人人都在用 AI，生產力在哪？《經濟學人》資深編輯的三個答案

本文整理自 Podcast 節目《AI and the Future of Work》2026 年 6 月播出的單集。

---

神奇又令人失望的矛盾時刻

《經濟學人》最新一季的 Boss Class 節目，把焦點對準了 AI 時代最讓人困惑的現象：所有人都在用，但沒人看得到成效。節目主持人、同時也是 Bartleby 管理專欄作者的安德魯．帕默（Andrew Palmer），決定親自下場當白老鼠。他自稱是「不成熟的 AI 使用者」，想透過整季節目的製作過程，把自己從門外漢變成進階玩家。結果很有啟發性，但不是他原本預期的那種。第一集，他讓 AI 讀完自己所有的專欄和 Podcast 稿，然後請它描述「帕默是什麼樣的人」。AI 的回答是：此人「沒有幽默感」（gag-free）。帕默聽完差點從椅子上摔下來。「大錯特錯，」他說，「笑話是我寫作的根基。」這個小插曲成了整季節目的起手式，一個不斷回響的警告：這項技術用起來很自信、很權威，但它可以在最基本的判斷上出錯。

帕默近期上了另一檔 Podcast 節目《AI and the Future of Work》，和主持人 Dan Turchin 深入聊了他在 Boss Class 製作過程中的觀察。他形容我們正處在一個奇特的雙重現實裡。一邊是一群人宣告 AI 正在改變一切，賭注是人類文明層級的；另一邊是每天打開 ChatGPT 的上班族，覺得「還行，但沒有真正改變什麼」。「這項技術既神奇又令人失望，」帕默形容，「你用完之後，同時覺得它是魔法，也覺得它讓人洩氣。」

更關鍵的是，所有人都在談即將到來的巨大生產力提升，但這件事至今沒有出現在任何總體經濟數據裡。既沒有就業末日，也沒有生產力飆升。帕默覺得這個落差才是真正需要被解釋的，而他的解釋框架分成三個層次。

行為、技術、組織：三道疊加的障礙

帕默自嘲有「《經濟學人》病」，什麼事都習慣分成三類。但這次的分類確實管用：AI 導入的障礙可以拆成行為面、技術面和組織面三層，而且它們彼此交織、互相強化。

行為面的問題比多數人想的更根本。許多員工不願承認自己在用 AI，怕被認為是偷懶或能力不足。另一批人走向另一個極端，被 AI 那種「自信、權威，像在告訴你這就是標準答案」的語氣所迷惑，照單全收。帕默把這比喻為「領導者問題的十倍放大版」：人類對權威聲音有天然的服從傾向，碰上一個永遠不會說「我不確定」的 AI，結果就是盲目信任。他開出的處方很基本但很實用，養成追問「你確定嗎」的習慣，要求 AI 列出資料來源，把懷疑當成起點而非終點。這些聽起來像常識，但大多數組織連最基礎的 AI 使用衛生訓練都還沒做。

技術面的障礙大家比較熟悉：幻覺、不正確的回答、在關鍵細節上翻車。帕默自己的「沒有幽默感」事件就是活生生的例子。不過他判斷，技術問題反而是三者中最容易被時間解決的，因為模型能力持續在進步。

真正讓帕默花最多篇幅討論的是組織面。這不是「AI 不夠好」的問題，而是「公司不知道怎麼用」的問題。多數企業的部門各自為政，但 AI 最能發揮價值的地方，恰恰需要工程師和業務專家快速合作、跨部門協作。把懂技術的人和懂客戶的人放進同一個小團隊，快速試驗，再由一個中央實驗室把成功經驗推廣到其他部門。這個做法說來簡單，但對多數習慣分工明確的大企業來說，等於要重新定義部門之間的合作方式。

嬌生的教訓：15% 的專案創造了 85% 的價值

組織障礙有多嚴重，嬌生（Johnson & Johnson）的實戰經驗是最好的說明。帕默在 Boss Class 節目中採訪了嬌生的高階主管，對方描述了公司 AI 導入的完整旅程，這個故事比多數管理教科書都精彩。

一開始，嬌生採取的是「讓百花齊放」策略，鼓勵全球各據點的團隊自行實驗 AI。負責巡迴觀摩的主管發現，同樣的點子會在不同地區反覆出現。其中一個熱門項目是用 AI 大幅加速開發票的流程，聽起來不錯。問題是，開發票變快了，下游的財務團隊完全沒準備好要處理突然暴增的工作量。帕默把這稱為「水床效應」（waterbed effect）：你在一個地方按下去，另一個地方就鼓起來。AI 在 A 流程上帶來的效率提升，只是把瓶頸推到了 B 流程。如果你沒有從端到端的角度思考整個工作流程，你其實只是在搬問題，不是在解決問題。

寫程式也是同樣的道理。AI 幫工程師寫出了更多程式碼，但有人得審查和測試這些程式碼，而審查的能力並沒有同步提升。效率的提升在管線的某個環節創造了新的瓶頸，除非你把整條管線一起考慮，否則淨效果可能趨近於零。

嬌生做了盤點之後，發現了一個經典的帕雷托分佈：15% 的專案創造了 85% 的價值。這個數據讓管理層看清了現實，於是大幅轉向。從全面放任，轉為設立中央 AI 委員會和資料委員會，明確定義最重要的商業目標，再用這些目標來篩選和排序底層的實驗。帕默說這個轉折的啟示很簡單：「搞清楚你到底想要什麼商業成果，這聽起來是廢話，但它確實會在最初的興奮感中被遺忘。」

大企業看到 1%，新創看到獨角獸

嬌生的故事點出了另一個帕默反覆提到的現象：對 AI 改變世界的速度，不同的人有完全不同的感受，而這種差異主要取決於你站在哪裡看。

帕默引用了 Y Combinator 合夥人、前 Monzo 創辦人湯姆．布隆菲德（Tom Blomfield）在 Boss Class 節目中的說法。布隆菲德的立場相當鮮明：人類是一層混亂的中間層，擋在 AI 能做到的事情前面。從矽谷和新創生態的視角來看，這個觀察完全說得通。公司用極少的人力就達到獨角獸估值的速度，比歷史上任何時候都快。未來看起來幾乎不受限制。

但坐在大型企業裡的人感受完全相反。帕默轉述布隆菲德的觀察：「坐在大企業裡的人會覺得，AI 大概解決了 1% 到 2% 的問題，整體來說只是在邊緣啃。」這兩種觀點可以同時為真，差別只在時間尺度和觀察角度。帕默自己的判斷是，兩到三年內會是「頓頓挫挫」的階段，數據上看不出明顯變化。但如果把視野拉到更長的時間軸，隨著技術持續進步、組織學會如何有效整合，布隆菲德描述的那個 AI 代理人大量接手任務的未來，完全有可能實現。他傾向於覺得我們比末日論者所說的有更多時間，但也強調這不代表可以慢慢來。

為什麼 AI 的導入速度比過去任何一波技術浪潮都快？在帕默看來，答案在介面。自然語言聊天視窗讓任何人都能立刻上手，不需要技術訓練、不需要 IT 部門幫你設定。消費者在家裡已經用過了，帶進辦公室毫無門檻。15 到 20 年前的 SaaS 浪潮在銀行、保險、政府這些保守產業推進得非常慢，AI 卻幾乎同時滲透到所有行業。但個人層面的快速採用，至今還沒有轉化為任何可測量的總體效果。他判斷這只是時間問題，但中間的等待期正是組織需要認真面對的窗口。

不知道答案，才是最誠實的答案

這就帶出了帕默所說當前最難的領導力課題。身為管理者，你有強烈的動機推動 AI 導入，因為如果你不做，競爭對手會做。但與此同時，你推動的這項技術，終極結果可能是讓大批員工失業。你要怎麼鼓勵員工擁抱一個可能淘汰他們的工具？

帕默的答案是謙遜。他知道這在管理學的世界裡聽起來很弱，但他堅持這是唯一誠實的立場。「對於幾乎任何關於 AI 未來的問題，你能給出的最真實的回答就是『我不知道』，沒有人知道。」問題是，靠著展現自信一路升上來的高階主管，很難突然改口說自己不確定。但在他看來，比起假裝有答案，承認不確定性，同時真誠承諾會幫員工度過轉型期，是更有效的策略。

他舉了新加坡星展銀行（DBS Bank）的例子。星展是東南亞最大的銀行，從 2012 年就開始了大規模數位轉型，遠早於這一波 AI 浪潮。它的做法是建立有計畫的職涯路徑規劃，讓員工在不同專案之間輪調，並且投資技能重塑。如果你是客服人員，你的工作可能撐不到未來，但星展會嘗試把你轉進更高層級的客戶銷售角色，那是你目前沒在做、但和你的能力相鄰的工作。「不管發生什麼事，這個趨勢要來了，但我們可以一起面對，」帕默強調這種訊息傳達的核心是真誠，而不是保證。你不能承諾每個人都不會受影響，但你可以承諾不會丟下他們不管。

政策處方：丹麥和新加坡，而非全民基本收入

帕默不只關心企業層面。當主持人問他「如果你是國王，會怎麼做」，他的回答很務實，而且直接挑戰了矽谷最愛的解方。

首先是教育。AI 素養應該盡早進入學校課程，但方式很重要：目標是讓人學會掌控 AI，而不是養成認知依賴。用 AI 沒問題，但你要當主人，不是跟隨者。在高等教育層面，他引用華頓商學院教授伊森．莫利克（Ethan Mollick）的觀點：隨著 AI 侵蝕入門級工作，大學教育必須更像是職場的學徒制，而不是一段與就業脫節的理論學習。

在勞動政策上，帕默特別推崇兩個模型。第一個是丹麥的「彈性安全制」（flexicurity），一種由企業、政府和工會三方構成的社會契約，負責把失業者重新訓練並安排就業。第二個是新加坡的終身學習券制度，政府給每位勞工一筆訓練額度，用於學習政府認定的未來重要技能領域。這兩個國家的共同點是，它們不是在災難發生後才反應，而是在災難發生前就開始準備。

至於矽谷最愛談的全民基本收入（UBI），帕默直接打了回票。「數字算不過來，」他說。在高度負債的經濟體裡，安全網已經承受巨大壓力，要再疊上一層全民發錢的負擔，他覺得完全不切實際。主動的技能重塑和勞動力市場再分配，遠比被動的收入保障更有說服力。他也坦承歷史上的技能重塑計畫成績並不亮眼，但這仍然是唯一可行的方向，而且這次必須做得比過去更快、更好。

他對要求暫停 AI 發展的呼聲同樣不以為然。部分模型開發商自己出來呼籲暫停，帕默直言這「往好的方向解讀也只是假惺惺」。在美中兩大強權競逐 AI 領先地位的格局下，任何一方單方面放慢速度都不可能發生。政策的著力點不在管制技術本身，而在建設能夠因應技術衝擊的社會基礎設施。

你答不出的那個問題

在節目尾聲，主持人問帕默十年後的職場會有什麼讓今天的人覺得不可思議的事。他的回答令人不安：隱私完全消失。所有會議都被轉錄，所有對話都被餵進模型，所有互動都被記錄和摘要。「我們公司幾乎每場會議現在都被自動轉錄了，」帕默說，「而且沒人事先通知你，你是收到會議摘要時才知道的。」他預測這個趨勢會透過智慧眼鏡、穿戴裝置甚至腦機介面，從辦公室延伸到家裡。他對這個前景非常不安，但判斷方向已經無法逆轉。

不過整集節目最值得記住的，是帕默談到個人如何自保的那段話。他提出了一個簡單的自我檢測：「如果 AI 幫你省下了時間，你卻答不出『我最想多做哪一部分工作』這個問題，那你大概非常脆弱。」這不是技術問題，是自我認知的問題。那些從來沒想過自己到底想做什麼、只是日復一日走流程的人，正是最容易被取代的。這個時刻逼著每個人問自己「我的為什麼是什麼」，而多數人從來沒有認真面對這個問題。

帕默承認他擔心 AI 帶來的是一個「削弱人的主體性」的時刻，而不是賦能。但他也說，歷史上每一次重大技術轉型，最終都把人類帶到了更好的地方。「為了自己的理智，我們應該相信這一點。」只是過渡期會顛簸、會痛。而這中間的顛簸，才是真正的挑戰。