銀行櫃員為什麼沒被ATM消滅？AI就業恐慌背後的傑文斯悖論

本文整理自《AI and the Future of Work》2026 年 5 月播出的單集。

{{< youtube OUmaY1gkZZc >}}

---

恐慌的時間軸差了一個數量級

Invisible Technologies 執行長 Matt Fitzpatrick 曾在麥肯錫（McKinsey）旗下的 QuantumBlack Labs 帶領超過千人工程團隊，做了十多年企業 AI 落地。他觀察到一件事：AI 對就業的衝擊，被公共討論嚴重放大了。

「每次你去聽一個 AI 論壇，台上五個人都在說明年所有工作都會消失。這完全不切實際，」他在節目中直言，「時間軸差了一個數量級。我們談的是五到十年的轉變，不是一年的斷崖。」

這種錯位造成了一個弔詭的結果。原本 AI 應該是提升生產力的工具，但因為「取代人類」的敘事太過強烈，很多員工反而產生了排斥心理。人們擔心自己正在訓練取代自己的機器，於是不願意積極採用新工具。Fitzpatrick 認為這是「社會敘事失準」帶來的副作用。一個本可以讓人更有效率的技術，反而因為恐慌而被推遲採用。

更麻煩的是，這種恐慌讓人忽略了一個經濟學上有充分歷史佐證的現象。

傑文斯悖論：效率越高，反而用得越多

面對「AI 會消滅工作」的論述，Fitzpatrick 搬出了一個 19 世紀的經濟學概念：傑文斯悖論（Jevons Paradox）。這個理論的核心很簡單，當新技術讓某項資源的使用變得更有效率時，人們不會因此用得更少，反而會用得更多。原因是效率提升降低了成本，而成本下降會刺激更大的需求。

他用銀行櫃員的故事來說明。三四十年前，ATM 和各種自動化技術取代了銀行櫃員大部分的功能性工作，存款、領款、轉帳這些操作幾乎都可以機器完成。按照直覺推論，銀行櫃員應該大量減少。但實際發生的事情完全相反。自動化降低了銀行分行的營運成本，讓每間分行的投資報酬率上升。既然一間分行變得更划算了，銀行就開了更多分行。分行變多，需要的櫃員也跟著增加。只是他們的工作內容從處理交易變成了經營客戶關係。

這不是特例。Fitzpatrick 又舉了會計師的例子。Excel 出現之前，會計師的日常工作是用計算尺手動計算營收。試算表軟體問世之後，這些計算工作被自動化了。但今天的會計師比 1980 年代更多，因為他們現在做的是更進階的財務分析，而不是手動加總數字。效率工具沒有消滅會計師，反而讓企業意識到「原來深度的財務分析能帶來這麼多價值」，於是需求反而增加了。

世界經濟論壇最近公布的數據也指向同一個方向：AI 預計將創造 1.7 億個新工作，取代 9,200 萬個，淨增長 7,800 萬個職位。

行政工作佔了半條命

理解了傑文斯悖論之後，一個自然的問題是：那 AI 具體會改變什麼？Fitzpatrick 對現代職場有一個犀利的觀察。

「我們變成了一個生產九百頁文件給另一群人讀九百頁文件的社會，而這些文件其實沒有人真的在讀。」他隨口估計，在大多數工作裡，至少一半的時間花在行政事務上，而不是核心業務。寫文件、填表格、做報告、準備簡報、參加會議。三年前如果有人說「我為這場會議準備了一份四百頁的報告」，大家會覺得很用心。但這份報告真的有人讀嗎？它創造了什麼業務價值？

他用醫療產業來舉例。美國每位病患的醫療支出大約 15,000 美元，德國和加拿大大約 3,000 美元。這個巨大差距有三分之一來自行政成本，例如醫療編碼。「醫療應該是醫生治療病人，不該是一大群人在做文書作業。」如果 AI 能大幅降低行政成本，不只能節省開支，更重要的是能讓醫護人員把時間花回照顧病人身上。

Fitzpatrick 在自己的公司也身體力行。他說 Invisible Technologies 幾乎沒有固定會議，「任何一家公司如果每個人每天花十小時在連續會議裡，那他們什麼東西都沒在做。」他把團隊時間盡量導向兩件事：和客戶互動、做產品開發。他引述了一個讓他很有感的說法：AI 時代的贏家將由「學習速度」決定。多快能把從市場學到的東西推回團隊、調整做法，這才是真正的競爭力來源。

十年後，更多人做有意義的事

如果行政工作大量減少，空出來的時間和人力要去哪裡？Fitzpatrick 的答案是：回到核心業務，以及創業。

他認為過去二十幾年，現代企業在舊科技基礎設施之上堆疊了大量的行政作業，變成了一種「消磨靈魂的存在」。這也是為什麼很多年輕人離開大企業。不是因為他們不想工作，而是不想花整天的時間寫沒人讀的文件。AI 有機會打破這個循環，讓人們把時間花在真正重要的事情上：開發產品、服務客戶、建立關係。

創業門檻的降低也是他看好的趨勢。十年前創一家公司需要聘四個工程師來做基礎開發，現在你可以用 AI 寫程式工具做掉大部分初期工作。雲端服務讓基礎設施成本趨近於零，各種 AI 工具讓一個小團隊就能做出以前需要二十人的產出。他預期未來十年會看到更多創業者、更多小型公司，以及更多人從事根本上更有趣的工作。

他提到一個有意思的統計：《華爾街日報》報導，美國有 9% 的人口自稱是全職社群媒體影響者。這個數字本身也許有灌水的成分，但它反映出一個真實的趨勢：創業和工作的定義正在被重新改寫。Podcast 是另一個例子。十年前這個媒體形式幾乎不存在商業價值，現在它已經是一個龐大的產業。

治理框架要管結果，不要管技術

AI 的影響範圍如此巨大，治理的問題不可迴避。Fitzpatrick 的立場很明確：不要試圖管制技術本身。AI 的發展速度太快、全球化程度太高，任何單一國家的法規都追不上。他引用蘇萊曼（Mustafa Suleyman）在《The Coming Wave》中的觀點：如果一個國家禁止某項技術發展，其他國家照樣會推進，禁令只是讓自己落後。

他主張的替代方案是「成果導向的治理框架」，類似於航空業的安全標準或網際網路的通訊協定。不要問「這個 AI 模型用了什麼技術」，而要問「這個 AI 產出的結果有沒有達到我們要求的標準」。他用房貸審核來舉例。二十年前，房貸核准與否取決於分行人員的個人判斷，這個流程充滿偏見，甚至出現過系統性的紅線歧視（redlining）。後來轉移到機器學習模型，並受到聯邦法規嚴格監管，明確禁止特定的歧視行為。結果是，受到良好治理的 AI 反而比人類更公平。

他認為同樣的邏輯可以應用到 K-12 教育、醫療資源分配、基礎建設審查等領域。與其爭論 AI 本身該不該管，不如先想清楚「我們希望社會達成什麼結果」，然後圍繞這個目標來設計標準化的規範和協定。當每個人都唱同一本譜，跨國合作的空間反而更大。

我的觀察

Fitzpatrick 講的傑文斯悖論，在臺灣的經濟發展史裡有很鮮明的對照。1990 年代臺灣製造業大量自動化的時候，也有過「工廠不需要工人了」的恐慌。結果呢？工廠確實不需要那麼多純粹操作機台的作業員了，但需要更多會寫 PLC 程式的技師、品管工程師、供應鏈管理人才。就業結構改變了，就業總量並沒有崩跌。

不過 Fitzpatrick 對時間軸的估計值得注意。他說「五到十年的漸進轉型」，這和很多矽谷人士「兩年內天翻地覆」的預測差很遠。他的判斷基礎是企業端的採用速度，而不是技術進步的速度。模型進步很快，但企業要清理三十年的髒資料、重新設計流程、說服業務主管承擔責任，這些事情用再多 GPU 也加速不了。

對臺灣工作者來說，Fitzpatrick 的觀察帶來一個務實的啟示：現在最該做的不是焦慮 AI 會不會取代你，而是盤點你的工作裡有多少是「寫九百頁文件」的行政消耗。如果你的工作主要是核心業務，例如客戶關係、產品開發、技術研發，那 AI 大概率是你的加速器而不是替代品。但如果日常主要是文件生產和資料搬運，那確實該認真想想轉型了。這不是危言聳聽，而是傑文斯悖論的另一面：當效率工具出現，低附加價值的重複性工作會被壓縮，但高附加價值的核心工作反而會擴張。問題只在於，你站在哪一邊。