史丹佛經濟學家的 AI 勞動市場解碼：恐懼跑得比現實快

本文整理自史丹佛商學院 2026 年 4 月舉辦的領導力論壇座談。

{{< youtube UbiLWoIYoxk >}}

---

「如果你想坐在沙灘上，等無人機送來雞尾酒的那天，然後再來想人生有什麼意義，我覺得這不是好的時間利用方式。」史丹佛經濟學教授 Susan Athey 在 2026 年 4 月的領導力論壇上這樣回應一位聽眾關於情境規劃的提問。Athey 是 2007 年克拉克獎章得主，曾任美國司法部反壟斷部門首席經濟學家，目前擔任世界銀行 2026 年世界發展報告的學術顧問。她的觀點很明確：我們該擔心的不是那個遙遠的、AI 做完所有事情的終局，而是通往那個終局的路上會出什麼問題。

這場座談匯聚了三個截然不同的立場。Mechanize 共同創辦人 Tamay Besiroglu 是一個正在親手打造知識工作自動化工具的創業者，他預測一到三個十年內 AI 勞工的支出將超過人類薪資。ADP 首席經濟學家 Nela Richardson 掌握全美 4,200 萬名勞工的即時薪資數據，她看到的卻是一個被人口老化主導、AI 影響仍然微弱的勞動市場。Athey 則站在政策和制度的視角，指出技術能力與實際衝擊之間存在巨大的落差。三個人的出發點南轅北轍，但他們在一件事上取得了共識：恐懼正在跑贏現實，而這本身就是最大的風險。

技術能做到，不代表經濟會改變

Athey 在整場座談中反覆強調一個原則：技術能力和實際影響之間必須嚴格區分。她舉了藥物研發的例子。AI 確實可以大幅拓寬新分子的探索管道，有人可以展示 AI 如何發現新化合物，效果令人驚嘆。但然後呢？人體臨床試驗的流程沒有變快，美國 FDA 的審核速度也沒有加快。如果新藥研發的產出端被 AI 放大了十倍，但後續的臨床和審核端還是原來的速度，那整個系統的產出並不會提高十倍。更麻煩的是，要加速 FDA 審核可能需要國會立法，而立法需要兩黨共識。這是一連串制度瓶頸，即使經濟回報再高也未必能快速打通。

這個模式不只出現在藥物研發。Athey 用在場所有人都能體會的例子來說明：AI 讓寫電子郵件變得飛快。但這到底對生產力產生了什麼影響？「每個人的收件匣都被淹沒了。」當人人都能用 AI 瞬間產出一封結構完整、措辭得體的郵件，收件端的閱讀和回覆負擔就暴增。她的 MBA 學生用 AI 做出了精美的投影片，排版漂亮、圖表俐落。但 Athey 坦言，在她真正閱讀內容之前，根本無法判斷學生到底有沒有思考過這些內容。形式的品質提升掩蓋了思考的深度變化。我們將不得不改變商業溝通的方式，但這個改變不會在一夜之間發生。

Athey 把這些觀察歸結為一個歷史規律：每一項通用技術的擴散，都遵循相同的模式。先是技術突破，然後是一連串微型的互補性創新。這些互補創新可能是新的組織結構、新的工作流程、新的溝通規範。它們一個接一個、慢慢地推動系統的重組。這個過程是「迭代的、緩慢的」。Besiroglu 並不完全反對這個觀點，他同意在未來一到五年內，實際被取代的工作崗位可能只有個位數百分比。但他堅持在更長的時間尺度上，自動化的範圍會擴展到美國經濟中的大多數工作。問題是，在短期和長期之間的那段路要怎麼走，這才是需要規劃的部分。

快速傷害，緩慢受益

Athey 提出了一個她認為最危險的不對稱性：AI 造成的傷害來得快，帶來的好處卻來得慢。理由很直觀。如果你是一個網路詐騙犯、一個發動網路攻擊的組織，或任何一種惡意行為者，AI 對你來說是即插即用的增幅器。你不需要經過信任與安全部門的審核，不需要法務團隊的評估，不需要做合規測試。你拿到工具就直接用。相較之下，要讓 AI 真正改善普通人的醫療品質或教育水準，需要的是完整的測試、安全評估、訓練數據品質確認、監管核准。好處的兌現速度，被層層制度架構拖慢了。

這種不對稱正在製造政治風險。Athey 提到幾週前美國參議員 Bernie Sanders 來史丹佛校園訪問，與教授們進行了閉門會談。Sanders 分享了他從選民那裡聽到的聲音：科技公司爭相宣布要用 AI 取代多少工作崗位，這些新聞標題不斷轟炸一般民眾的感知。Athey 可以理解科技公司為什麼要這麼做，因為這證明了他們的技術領先地位，而且這類新聞確實吸引眼球。但同時，它在民間煽起了恐懼，而這種恐懼有政治後果。歷史已經給過教訓：當貿易衝擊、移民浪潮、疫情接連讓一般人感到失控時，他們會用選票做出激烈的反應，而這些反應往往不是長期投資型的政策選擇，反而可能阻礙真正能解決問題的投入。

Athey 在她的 MBA 課堂上也看到了同樣的恐懼。當她問學生「你們最害怕什麼」的時候，得到的反應是：「天啊，我必須選擇我的職業方向，但我以前認知的一切都被推翻了。」她有兩個正在念大學的孩子，這種焦慮從MBA 蔓延到大學生、甚至高中生和他們的父母。另一方面，她在與專業服務機構（律師事務所、顧問公司）的合作中，看到每個人都在焦頭爛額地思考：我們要怎麼訓練新進律師？我們的組織架構要怎麼改？這些組織變革的需求是真實且迫切的，但從試點項目「喔太好了，我可以搜尋公司文件然後得到摘要」到真正重新設計工作流程，多數機構才剛剛起步。恐懼跑在前面，行動落在後面，而這個落差本身就在侵蝕社會信心。

被忽略的半個世界

Athey 過去一年的主要工作之一，是擔任世界銀行 2026 年世界發展報告的學術顧問。這份聚焦 AI 對開發中國家影響的報告讓她的視野產生了一個重要的轉向。在開發中國家，依據國家不同，有 50% 到 70% 的人口在一人或一家一戶的微型企業工作，主要是零售和農業。在這個脈絡下，「老闆就是勞工本身」。你不會開除自己。所以 AI 對這些人的意義，不是失業威脅，而是生產力工具。一個鄉村小店主如果能透過手機上的 AI 工具管理庫存、處理客戶訂單、接收供應鏈資訊，她的營業額就可以成長，而不需要任何人被裁掉。

Athey 認為這裡存在一個被嚴重低估的機會。五年前，要幫一家小型零售店或農場完成數位化，需要昂貴且複雜的 IT 系統。一步一步建置成本高、週期長，建完可能就過時了。現在，AI 驅動的工具可以透過手機或低成本感測器直接送到小企業主手上。攝影機監控商品進出就有了庫存管理，WhatsApp 裡的聊天機器人就有了客戶訂單和供應管理，而且是用當地語言、根據當地數據來提供客製化建議。這不是遙遠的願景，WeChat 生態系統已經在中國示範了類似的模式，只是目前的 AI 水準可以讓這些服務做得更深入、更在地化。

但 Athey 也坦言挑戰在於落地。她接觸的開發中國家政府衛生官員告訴她，現在有上千家廠商來推銷 AI 試點專案。因為軟體開發門檻降低了，人人都能寫程式，所以「試點」滿天飛。問題是，沒有人因此得到更好的醫療服務。從試點到大規模實施之間的鴻溝依然巨大，需要基礎建設（行動網路覆蓋）、金融服務（微型貸款）和制度配套（政府採購流程）的同步到位。Athey 認為這是她有生以來少見的一次機會，用「相對少量的資金、相對高的投資報酬率」來改善數十億人的生活。「我們可能不會把握住它，可能會搞砸執行，但這個機會是深遠的，而且跟以前不一樣。」

別規劃海灘上的雞尾酒

座談接近尾聲時，一位聽眾問到情境規劃的問題：我們應該為哪些未來情境做準備？Athey 的回答帶著政策制定者的務實感。她認為情境規劃最重要的功能，不是想像最極端的未來，而是排除那些浪費時間的假議題。她舉了自己在司法部時的經歷：華府有大量資源被投入討論「能不能禁止開放權重模型」這個議題。她當時就告訴同事這是浪費時間，因為中國遲早會開發出自己的開放模型，這件事發生的機率是百分之百。但其他人，包括一些非常資深的技術專家，堅持認為管制開放模型是可行的。結果證明那些討論確實徒勞無功。

Athey 認為真正值得投入的情境規劃，應該聚焦在「跟決策有關的情境」而非「哲學思辨型的情境」。不要花時間想像所有人躺在沙灘上由機器人服務的世界要怎麼找到生命意義，因為如果真的到了那一天，我們會有充裕的時間去想這個問題。該想的是：在通往那個未來的路上，哪些實體資源會成為瓶頸？哪些關鍵節點可能被壟斷或武器化？這些才是可能引發衝突甚至戰爭的風險。情境規劃應該圍繞著時間軸和決策點展開，幫助我們判斷：今天需要做什麼決定，才能在不同的未來情境中保持韌性。

Richardson 補充了另一個面向。她認為除了外部情境的規劃，我們還需要更多「內省型」的情境思考：如果我們的數據是錯的呢？如果我們被告知的事情不準確呢？如果我們的基本假設已經改變了呢？這類自我審視的練習在目前的公共討論中幾乎不存在。她也強調，應該把更多精力放在研究勞工如何轉型，利用高品質數據去追蹤工作者如何隨著技術變遷而調整，而不是只追蹤技術本身的進展。技術的軌跡已經有太多人在關注了，真正缺乏的是對人的追蹤和理解。在一個連「職業」概念都在被重新定義的時代，不去理解人怎麼變，就等於閉著眼睛開車。