Mark Cuban 在 2025 年 8 月受訪時指出，下一個最搶手的工作不是「懂 AI」，而是能走進一家公司、把 AI 落地並秀出成果的人。但他自己對 AI 的評價也充滿矛盾。
目錄+
Mark Cuban 在接受 TBPN 訪問時說了一段話，過去幾個月在 LinkedIn 和 X 上被轉貼了幾百次。他的論點很簡單，但很多人讀完之後的反應卻是「我現在就去學 AI」——這剛好是他在說不夠用的事。
Cuban 說了什麼
"Companies don't understand how to implement AI right now to get a competitive advantage… learn to customize a model, walk into a company, show the benefits. That is every single job that's going to be available for kids coming out of school."
這段話來自 2025 年 8 月的訪談，Cuban 的核心主張有兩層：
第一層是診斷：多數公司，特別是中小型企業，根本不知道怎麼用 AI 獲得競爭優勢。這不是在說他們沒買 ChatGPT 帳號，而是說他們缺乏把 AI 嵌進實際工作流程、讓它產出可量化回報的能力。
第二層是處方：學生不應該只是「學 AI」，而是要學會客製化模型、進到一家公司、秀出具體成效。他明確說「這是所有剛出校門的孩子將會找到的每一份工作」。
他在 Fortune 訪問中補充得更具體：每家公司都有一些「因為手動太貴所以沒人做的事」，比如整理試算表、核對收據、做重複性編輯——這些都是 AI agent 能在幾分鐘內解決的任務，而且「只需要對程式設計和 AI 模型的基本理解」。
數字說什麼
Cuban 的觀察有數據支撐，但情況比他講的更複雜。
根據 2025 年 5 月 PayPal 與 Reimagine Main Street 對近 1,000 家小型企業的調查，超過 50% 的小型企業正在探索 AI 實施，但只有 25% 已將 AI 整合進日常營運。這個落差就是 Cuban 說的「不知道怎麼用」的具體樣貌——有興趣、有預算，但卡在執行。
CNBC 的調查數字也支持這個方向：37% 的小型企業業主目前使用 AI 工具，71% 計劃增加投入。問題不是意願，而是能力——或者說，是翻譯能力：把模型的能力翻譯成某個特定行業、特定公司的工作流程。
美國商會 2025 年調查更有意思：在已採用 AI 的小型企業中，82% 在同一期間擴大了員工人數。這顛覆了「AI 搶走工作」的敘事——至少在小型企業裡，AI 目前更像是雇用的觸媒，而不是替代品。
但這個論點本身有幾個裂縫
Cuban 的建議聽起來很有說服力，但細看有幾個問題值得追問。
第一，他自己的說法充滿矛盾。
就在 2026 年 2 月的 Fortune 訪問裡，Cuban 把 AI agent 描述成「像宿醉進公司的大學生，犯錯、不承擔責任」。他說 agent 的年費有時超過 10 萬美元，讓很多公司重新評估預算。他還說 AI 缺乏「脈絡感」，不懂為什麼犯錯、什麼時候犯錯。
換句話說，他一方面說「去幫公司落地 AI」，另一方面又說「AI 現在還不夠可靠」。這兩個立場並不是完全矛盾的，但他在切換這兩個立場時，似乎沒有注意到這會讓建議本身顯得模糊：如果 agent 還像宿醉大學生，那「學會落地 AI」的護城河到底是什麼？
第二，這個機會窗口可能比 Cuban 說的更短。
Cuban 講這段話的時候，前提是「多數公司現在不懂 AI」，所以懂的人很值錢。但根據美國商會的數據，58% 的小型企業在 2025 年表示已在使用生成式 AI，相比 2023 年的 23% 翻了超過一倍。如果採用速度持續加快，「能幫公司落地 AI」的稀缺性會隨著時間壓縮——不是說這個技能變得不值錢，而是說它的稀缺溢價會下降。
第三，「客製化模型」的門檻沒有他說的那麼低。
Cuban 說只需要「對程式設計的基本理解」，但真正在企業環境裡做 fine-tuning 或 RAG 系統整合的人都知道，這裡面牽涉的不只是技術，還有資料品質、評估方法、安全合規、以及內部政治——讓 IT 部門買單這件事本身就是半份工作。「走進一家公司、秀出成果」的第一步，通常是三個月的試錯和說服，不是一個週末的 demo。
為什麼這個建議仍然值得認真對待
批評歸批評，Cuban 的核心洞察有一個部分是對的，而且 OECD 的數據可以支撐：G7 國家中，2024 年 AI 在企業核心業務功能的採用率仍然低於 10%（美國為 6.1%）。這意味著「懂 AI 技術」和「能讓 AI 在真實企業環境裡工作」之間，還存在一條巨大的執行鴻溝。
這條鴻溝不需要最厲害的技術背景才能填補。它需要的是：理解某個行業的工作流程、識別哪些任務是 AI 現在確實可以可靠完成的、設計一個可以被現有員工採用的導入方案，以及處理失敗案例的心理準備。
這不完全是 Cuban 說的「學會客製化模型就去賣」，但方向上有交集。差別在於：他把它描述得像個服務業生意，但更接近真實的可能是：這是一份需要混合技術判斷和組織溝通的長期工作，而不是一個可以用 demo 快速套現的機會。
結語
Cuban 的原話在各平台瘋傳，但被截取的通常只有「這是所有即將出校的孩子都能找到的工作」這一句。這句話單獨看起來像保證，但放回完整脈絡裡，它是一個條件句：前提是你真的能走進一家公司、讓它看到成效——而不只是拿了一張 AI 課程的結業證書。
如果這個前提對你來說還不清楚是什麼意思，那可能代表你現在最需要做的，不是去選修更多課，而是找一個實際的問題、一個實際的公司，嘗試讓某件事真的運作起來。結果好不好其次，過程本身就是 Cuban 說的那個「稀缺的東西」。