ATM 預言錯了 40 年，AI 取代工程師也會錯——拉曼用銀行櫃員的故事告訴你為什麼

本文整理自《The Prof G Pod》2026 年 4 月播出的單集，紐約大學 Stern 商學院教授史考特．蓋洛威（Scott Galloway）與 LinkedIn 首席經濟機會長阿尼許．拉曼（Aneesh Raman）對談「AI 時代最重要的技能」，這是他們未來工作系列的第二集，採聽眾 Q&A 形式。

1970 年代那篇紐約時報，宣判錯了銀行櫃員的死刑

如果你最近在新聞上一直看到「軟體工程師要被 AI 取代了」、「資工系畢業就失業」這類標題，阿尼許．拉曼想拿一個五十年前的故事提醒你。1970 年代後期，當第一批 ATM（自動提款機）裝設到美國街頭時，《紐約時報》刊出一篇文章，論調幾乎和今天的 AI 報導一模一樣：銀行櫃員沒戲了，現在機器可以全天候吐錢，誰還需要櫃員？這是當時最直覺、最理所當然的判斷，也被瘋傳了一陣子。

接下來發生的事，讓所有看到那篇報導的人跌破眼鏡。從 ATM 開始普及，到 2010 年代中期智慧型手機真正吃掉現金需求為止的這段時間，美國銀行櫃員的就業人數不僅沒減少，反而幾乎翻倍。原因很簡單，也很出乎意料：因為 ATM 可以全天候放現金，銀行得以開出更多分行、進駐更多社區，而每一家分行還是需要人。櫃員的工作內容也跟著變了，從「給你錢、收你錢」這種單一任務，轉成關係銀行業務（relationship banking），包括理財建議、開戶、貸款諮詢、處理疑難雜症。

「這個工作有不只一件事可以做。」拉曼在訪談中強調。這就是 ATM 故事的真正啟示，也是他在新書《Open to Work》裡最常拿來反覆引用的歷史對照組。所謂「某個職業要消失了」這種敘事，幾乎都建立在一個錯誤的前提，把工作看成一個單一任務的容器。但實際上，幾乎所有撐得住一段時間的工作，都是一束任務的組合。當機器把其中一兩項自動化，工作不會憑空蒸發，而是重組。剩下的任務變得更有價值，新的任務會冒出來，整個職業的重心會移動。櫃員之死的預言遲到了 40 年，而且死的也不是同一群人。

軟體工程師其實是同一齣戲，只是還在第一幕

拉曼用這個歷史對照重新看 2026 年的軟體工程師處境，得到的結論幾乎和當下主流敘事相反。過去兩年，從 Cursor、Claude Code 到各種 AI 工程師（AI engineer）產品一個接一個冒出來，矽谷投資人在 X 上反覆預告「軟體工程師完蛋了」，連帶把美國資工系新生入學意願都打趴了一截。但拉曼指出一個被忽略的事實：軟體工程相關的職缺數量實際上是在成長的，不是萎縮的。連史考特．蓋洛威都在訪談中順手補充，他剛讀到一份報告，軟體開發者的職缺數量還在季度對季度上升。

為什麼？因為軟體工程師的工作從來就不只是寫程式。拉曼拆解這份工作的真實樣貌時提到，現代軟體工程師同時在處理客戶端的需求溝通、思考自家產品的倫理影響、設計整個系統架構、與產品經理和設計師對齊產品方向。寫 code 在這份工作裡只是一個任務。當 AI 工具把寫 code 這件事的成本壓低，省下來的時間並沒有讓軟體工程師失業，而是被重新分配到剩下那幾個無法自動化的任務上。而那些任務，恰好是過去因為太忙、太貴、太麻煩，才被工程師「擱在一邊」的高價值工作。

這個邏輯其實在 Anthropic 產品總監 Cat Wu 最近一次訪談也談到：當程式碼變得很便宜，更值錢的就變成「決定寫什麼」。拉曼版本的講法則更歷史化，他說：「這些工作會走到哪、未來會被叫什麼名字，取決於工作如何圍繞著人類軟體工程師還能帶到桌上的任務重新組織。」軟體工程師的職稱可能會改、工作流會改、用的工具一定會改，但這個職業作為一個價值單位，還會在那裡。被淘汰的會是那些只會做被自動化掉的那一塊任務的人，不是整個職業。

Brookings 的提問：你能不能適應，比你的職位安不安全更重要

但拉曼話講到一半，丟了一句訪談裡最尖銳的話：「如果你現在覺得你的工作很安全，你不該這麼覺得。那只代表你比別人多一點時間準備而已。」這句話的背後是他引用的一份 Brookings 研究。這份研究主張，AI 時代評估個人風險時，光看「你的職位有沒有被自動化的可能」是錯誤的指標。更精準的指標應該是「你個人和你所處的環境有沒有適應的能力」。

Brookings 的適應力框架有三層。第一層是內在的：你過去有沒有面對過困難並且爬起來的經驗？你有沒有失敗過、被迫重新發明自己過？這種韌性是會累積的。如果你過去三十年職涯一路順風、沒嘗過真正轉型的滋味，當這次 AI 浪潮把你工作的核心任務挖掉一半時，你不只要學新工具，還得從零開始學「怎麼面對自己的世界被改寫」這件事，而這是大多數人的盲點。

第二層是結構性的：你身邊有沒有支撐你嘗試新東西的網路？你的財務狀況容不容許你冒險、轉職、暫時收入下降一陣子去學新技能？這聽起來像個人理財話題，但拉曼的觀察是，財務焦慮會直接侵蝕一個人實驗新事物的勇氣。沒有半年生活費的安全網，你不可能放下手邊的工作去學 AI 工具，你只會更緊抓著「現在這份工作」不放。諷刺的是，這正是讓你被淘汰的那種心態。

第三層也是拉曼最強調的一層：你的雇主有沒有把這場改變看成「員工主導的共同創造」，而不是「上面決定、下面執行」？Brookings 的研究指出，美國某些地理區域和某些產業中心，因為政策制定者和企業都沒有正視這場轉型，導致那裡的勞工根本沒有適應的支援結構。拉曼用一句話總結：「現在你身上發生什麼事，更多取決於你『在哪裡工作』，而不是『你做什麼工作』。如果你在一個感覺到變化來臨、而且願意賦權員工去參與摸索的組織裡，你適應的成本會低很多。」

蓋洛威：被高估的反而是「身體在動」的工作

蓋洛威在這個問題上補上了拉曼沒說的另一半。當被問到「哪些職業反而是高估自己的 AI 韌性」時，他幾乎是脫口而出：任何牽涉到「人在物理上移動」、需要快速判斷、又攸關安全的工作，都被嚴重高估了。卡車司機要走，計程車司機要走，連飛行員都不一定守得住，未來甚至連外科醫師都得讓位給「會操作搖桿和器材的更年輕世代」。

蓋洛威的論證不是科幻，而是冷冰冰的安全數據。他預測美國目前每年大約 4 萬件可預防的車禍死亡，在自動駕駛普及後可以壓到 4,000 件以內。一旦這個數據被驗證，公眾輿論的天秤會瞬間翻盤，你還憑什麼反對自駕貨運？「為什麼凌晨兩點，一條空蕩蕩的高速公路上，還會有一個個人坐在拖板車的駕駛座？」蓋洛威用一個畫面感很強的問句來收尾，「這不就是自駕該下手的第一個戰場？」

而這個趨勢的社會衝擊比表面上更重。蓋洛威特別點出一個美國勞動市場的冷知識：卡車司機是全美「沒有高中學歷的男性」最大宗的職業。如果這份工作整批消失，影響到的不是矽谷工程師那種能轉換軌道的人，而是整個藍領階層中最沒有適應資源的一群人。這正好回到拉曼引的 Brookings 觀點，這群人的內在資本、結構性支援、雇主賦權，三者全都在最弱的那一端。可是，他們的職業卻是被 AI 與自動駕駛打到最快、最徹底的那一個。把這兩個觀察拼起來，整張地圖才完整。

應屆畢業生不是被屠殺的世代，是被低估的世代

最後一個讓人意外的反向觀察，來自蓋洛威對應屆畢業生的看法。最近兩年美國媒體最熱門的勞動敘事之一，是「Z 世代正在面對應屆生失業大屠殺」，AI 把入門級白領工作端走，年輕人連起跑線都跨不過去。蓋洛威的回應幾乎是逆風的：他覺得這種敘事誇大了好幾倍。

他從自己 1992 年從加州大學柏克萊分校 Haas 商學院畢業時的經驗講起。當時他和同學們站在畢業典禮上，那一屆只有 40% 的人在畢業日有正式工作。一所全美前十的商學院，超過半數畢業生空手離開校園，這是當代美國商學院畢業生根本不會經歷的場景。蓋洛威認為，後來那二十年的長期多頭把美國職場寵壞了，他在 NYU Stern 任教時，學校甚至要求職涯中心叫學生「拿到五個 offer 就停止面試」。和那種被寵壞的承平時代相比，今天 10.5% 的青年失業率聽起來像末日，其實還比歷史上某些低點要溫和。

蓋洛威更尖銳的反駁則是經濟帳。他直接點名，他自己投資的公司裡，「最容易被砍的人」往往不是 25 歲的應屆生，而是「那位 40 歲、年薪 40 萬美金的男性」。理由很簡單，因為那位 40 歲員工的每年產出，可以被一位 25 歲、年薪 10 萬、AI 工具用得更熟練的應屆生做到 80%。講白了，AI 拉平的不是「年輕對資深」這條線，而是「便宜對昂貴」這條線。年輕、技術力強、又便宜的應屆生，其實是 AI 時代最被低估的對手，他們只是還不知道自己的議價空間在哪。

我的觀察：臺灣讀者該換的問題

把整段對話拉到臺灣的脈絡，最該抄下來的不是「軟體工程師會不會消失」這個答案，而是 Brookings 的那個問題換一個問：你不該再問「我的職位安不安全」，你該問「我所在的環境支不支持我適應」。

過去這一年我自己看臺灣科技圈的轉型氛圍，最明顯的觀察是，個人的焦慮量遠遠超過組織的行動量。資工系新生在 PTT 上問「現在轉系還來得及嗎」，私訊科技工作者朋友的問題清一色是「我該不該裸辭去學 AI」。但反過來看，他們所在的公司有沒有提供 AI 工具的訂閱、有沒有開放員工試錯的時間、有沒有把 AI 學習列進績效，多數的答案是沒有、沒有、沒有。這個錯位本身就是 Brookings 講的那一層結構性問題在臺灣的版本：個人想動，環境不允許動。

ATM 的故事之所以值得記得，不只是它證明了「某職業要被取代」這種預言常常錯得離譜，它還說明了一件事：櫃員存活下來，不是因為他們夠努力、夠不可取代，而是因為銀行業整體有意願和資源把這個職業重新設計成關係銀行的核心。如果當年銀行決定「ATM 都裝了，櫃員就裁吧」，故事的結局就會是另一個版本。換到 2026 年的軟體工程師、設計師、文字工作者身上，問題其實一樣：你的雇主，有沒有打算在 AI 時代把你的職業重新設計？沒有的話，你最該做的不是學更多 AI 工具，是換一個願意這樣設計的雇主。