你的專長是被 AI 放大，還是被取代？MIT 經濟學家的判斷框架

本文整理自 Bloomberg Television《Wall Street Week》2026 年 2 月播出的單集。

{{< youtube ld0NaUrIkS0 >}}

---

「AI 會取代我的工作嗎」是錯誤的問法

每次有新的 AI 模型發布，社群媒體上就會出現一波焦慮：「這次真的要取代 XX 職業了。」但 MIT 經濟學教授大衛．奧特（David Autor）認為，這個問法本身就搞錯了方向。

奧特是全球最受關注的 AI 勞動經濟學家。他在美國國家經濟研究局（NBER）共同主持勞動研究計畫，早年以「中國衝擊」研究聞名，用數據證明了貿易對就業的衝擊。近年來他把同樣嚴謹的方法轉向 AI，提出了一個精確而實用的分析框架，幫助我們判斷 AI 到底會怎麼影響一份特定的工作。

他在 Bloomberg《Wall Street Week》節目中解釋：我們每天都在使用大量科技，手機上的 GPS、個人電腦、各種軟體工具。我們「曝露」在這些科技之下，但大多數時候我們不覺得受到威脅，反而覺得它們讓自己更有效率。所以問題不是「有沒有曝露在 AI 之下」，而是「曝露的方式是好是壞」。他和同事在「數位主義者文集」（The Digitalist Papers）中發表的論文，把這個問題拆解成一個清晰的二分法：看 AI 自動化的是你工作中的「高專長任務」還是「低專長任務」。

好曝露：AI 自動化你不擅長的事

你的工作包含很多不同的任務。有些是你真正的核心能力，是你花了多年累積、別人不容易複製的專長。但也有很多是支援性的、必要但不核心的瑣事。奧特的框架很直覺：如果 AI 拿掉的是後者，那是好消息。

想像一個律師的工作。核心專長是法律判斷、策略思考、在法庭上說服法官和陪審團。但律師每天也要花大量時間做低專長的支援工作：檢索判例、起草制式合約、整理卷宗。如果 AI 能接手這些制式工作，律師就能把更多時間花在真正需要判斷力和經驗的地方。結果是什麼？可能需要的律師人數會減少，因為每個律師的產出提高了。但留下來的律師會更專精、更有價值，薪資也更高。翻譯也是同樣的邏輯：當 AI 處理了大量的一般性翻譯需求，留在市場上的人類翻譯師會專注在外交文件、法律文件這類高風險場景，成為更稀缺的專家。

奧特把這種情況稱為「好曝露」。你的專長沒有被取代，反而因為周邊雜務被清除，變得更加閃亮。就像一顆鑽石，把周圍的泥沙洗掉之後，反而更耀眼。

壞曝露：AI 自動化你最擅長的事

但反過來的情況就完全不同了。如果 AI 取代的不是你的雜務，而是你的核心專長呢？

奧特舉了一個非常生動的例子：計程車司機。傳統計程車駕駛有兩個主要能力，一個是開車，大多數人都會；另一個是熟悉路線，知道怎麼在城市裡穿梭，這是需要多年經驗才能累積的專長。然後 GPS 導航和叫車軟體出現了。Uber 整合了 GPS，突然間，任何人都可以到一個陌生城市，打開手機就開始載客。不需要背路線，不需要考計程車執照。奧特指出，根據研究證據，叫車平台的出現壓低了整個載客產業的薪資。因為進入門檻大幅降低，湧入了大量新司機，但他們的核心專長（認路）已經被技術商品化了。從業人數增加了，薪資卻下降了。

這就是「壞曝露」。當技術直接取代了你最有價值的那項能力，原本的進入門檻消失了，市場競爭突然變得激烈，你過去累積的經驗和知識不再稀缺。同一種技術，在律師身上和計程車司機身上，產生了完全相反的效果。差別就在於：AI 吃掉的是工作中的哪一塊。

勞動市場不會消失，但會被重塑

奧特強調，他並不認為 AI 會讓所有人失業。長期來看，勞動力短缺是一個結構性趨勢，工作機會不會消失。但關鍵在於，那些工作是什麼樣的工作。他用了一個有力的對比：一個所有人都在當交通指揮員的世界，和一個所有人都在當醫生的世界，差異是巨大的。前者的工作可替代性高、薪資低、雇主沒有動機善待員工。後者的工作有高度專業性、高附加價值、勞動者有議價能力。

AI 的影響取決於它把勞動市場推向哪個方向。如果 AI 主要自動化了各行各業中的低專長支援任務，那人類會往更專業、更高價值的方向集中，這是好事。但如果 AI 主要攻克了高專長核心任務，那大量工作者會被推向低技能、低薪資的服務業，這種兩極化在過去四十年的美國已經發生過一輪，AI 可能會加速它。奧特認為，這不是注定的命運，而是取決於我們如何投資、如何開發、如何部署 AI。技術本身不會決定社會的結局，人的選擇才會。

我的觀察：用這個框架檢視自己的工作

我自己是媒體和內容工作者，所以忍不住拿奧特的框架來對照自己的處境。結果發現它確實好用。

過去一年，AI 已經大幅改變了我的工作方式。整理逐字稿、翻譯初稿、蒐集背景資料，這些過去佔掉大量時間的支援任務，現在都可以用 AI 工具加速甚至自動完成。這讓我有更多時間花在真正需要判斷力的地方：選題（這個話題值不值得寫？用什麼角度？）、敘事結構（怎麼把複雜的資訊組織成讀者能跟上的故事？）、觀點形成（我自己怎麼看這件事？有什麼是別人沒說的？）。按照奧特的框架，這是典型的「好曝露」。AI 拿掉了我的雜務，讓我的編輯判斷和寫作風格變得更有價值。

但我也很清楚，下一波 AI 進化可能會改變這個等式。如果有一天 AI 能直接做出有洞察力的選題判斷、寫出有個人風格的文章、提供獨到的觀點，那我的核心專長就會被商品化，變成「壞曝露」。

奧特框架的力量在於：它不給你一個靜態的答案（「你的工作安全 / 不安全」），而是給你一個持續判斷的方法。每次有新的 AI 工具出現，問自己一個問題就夠了：它自動化的是我工作中最有價值的那塊，還是最瑣碎的那塊？答案會隨著技術演進而改變，但這個問法永遠有效。