哈斯汀的三個 AI 職涯逆風判斷：律師最危險、放射科還缺 5,000 人、水電工 20 年內最安全

本文整理自《Possible》Podcast 2026 年 4 月播出的單集，由 Reid Hoffman 與 Aria Finger 訪問 Netflix 共同創辦人 Reed Hastings。

{{< youtube 2qoGbd9d2yA >}}

---

四年前的「全民共識」，被現實打臉

2022 年前後，矽谷有一個近乎全民共識的預測：放射科醫師會是第一個被 AI 大規模取代的高薪專業。論點很清楚：放射科的工作核心是讀醫學影像（X 光、MRI、CT），這是典型的圖像識別問題，深度學習在 2015 年之後已經在多項影像分類任務上超過人類。Geoffrey Hinton 2016 年公開講過「現在訓練放射科醫師的人應該停下來」這樣的話。創投圈、科技媒體、各大會議的講者都在重複同樣的劇本。

四年過去了，里德．哈斯汀（Reed Hastings）在《Possible》Podcast 上拿出當年的預測對照現在：「美國現在還缺大約 5,000 名放射科醫師。我們大概有 35,000 名，需要 40,000 名。薪水高得很。」哈斯汀同時親口承認，這個錯誤預測有他自己的一份：「我四年前以為這會是第一個被 AI 終結的高薪職業。」

這個自承的錯誤是這集 Podcast 最有重量的部分。哈斯汀現任 Anthropic 董事，過去也在 Microsoft 與 Meta 董事會待過，他不是局外人。當一個 Anthropic 董事公開承認自己的 AI 取代論預測是錯的，這個訊號的可信度比任何反方專欄都高。在這集訪談裡，他用放射科作為錨點，重新整理了一套對「AI 會取代哪些工作」的判斷，而這套判斷跟過去四年的主流預測幾乎完全相反。

主持這集的是 LinkedIn 共同創辦人里德．霍夫曼（Reid Hoffman）與共同主持人 Aria Finger。整段討論從「我們其實在問錯問題」開始。

錯的問題：AGI 什麼時候到？

哈斯汀對 AI 討論最大的不耐，是大家把火力集中在「AGI 什麼時候到？18 個月？六年？」這類時間表問題上。

他在訪談裡直接說：「坦白講，AGI 是 18 個月後到還是六年後到，其實沒太大差別。」這句話需要解釋。對個別企業的短期戰略可能有差別，但對整個社會、對教育系統、對個別家長與職涯規劃者來說，差別不大。決定要學什麼、做什麼工作、規劃什麼職涯的時間視野，本來就是 10 到 20 年。在這個時間尺度上，AGI 是 2027 還是 2032 抵達都不重要，重要的是它會抵達。

那真正該問的問題是什麼？哈斯汀的版本是：「我們希望 10 到 20 年後的社會長什麼樣子？法律業會變成怎樣？教育會變成怎樣？醫療會變成怎樣？」這個問句的重點是「設計」而不是「預測」。把問題從時間表換成設計，意味著個別人可以問自己：在這個 AI 比現在更普及的世界裡，我希望自己處在哪個位置？我希望我的小孩處在哪個位置？

這個換問題的方式，剛好讓他可以避開科技業最常陷入的兩個陷阱。一個是「AI 樂觀派」習慣的「一切都會更好」式空話；另一個是「AI 悲觀派」習慣的「人類要被淘汰了」式恐慌。把焦點放在「10 到 20 年後的社會設計」，意味著任何人都可以問非常具體的問題：我這個職業在那個世界裡會怎樣？我該如何重新配置自己的時間？

最容易被取代的：律師、軟體工程師

哈斯汀對「最容易被取代」的職業排名跟前幾年很多預測不太一樣。他把律師排在第一。

理由是：「律師工作很口語、相當公式化，雖然不像寫程式那麼公式化，但很接近。」這句話拆開看很有意思。法律工作的核心輸出是「文字」：契約、訴狀、備忘錄、法律意見書、判決書摘要，這些都是「在格式化的容器裡寫出有結構的論述」。大型語言模型最擅長的就是這種任務。律師的訓練裡有大量的「案例分析」，這恰好是 LLM 用 RAG（檢索增強生成）就能做到八九成的工作。哈斯汀預測律師事務所會出現顯著的人力壓縮，特別是處理交易型法律業務（合約審查、盡職調查、文件起草）的初階律師。

在他的論述裡，霍夫曼補充了一個有意思的角度：律師工作的相當一部分是「交易成本」，是因為人類社會運作不夠順暢、信任不夠穩固，所以需要律師居間建立規則並驗證執行。**如果 AI 能把這部分交易成本壓低，整個社會的生產力會上升，剩下的人可以去做真正創造價值的工作。**這個視角下，律師業的人力壓縮對社會反而是淨利好。

軟體工程則是哈斯汀的第二個受影響重點，但他的判斷比較細緻。他承認「許多公司會明顯減少軟體工程師的編制」，但他立刻補上下半句：「但很多新的軟體機會也會出現。」這就是經濟學上典型的「彈性需求」效應：當寫程式的單位成本下降，原本因為太貴而沒人寫的軟體會被寫出來，整體市場可能反而擴大。但這不代表所有現任工程師都安全。他的判斷是「平均一位工程師被分配到的工作會明顯減少，工資會被壓縮」，意思是工作機會總量可能不縮水，但工資會走低。

行政工作是第三個重點，但哈斯汀沒有花太多時間講，因為太明顯。文書處理、排程、簡單的客服回應、基礎的會計分錄，這些都是 AI 最快吃下的工作。

最不容易被取代的：娛樂、現場教學、運動

哈斯汀的「最不容易被取代」清單裡，第一名是娛樂業，理由很哈斯汀：「你不會去看一場機器人打的籃球賽。」

這句話聽起來像玩笑，但背後有完整邏輯。人類觀看運動賽事的核心動力，是看「另一個人類」在壓力下做出選擇：他會不會在最後一秒投出致勝球？他會不會在領先時失誤？他會不會在被嘲笑時奮起？這些情緒鉤子是「真人在場」才能成立的。把球員換成 AI 機器人，理論上比賽會更精準、犯規會更少、戰術會更完美，但沒人想看。同樣的邏輯適用於戲劇、紀錄片、實境秀、新聞主播。**你可以用 AI 做特效、做場景生成、做剪輯助手，但你不能用 AI 取代「觀眾在情緒上投資的對象」。**哈斯汀的話是：「故事一直都不是娛樂業的瓶頸，故事是核心；瓶頸從來不是製作成本。」

第二名是現場教學。哈斯汀預測 20 年後最高法院的庭辯場景幾乎不會改變，大法官面前還是會有真人律師，用真人聲音為真人客戶辯護。理由跟運動賽事一樣：當決策結果關乎一個人的生命、自由、財產，人類會堅持要看到「另一個人為這個決策負責」。這個堅持不是技術問題、是心理問題，而且短期內不會改變。同樣的邏輯放到教育上：哈斯汀認為線上 AI 家教會大規模普及（特別是在低收入國家），但「現場、真人老師」的存在不會消失，它會變得更稀缺、更貴。

第三名是手工匠人與技術工人，這是哈斯汀稍後會用「水電工」作為代表來展開的。

放射科反例：彈性需求把預測完全翻轉

回到放射科。為什麼四年前的全民共識會錯得這麼徹底？

哈斯汀的解釋是「彈性需求」，這個經濟學概念過去四年在 AI 預測裡被嚴重低估。AI 在影像識別上確實已經比人類好，這個技術判斷沒有錯。實際發生的事情是：AI 把 MRI 與 CT 的單位讀片成本壓低之後，掃描的價格也跟著下降。哈斯汀提到一個具體數字：「現在你可以走進一家自費 MRI 中心，付 300 美金就做一次 MRI。價格已經大幅下降。」

當價格下降，需求會擴張。原本因為太貴而捨不得做的掃描，現在做得起了；原本一年做一次的人，現在可能做三次。家庭醫師更願意開掃描單，因為知道病人付得起。這個擴張的需求需要人來解讀，而即使 AI 可以做初步判讀，最終仍需要一個有執照的放射科醫師簽字確認、處理邊緣案例、面對保險與訴訟風險。所以現實是：每張掃描的人類介入時間下降了，但掃描總數量上升得更快，淨結果是放射科醫師的需求反而上升。

這個機制其實是經濟學上的老觀察。19 世紀的英國經濟學家 William Jevons 發現，當煤炭使用變得更有效率，整體煤炭消耗量反而上升，因為效率提升讓更多用途變得划算，這個現象後來被稱為「Jevons paradox」（吉文斯悖論）。放射科的情況有類似邏輯：AI 把單位讀片成本壓低之後，掃描的總需求擴張得比 AI 取代人力的速度更快。過去四年的 AI 預測幾乎沒有人重視這個機制，所有的計算都假設「AI 取代了人類工作」就等於「人類工作消失」，沒有人計算「需求擴張」這一邊。

哈斯汀對這個錯誤的反思值得整段引用：「四年前我以為放射科會是第一個被 AI 終結的高薪職業。所有人都這樣講。結果現在我們缺 5,000 人。也許未來會發生，但過去五年沒發生。所以我的直覺是，許多職業會比我們以為的更有韌性。」這句話很罕見：一個科技業重量級人物公開承認自己過去的預測錯了，並把錯誤推論回去重新校準對其他職業的判斷。

水電工 20 年內最安全：自駕車給的時間軸

如果放射科是「白領預測被打臉」的代表，那水電工就是「藍領預測被嚴重低估」的代表。

哈斯汀對水電工（與廣義的技術工人，包括電工、木工、修車師傅、空調工程師）的判斷很硬：「未來 20 年內，機器人最多取代水電工 1% 的工作。」這句話的支撐證據是自駕車。

他的論證鏈是這樣的：自駕車的「概念驗證」發生在 2007 年，DARPA Grand Challenge 在那一年首次成功讓無人車跑完城市環境的賽程，從那一刻起「自駕車技術上可行」就被證明了。然後到 2026 年，整整 19 年過去了，全球車輛行駛里程裡有多少是真正自駕的？哈斯汀的數字是「少於 1%」，這包含 Waymo、Tesla FSD、其他在路上跑的所有自駕系統。即使在 Waymo 已經在亞利桑那、舊金山、洛杉磯商業營運的情況下，全球佔比還是個位數百分比都不到。

這個比較有意思的地方是「物理世界部署」與「數位世界部署」的差別。LLM 從 2022 年 11 月 ChatGPT 發布到 2026 年，使用者數已經破十億，這是純數位產品的擴張速度。但**自駕車要實際在物理世界裡跑，要面對下雨、下雪、施工、警車、行人、其他車的不可預測，每一個邊緣案例都要時間累積資料、迭代演算法、升級硬體。**從 2007 到 2026，自駕車已經跑了 19 年，還是只佔不到 1%。哈斯汀的推論是：「我們連『一個能在家做多項任務的機器人示範』都還沒看到。所以 20 年內，機器人在水電工作裡最多 1%。會發生，但會花上 50 年。」

對家長與年輕人來說這是一個非常具體的訊號：如果你今天 20 歲、考慮接下來 20 年的職涯方向，去做水電工幾乎是最安全的選擇之一。20 年後你 40 歲，這個工作的人類佔比還會是 99%。20 年後到退休還剩 25 年，那 25 年裡會逐漸有壓力，但壓力會慢慢來，有時間調整。對比之下，今天 20 歲跑去做初階軟體工程師，未來 5 年的市場就會有顯著壓縮。這個時間差，是哈斯汀整段論述真正的實用價值。

「工資跟著短缺走，不跟著價值走」

放射科、水電工、娛樂業、軟體工程，哈斯汀把這些不同職業放在一起，最後抽出一條他認為是 AI 時代最重要的職涯規則：「工資跟著短缺走，不跟著價值走。」（pay follows shortages, not value）

這句話的衝擊性在於它跟很多人從小被教的職涯邏輯是反的。我們從小被告知「做有價值的事情，價值會帶來回報」。哈斯汀的反例是老師：**「老師很有價值，但老師薪水不高，因為老師沒有短缺。」**這個觀察其實在勞動經濟學裡是常識，但在職涯選擇的對話裡很少被提出來。

把這條規則套到 AI 時代會發生什麼？哈斯汀的推論是：AI 能做好的工作，不管你覺得有多有價值，工資都會被壓縮，因為「供給」突然從有限變成無限。寫程式很有價值，但 AI 寫程式的能力快速上升，等於工程師的「替代供給」突然爆炸，工資自然下降。寫法律文件很有價值，但 AI 寫法律文件的速度與精度也在上升，律師工資面對同樣的壓力。

反過來，AI 做不好的工作（情緒密集、現場服務、需要真人在場、需要實體勞動）會繼續高薪。不是因為它「更有價值」，是因為「短缺持續存在」。水電工不是比工程師更有價值，但水電工會繼續短缺很久；現場諮商師不是比 AI 心理諮商機器人更有價值，但「真人在場」這個短缺會持續。這個邏輯下，職涯規劃的問題不是「未來什麼有價值」，而是「未來什麼會持續短缺」。

我的觀察：臺灣的職涯選擇剛好集中在哈斯汀說的高風險區

哈斯汀的論述放在臺灣的職涯選擇現況下，會看到一個不舒服的圖像。

這幾年臺灣青年最熱門的職涯選項，依序大概是醫師、半導體工程師、軟體工程師、資料科學家、AI 工程師。這份清單裡的前五名，有四個都在哈斯汀的「彈性需求」或「壓縮」區間裡：軟體工程師（哈斯汀明確說會減少編制）、AI 工程師（如果 LLM 自動化程式設計，AI 工程師本身也會被自動化）、資料科學家（資料準備與基礎建模已經被工具化）。半導體工程師相對安全，但這是因為臺灣的產業結構特殊（晶圓代工是物理世界製造），不是因為這個工作本身在 AI 時代有保障。

醫師的部分比較複雜。放射科的反例支持「醫師會繼續短缺」這個結論，但哈斯汀沒展開另一個可能性：有些醫療工作的核心是「決策的法律與情緒責任」，AI 可以做技術判讀，但簽字的人必須是人。臺灣的醫師體系也有同樣的結構，加上健保制度造成的需求擴張，未來 20 年醫師應該會延續高薪+短缺的狀態。

但臺灣的職涯熱潮很少把「水電工」、「現場服務業」、「諮商師」、「教練」放進來。這不是因為這些工作不重要，是因為臺灣的社會階層想像裡，這些工作的「地位感」不高。哈斯汀的論述提出的問題是：如果 20 年後 AI 把白領符號處理工作大規模壓縮，臺灣的就業市場準備好了嗎？年輕人是不是還在用 1990 年代的職涯地圖規劃 2040 年代的人生？

我自己對這個問題沒有完整答案。但哈斯汀的「工資跟著短缺走，不跟著價值走」這句話會是接下來 20 年最值得記在心裡的一條職涯規則。它沒有保證任何特定工作會永遠安全，但它至少給出一個比「跟著熱潮走」更可靠的判斷工具：問「未來 10 到 20 年，這個工作的人類供給會持續短缺嗎？」答案是肯定的，這個工作就值得進去；答案是否定的，再有名校光環、再有高起薪，都該重新想想。