Showing Posts From
Michael kitces
你在團隊裡用 AI 省下的那些『讓菜鳥做的雜事』，正在悄悄殺掉你 5 年後的接班人——Kitces 給的不是危言聳聽，是會計業 25 年前活生生的劇本
5 月 15 日 Michael Kitces 在 ThinkAdvisor 投書 一篇看似在唱反調的文章。整個產業正在歡呼「AI 終於可以讓一個顧問服務更多客戶」，他卻問了一個沒人想聽的問題："How are entry-level advisors supposed to become experienced if all entry-level tasks are eliminated?" （當所有入門工作都被消滅之後，新人到底要怎麼變成老手？）這個問題對台灣保險業團隊長尤其刺耳。多數團隊現在最頭痛的事情就是「增員難」、「年輕人留不下來」，多數人把它歸因於「世代差異」、「年輕人不能吃苦」。但 Kitces 給了一個更不舒服的框架：是你親手把新人的成長階梯拆掉了。 Kitces 的反直覺論點：AI 不是替代你，是先拆掉你的接班樓梯 Kitces 在那篇 5/15 投書裡描述了一個畫面，他說那是「weirdly dystopian」（怪異得近乎反烏托邦）：未來的顧問花 80% 時間都在跟客戶開會，剩下 20% 在「審視 AI 已經做好的決策」。聽起來很爽——終於不用做雜事了——但他立刻接著問：那新人在哪裡？ 傳統上，一個壽險業務員或顧問是這樣成長的：先做最簡單的「資料蒐集」（call 客戶問家庭狀況、整理保單）、然後「提案撰寫」（依照學長的範本改）、再來是「跟件」（送件、追件、處理體檢通知）、最後是「簡單的稅務或理賠協助」。這些工作枯燥、低利潤、沒有「sexy」可言——所以一旦 AI 能做，老闆們的第一反應就是「把這些通通自動化掉」。 問題是，Kitces 點出來：這些枯燥的工作，正是新人把「書本知識」變成「肌肉記憶」的唯一管道。 你不可能讓一個剛入行的人直接跟 HNW 客戶談退休現金流策略，他必須先做過 50 份提案、追過 30 件體檢、處理過 10 個複雜理賠，他才能在客戶面前說出有判斷力的話。 當你把這 50 份提案交給 AI 做完，恭喜你，你今年的人均產能上升了。但你也同時砍掉了下一代「判斷者」的養成路徑。 TurboTax 劇本：會計業 25 年前親手把自己的人才管線燒掉 Kitces 的論點之所以難以反駁，是因為他不是在預測未來，他是在指一個已經發生過的真實案例：美國會計業。 1990 年代末，Intuit 推出 TurboTax，把「簡單個人報稅」自動化了。當時 senior partner 的反應是什麼？跟現在保險業老闆對 AI 的反應一模一樣——「太好了，我們不用再讓菜鳥浪費時間做這些簡單的 1040 報稅了，可以把他們直接拉去做複雜的企業稅務」。 聽起來很合理。結果呢？根據 UCLA Anderson Review 的研究，2009 到 2019 這 10 年，美國「會計類軟體投資」越多的公司，雇用會計師的支出反而越少——軟體不是讓會計師更有產能，而是直接取代了他們的初階職缺。 25 年後的今天，美國發生了什麼事？比 5 年前少了 34 萬名會計師 全美只剩 160 萬名會計師 報考 CPA 的人數創 2006 年以來新低 多州被迫修法降低 CPA 的學歷門檻（從 150 學分降回 120 學分），因為再不降，整個產業要崩盤最諷刺的是，會計類學生人數的下滑速度，跟「會計軟體投資成長速度」幾乎完全反向。年輕人不是笨——他們看見學長學姐在做的工作正在被軟體取代，理性的選擇就是去學金融、去學資工、不要進這個被自動化掉的行業。 Kitces 的警告就是這句話：壽險與顧問業正在 25 年後的路徑上，走得比會計業還要快。 為什麼這次比 TurboTax 還要嚴重：6-12% 的時間節省 vs. 100,000 的人才缺口 很多人會說「但 AI 不一定會這麼快取代啊」。Kitces 引用的 McKinsey 報告給了一個冷酷的數字：他們估計就算 10 年後，gen-AI 工具給顧問業帶來的時間節省也只有 6% 到 12%——一點也不誇張，根本沒有「一人取代十人」這回事。 但同一份報告也指出：美國顧問業未來 10 年的人才缺口會達到 10 萬人。 把這兩個數字放在一起看，你就會看到 Kitces 真正擔心的東西：產業需要的新血是 10 萬人，AI 能補的產能缺口只有 10%。 你用 AI 自動化掉了 50% 的入門工作（因為這部分最簡單最容易被取代），但 AI 只還給你 10% 的整體產能。剩下 40% 的缺口，本來應該由新人來填，現在卻沒有人願意進來。 Kitces 在 Kitces.com 5 月 AdvisorTech 月報 裡也直接點名一個案例：Savant Wealth Management 宣稱他們的新 AI agent 會讓每個員工「產能翻倍」。Kitces 的評論很不留情面：「There's no evidence so far of AI generating anywhere near that kind of a productivity boost」（目前完全沒有任何證據顯示 AI 能帶來這種規模的產能提升）。 換句話說，老闆們正在用一個「翻倍」的幻覺，去合理化「砍掉新人成長階梯」這個決定。 團隊長現在能做的三件事：重新設計『AI 時代的新人成長階梯』 讀完 Kitces 的論點，你不應該得到的結論是「所以不要用 AI」。產業競爭壓力下，你不用，你的對手會用。真正的結論是：新人的成長階梯需要重新設計，因為舊的那條已經被 AI 拆掉了。 把「執行任務」換成「驗證任務」（Verify, Don't Execute） 做法： 過去新人做提案，學的是「怎麼把資料變成提案」。現在 AI 30 秒生成提案，新人要學的不是「重做一次 AI 已經做過的事」，而是「找出 AI 哪裡做錯了」。 具體情境：客戶資料丟給 AI，10 秒鐘吐出建議組合。團隊長交給新人的任務不是「你也做一份比較」，而是：「這份建議書裡有 3 個地方是錯的，你找出來。」 新人要學會什麼？他要看懂保單條款的細節、要記得這個客戶 3 個月前提過想要早期退休、要意識到 AI 沒考慮到他另一半剛換工作。這些「判斷力」過去是靠「自己做 50 份提案」累積出來的，現在必須換成「驗證 50 份 AI 提案」來練。 把「跟件流程」換成「異常處理」（Handle Exceptions, Not Norms） 做法： AI 處理 80% 的標準流程是好事，但 20% 的異常案例就是新人的訓練場。明確地把這 20% 留給新人，而不是讓資深業務「順手」處理掉。 舉例：體檢報告回來顯示客戶有 1 項以上的核保疑慮，AI 系統會自動把件擋下來。這個時候，不要讓資深的 case manager 直接打電話給客戶——把它交給新人，讓他們去處理那場尷尬的對話、去理解為什麼核保部門會質疑、去學怎麼跟客戶談「我們可能要重新設計這份保單」。 這 20% 的「不舒服場景」才是壽險業務真正值錢的肌肉。AI 處理掉的那 80%，本來就學不到什麼東西。 把「績效里程碑」換成「判斷力里程碑」 做法： 過去新人的成長路徑用「件數」、「FYC」量化。在 AI 時代，這些指標越來越容易被工具放大——一個會用 AI 的新人，產能可能瞬間追上資深業務，但他的判斷力其實還是新人。 重新設計里程碑：不是「累積到 50 件」才晉升，而是「獨立處理過 X 個複雜核保案件」、「拒絕過 Y 個不適合的客戶」、「在 AI 建議錯誤時做出 Z 次正確判斷」。 這個改動最痛苦，因為老的 KPI 是「結果可量化、容易管理」，新的 KPI 是「過程要評估、需要主管真的看每一個案例」。但這是唯一能在 AI 時代保住「判斷者」這個位置的方式。Kitces 這篇投書沒有給溫情的安慰。他真正想說的是：產業的下一個 10 年，不是缺 AI 工具，是缺人。而你今天每一個「讓 AI 做掉新人工作」的決定，都在加速這個缺口的擴大。 會計業已經修法降門檻了。壽險與顧問業還有時間，但前提是團隊長要意識到：你管的不是「今年的產能」，你管的是「5 年後還有沒有接班人」。📎 完整論點建議直接讀 ThinkAdvisor 5/15 原文，Kitces 在文章後半還討論了「為什麼大型 RIA 比獨立顧問風險更高」、以及他對 McKinsey 報告中「100,000 advisor shortage」數字的拆解——這篇沒有覆蓋到。會計業 25 年前的數據細節，可以看 UCLA Anderson Review 的研究報告，裡面有 2009-2019 軟體投資 vs. 會計師雇用的完整迴歸分析。如果你想追蹤 Kitces 對顧問業 AI 趨勢的持續觀察，他的 AdvisorTech 月報系列 是業內最完整的工具評析來源。