標包括：
- 自動化部分日常決策。
- 改善機組人員排班。
- 減少航班中斷造成的影響。
這已經不是：
「幫我寫一封 Email。」
而是 AI 開始靠近一家公司每天真正運轉的核心流程。
航空公司為什麼特別適合用 AI？
因為航空公司每天都在處理大量會互相影響的條件。
例如：
- 哪一架飛機在哪裡。
- 哪組機組員可以執勤。
- 天氣會不會影響航班。
- 某架飛機什麼時候需要維修。
- 航班延誤後，後面哪些班次會一起受到影響。
這些工作不是單一問題。
而是一大堆條件同時變動。
AI 最有價值的地方，就可能不是替主管產生一段文字。
而是：
協助人更快看見大量條件之間的關係。
Ryanair 還準備使用 DeepMind 的模型
這次合作不只有 Gemini。
Ryanair 也表示，將使用 Google DeepMind 的技術，包括：
- AlphaEvolve。
- WeatherNext。
用途將涉及機隊營運與維修排程等工作。
WeatherNext 的名字已經很容易理解。
航空公司每天受到天氣影響非常大。
如果能更早掌握：
- 風。
- 暴雨。
- 極端氣候。
- 不同機場的天氣變化。
就可能提早調整營運。
但這不代表 Gemini 開始自己決定飛機怎麼飛
這一點一定要分清楚。
Ryanair 說的是：
使用 AI 改善營運、排班、維修與部分決策自動化。
不是：
把飛安與所有航空決策完全交給 Gemini。
航空業本來就有非常嚴格的：
- 飛安規定。
- 維修程序。
- 機組資格。
- 人工責任。
所以 AI 愈深入營運，真正重要的反而是：
哪些只是建議，哪些可以自動執行，哪些永遠需要有資格的人確認。
更有意思的是：Ryanair 沒有把所有東西押在 Google
Ryanair 本來就使用 AWS。
現在加入 Google Cloud 後，公司表示將形成：
Dual-cloud，也就是雙雲策略。
目的之一，就是降低單一科技服務發生故障時的風險。
這和我們昨天談 LiteLLM 的概念其實非常接近。
只是規模放大到一家大型航空公司。
不要讓整套關鍵營運只剩一條路。
但有兩朵雲，也不代表從此不會停機
因為：
真正的服務還可能依賴：
- 公司自己的系統。
- 機場資料。
- 訂位平台。
- 內部網路。
- 外部航空資訊。
兩家雲端只是降低其中一種集中風險。
不是「永遠不故障」的保證。
這則新聞真正值得看的地方
不是 Ryanair 用了 Gemini。
而是：
企業 AI 開始從「員工自己問問題」，進入真正會影響公司每天怎麼運作的流程。
這也代表下一階段企業導入 AI，不能只問：
員工有沒有帳號？
而要問：
AI 到底進了哪一個流程？
它能做什麼決定？
出了錯誰可以阻止？
二、Manus 宣布與 Meta 分離，AI 全球化撞上監管邊界
第二則新聞完全是另一種 AI 現實。
AI Agent 公司 Manus 表示：
將重新以獨立公司方式營運，並與 Meta 分離。
這背後不是一般的新創分拆。
而是一場跨越美中科技監管的交易反轉。
Meta 原本花超過 20 億美元收購 Manus
Meta 原先以超過 20 億美元的價格收購 Manus。
但 Reuters 今年稍早報導，中國監管壓力升高後，北京方面要求 Meta 解除這筆交易。
原因涉及：
美國資本收購中國背景、又涉及前沿 AI 技術的公司。
現在 Manus 正式公開表示：
這次資料與公司安排，是它與 Meta 分離的一部分。
這件事為什麼值得一般 AI 使用者注意？
因為以前我們很容易把 AI App 想成：
下載之後，全世界都一樣。
但 AI 真正進入全球市場後，公司背後會碰到：
- 公司在哪裡成立。
- 誰擁有它。
- 資金從哪裡來。
- 資料存在哪裡。
- 哪個國家的法律能管。
這些東西最後都可能改變：
你正在使用的 AI 服務。
Manus 還準備刪除部分使用者資料
Manus 表示，為符合特定司法管轄區的監管要求：
部分特定使用者在 2025 年 12 月 29 日之後產生的資料，將在本月稍後被刪除。
受影響的使用者會收到 App 或 Email 通知。
也可以先備份相關資料。
這裡不能誤解成：
Manus 要把所有人的所有資料全部刪掉。
官方說的是部分受到特定監管要求影響的使用者。
這告訴我們一個非常實際的事情
如果你把重要工作長期放進 AI 平台：
不要假設：
平台永遠都會保持原樣。
公司可能：
- 被收購。
- 再次獨立。
- 退出某個市場。
- 改變資料規則。
- 因監管要求刪除資料。
所以重要工作至少應該有：
自己的原始檔。
不要把 AI 平台本身當成唯一資料庫。
這和 Apple 在中國接 Qwen 是同一類問題
前幾天我們才看到：
Apple 在中國的 Mac，可以把 Alibaba Qwen 接進 Siri 與書寫工具。
不是因為 Apple 突然不會做 AI。
而是 AI 真正進入不同國家後：
法律、資料、本地服務與市場規則都不一樣。
Manus 與 Meta 的交易反轉，又把這件事往前推了一步。
有時候不是模型要換，而是連公司的所有權結構都可能被迫改變。
所以企業採用 AI 時，供應商風險不能只看價格
以前採購 AI 很容易比較：
- 哪個比較強。
- 哪個比較快。
- 哪個比較便宜。
未來還要多問：
- 重要資料能不能匯出？
- 服務停止後資料怎麼拿回？
- 公司被收購時條款會不會改？
- 不同國家會不會有不同資料規則？
這些問題平常很無聊。
直到真的發生時，才會突然變成最重要的問題。
三、ILO：青年失業率升高，AI 可能進一步改變年輕人的第一份工作
第三則新聞直接回到人。
國際勞工組織最新報告指出：
全球 15 到 24 歲青年失業率在 2025 年升到：
12.4%。
2023 年則是 12.3%。
目前約有：
6,700 萬名青年失業。
這次增加本身並不能直接怪 AI。
ILO 指出的背景還包括：
- 全球經濟成長疲弱。
- 地緣政治不確定。
- 創造新工作的速度不足。
但 AI 正在讓這個原本就困難的市場，多出另一層壓力。
另一個更大的數字：超過 2.57 億青年既沒有工作，也沒有在受教育或訓練
全球青年人口中，約有：
20%。
處於 NEET 狀態。
也就是：
沒有就業。
沒有接受教育。
也沒有接受職業訓練。
人數超過：
2.57 億。
這代表真正的青年工作問題，不只是「找不到第一份工作」。
還包括一大群人可能正在：
離開能讓他們進入下一份工作的學習與訓練系統。
AI 真正麻煩的是：它先碰到很多「入門工作」
ILO 特別指出，中等技能工作正在減少。
包括：
- 文書。
- 行政。
- 銷售。
- 部分製造工作。
這些職位有一個共同特點：
很多年輕人過去就是靠這些工作第一次進入職場。
可能先做行政助理。
再慢慢學會專案管理。
先做基礎客服。
再成為客戶經理。
先處理報表。
再學會真正的商業分析。
如果第一階工作縮小，問題就不只是少一份工作
而是：
新人要從哪裡取得經驗？
假設 AI 幫一位資深員工做掉：
- 資料整理。
- 會議摘要。
- 基礎研究。
- 簡單報表。
對資深員工來說：
效率提高。
但這些工作以前可能正是新進員工拿來練習的。
所以企業真正要解決的問題可能變成：
當 AI 做掉初階工作後，新人要怎麼學會高階工作？
ILO 估計，6.1% 的青年工作處於最高 AI 暴露類別
ILO 估計，在 15 到 29 歲就業人口中：
6.1% 的工作位於最容易受到 AI 相關改變的職業。
這裡的字是：
Exposed。
也就是：
受到影響的程度高。
不是：
6.1% 明天就一定被 AI 取代。
「受到 AI 影響」可能有很多種結果
可能是：
第一，工作被部分自動化。
例如原本每天整理五小時資料，變成一小時。
第二，工作內容改變。
從親自整理資料，改成檢查 AI 整理結果。
第三，需要新的技能。
例如從單純輸入資料，轉成判斷錯誤與處理例外。
第四，部分職位真的減少。
如果公司發現同一批工作需要的人數下降，招聘量就可能減少。
ILO 提到的 560 萬人不是預測
ILO 另外做了一個假設情境。
如果最高 AI 暴露工作裡：
只有 10% 完全消失。
可能約有：
560 萬名年輕工作者
需要面對失業、轉換職涯或離開勞動市場。
但是：
這不是 ILO 預測未來一定會有 560 萬人失業。
它是一個用來說明潛在規模的假設情境。
而且高技能工作並沒有全部消失
ILO 同時指出：
科學、工程、醫療與資訊科技等高技能工作，在多數國家仍然持續增加。
所以 AI 造成的真正問題不一定是：
「未來沒有工作。」
更可能是：
成長的工作和消失的工作，需要的是不同能力。
這就是「技能錯配」
市場可能同時出現：
公司說：
找不到會做 AI、資料、工程與流程管理的人。
另一邊卻有很多年輕人：
找不到第一份行政或基礎白領工作。
不是市場完全沒有需求。
而是：
需要的人，和現有人才準備好的能力對不上。
所以「大家去學 Prompt」並不能完整解決
如果一份工作真的正在重新設計：
只會輸入一句漂亮 Prompt 還不夠。
更重要的是：
- 知道工作真正目標。
- 能判斷 AI 結果對不對。
- 懂得使用資料。
- 能處理例外。
- 知道什麼不能交給 AI。
- 能把 AI 接進完整工作流程。
這些能力比單純記住 AI 指令，更不容易被下一個模型更新淘汰。
把今天三則新聞放在一起
Ryanair 告訴我們：
AI 已經開始進入真正的企業營運。
Manus 告訴我們：
AI 服務進入全球市場後，公司所有權、監管與資料都可能改變。
ILO 告訴我們：
當企業真的把 AI 放進流程，人的工作內容也會跟著重新分配。
所以 AI 下一階段真正的問題不是：
大家要不要使用 AI？
而是：
AI 被放進哪裡之後，原本的制度要怎麼跟著改？
對一般工作者，今天最值得做三個盤點
第一，找出你工作裡最容易被 AI 吃掉的「步驟」。
不要先問：
我的職業會不會消失？
先問：
- 哪些是重複整理？
- 哪些是固定格式？
- 哪些是搜尋與摘要？
- 哪些是簡單初稿？
這些通常最容易先變。
第二，找出 AI 做完後仍然需要你的地方
例如：
- 判斷資料可信不可信。
- 和客戶溝通。
- 處理例外。
- 承擔正式責任。
- 做最後取捨。
這些就是下一階段更值得強化的能力。
第三，重要工作不要只活在單一 AI 平台裡
Manus 的事件提醒了一件很務實的事。
重要的：
- 原始文件。
- 客戶資料。
- 研究成果。
- Prompt。
- 工作流程。
都應該有自己的副本。
AI 平台可以是工作空間。
但不要變成你唯一拿得回資料的地方。
企業則應該多問一個問題：AI 把新人工作做掉後，人才從哪裡長出來？
如果公司原本是：
新人先做簡單工作。
熟悉流程。
慢慢承擔複雜工作。
現在簡單工作大量交給 AI。
公司就必須重新設計：
- 新人怎麼學。
- 怎麼取得真實案例。
- 怎麼練習判斷。
- 什麼時候開始承擔責任。
否則十年後可能出現一個很奇怪的問題：
大家都想找有經驗的人，但沒有人願意再提供讓新人累積經驗的工作。
可以直接使用的 AI 工作風險盤點 Prompt
你是我的 AI 工作轉型分析顧問。 我的職業是： [填寫] 我每天主要工作包括： [列出工作] 請不要直接預測「這個職業會被 AI 取代」或「絕對安全」。 請把我的工作拆成實際步驟，再分成四類。 第一類：AI 現在就能大量協助 包括重複整理、搜尋、摘要、分類、初稿與固定格式工作。 第二類：AI 能協助，但仍需要人工判斷 說明 AI 可以做到哪一步，以及人還必須確認什麼。 第三類：高責任工作 列出涉及： 金錢、 安全、 正式承諾、 專業判斷、 法律責任、 人際關係， 而不適合完全自動化的工作。 第四類：可能因 AI 變得更重要的新能力 不要只列「學會 Prompt」。 請找出： 資料判斷、 錯誤檢查、 流程設計、 客戶溝通、 例外處理、 跨工具協作、 專業知識， 哪些最值得我加強。 最後告訴我： 未來 6 個月最值得先學的 3 項能力。 哪些原本花很多時間的工作可以開始交給 AI。 哪些能力如果不開始培養，未來工作價值最可能下降。 如果缺少產業或工作資訊，標出不確定，不要假裝能精準預測未來職缺。
今天最容易誤讀的三件事
第一，Ryanair 使用 Gemini，不代表 AI 要自己控制飛機。
目前公布的重點是員工工具、機組排班、營運、維修與部分工作自動化。
第二，Manus 並不是宣布刪除所有人的全部資料。
目前涉及的是部分受特定司法管轄區監管要求影響的使用者。
第三，青年失業率上升不能直接說是 AI 造成。
ILO 指出的原因還包括經濟成長與工作創造不足；6.1% 是高度受到 AI 改變的工作比例，也不是必然失業比例。
今天最重要的判斷
AI 發展的前半段，我們每天都在問：
這個模型有多強？
這個工具能做什麼？
現在問題已經開始改變。
Ryanair 真正問的是：
AI 怎麼進入一家航空公司的營運？
Manus 面對的是：
一家 AI 公司跨越國界後，到底受誰控制？
ILO 則開始追問：
AI 真的進入工作之後，年輕人還要從哪裡開始自己的職涯？
這三件事都沒有一個簡單答案。
但它們共同指出：
AI 下一場競爭不只是能力，而是「整合」。
能不能整合進工作。
能不能整合進制度。
能不能讓人的能力一起跟著升級。
真正成熟的 AI 社會，不會只是讓模型完成更多工作。
還必須確保：
公司知道哪些決定不能放手。
使用者知道自己的資料在哪裡。
而下一代工作者仍然有機會學會那些 AI 最後還不能替我們負責的事情。
今天，和 AI 一起進步一點。
每天學會一個 AI 技巧。
每天節省一點時間。
每天提升一點能力。
SasaDaily，陪你一起成長。
