事件
OpenAI 於 2026 年 6 月推出 Codex 外掛套件，涵蓋六個白領職位領域：數據分析、創意製作、業務銷售、產品設計、股票投資、投資銀行。每個工具組合包含整合 API、工作流程指令、與領域上下文，讓通用大語言模型能以特定職業身份執行工作。
層級分析
### 表面現象：功能堆砌 簡單看、這只是「多了幾個外掛」。OpenAI 以前賣模型、現在賣「職業包」。
### 深層機制：職業的軟體化 但實際發生的是更根本的轉變：職業從「人的身份」轉變成「軟體的配置」。
一個投資銀行家的工作： - 古典理解：10 年經驗、人脈網絡、對市場的「感覺」、在會議室的談判技巧 - 模組化理解：數據爬取 → 財務模型計算 → 可視化報告 → 郵件交稿 → API 串接
前者是「職業」，後者是「工作流程」。OpenAI 的舉動就是把前者轉化成後者。
### 這為什麼是跨時代的模式？
Simon 在 1956 年提出「滿足原則（satisficing）」——人不追求最優、只追求「夠好」。一個投資銀行分析師 80% 的時間在做重複性任務（數據蒐集、模型填表、文件格式化）；只有 20% 時間在做真正需要「人類直覺」的決策。
OpenAI 的模組化工具瞄準的就是那 80%。
更大的格局：Baumol 在 1960 年代提出「成本病（cost disease）」——服務業（如律師、醫生、顧問）人力成本持續上升、很難透過 automation 解決，因為工作看起來「非常個人化」。但如果妳能把職業「規則化」、它就從服務業變成軟體工程問題，邊際成本趨近零。
對勞動市場的三層衝擊
第一層：技能貶值 年輕分析師花 2 年學的「財務建模」技能，現在 ChatGPT + Codex 套件 5 分鐘自動生成。不是技能消失、是技能從「稀缺」變成「免費」。
第二層：職位形態重構 舊模式：分析師 → 高級分析師 → 副總經理 → 執行董事（金字塔式晉升） 新模式：分析師 → Codex 操作員 → 高級 Codex 操作員（工具熟練度決定薪資）
晉升的瓶頸從「經驗累積」變成「提示詞工程」。
第三層：市場重定價 如果投資銀行分析師工作能被模組化、那麼一個「投資銀行服務」的邊際成本會從現在的 $50-200K/人/年 下跌到接近軟體訂閱費（$100-500/月）。這會迫使整個行業的利潤結構重組。
為什麼現在？
三個條件同時成熟： 1. LLM 能力閾值：到 2026 年的 GPT-4 及後繼型號，已能以 95% 精確度執行結構化白領工作 2. API 經濟成熟：雲端整合、資料倉儲、第三方服務串接已成 SaaS 標準 3. 組織迫切性：後疫情時代人力成本激增、企業主動尋求「人工智慧替代」而非被迫接受
未來想像
5 年後，「投資銀行家」這個職稱可能會消亡——取而代之是「投資合成專家」或「交易架構師」。前者執行標準工作流、後者設計超越標準的特殊情境應對。大多數人會被推進「執行層」，少數人進「設計層」。
這就是 Joe Rogan 講的「技能的民主化反向」：表面上工具變民主（人人都能用）、實質上機會變金字塔（只有設計者獲利）。