AI 不是搶你的工作，而是搶你小孩的工作

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 >}}

---

2026 年 4 月的史丹佛領導力論壇上，一個場景充滿了矛盾的張力。Mechanize 共同創辦人 Tamay Besiroglu 的公司使命是「全面自動化所有知識工作」，他在台上直言，未來一到三個十年內，花在運行 AI 勞工上的錢將超過人類勞工的薪資總額。這不是隨口一說的預測，而是一個正在親手打造自動化工具的創業者的判斷。但就在同一場座談中，他也透露 Mechanize 今年正在積極招聘 50 名初階軟體工程師。一家以消滅知識工作為己任的公司，卻在瘋狂搶人。這不是自相矛盾，而是 AI 對就業衝擊的一個縮影：問題不在於工作會不會消失，而在於誰的工作先受衝擊，以及新工作究竟需要什麼能力。

同台的 ADP 首席經濟學家 Nela Richardson 手握全美超過 4,200 萬名勞工的即時薪資數據。她的視角和 Besiroglu 的願景形成了鮮明的對照。「AI 不是來取代我的，」Richardson 直言，「它瞄準的是我的孩子，那些即將畢業、進入一個已經不存在的職位的年輕人。」這場由史丹佛商學院經濟學教授 Paul Oyer 主持的座談，還邀請了 2007 年克拉克獎章得主、史丹佛經濟學教授 Susan Athey。三位講者從數據、技術和政策三個維度，拼出了一幅遠比「AI 搶走工作」更複雜、也更值得關注的圖景。

4,200 萬筆薪資數據看到了什麼

Richardson 在 ADP 的位置讓她擁有一個獨特的觀測站。ADP 是全球最大的薪資處理公司之一，每季發放超過 8,000 萬份 W-2 稅務表，覆蓋約五分之一的美國勞動力。這些不是問卷調查，不是抽樣估算，而是每週更新、精確到個人層級的真實僱傭與薪資數據。從這個觀測站看出去，Richardson 的結論出乎意料：「短答案是，我目前沒看到 AI 對勞動市場的大規模影響。」真正驅動美國就業成長的力量和 AI 完全無關。過去兩年，每四個新增的美國工作崗位中，有三個來自教育和醫療保健部門，其中成長最快的職業是居家照護員。原因很直接：嬰兒潮世代正在大規模退休，這是史上最富有的一代人，他們選擇在家中養老，而目前還沒有任何 AI 機器人能幫他們洗衣服或做三明治。

但 Richardson 也承認，數據中藏著一隻金絲雀。她與史丹佛數位經濟實驗室主任 Erik Brynjolfsson 合作，利用 ADP 精細的職稱分類系統，將工作區分為「AI 高暴露」和「AI 低暴露」兩類。2025 年 8 月發表的研究論文「煤礦坑裡的金絲雀」（Canaries in the Coal Mine）揭示了一個令人警醒的分化現象：自 ChatGPT 於 2022 年 10 月推出後，22 到 26 歲、從事軟體開發或客服等 AI 高暴露職業的年輕工作者，就業率出現顯著下滑，相對降幅達到 16%。這不是模型推演或問卷結果，而是數百萬份真實薪資單上浮現的趨勢。

故事的另一面同樣關鍵。在需要更複雜判斷力的資深職位上，同樣是 AI 高暴露產業，就業率反而在成長。Richardson 坦言這個發現讓她意外：「我原本以為 AI 會先淘汰那些薪水高的資深員工。」但數據顯示了完全相反的走向。資深工作者正在利用 AI 來「強化」（augment）自己處理複雜任務的能力，產出更多、覆蓋更廣的業務範圍。而初階工作者負責的例行性任務，卻正在被直接「自動化」（automate）。這個分化才是真正需要正視的議題。問題的本質不是「AI 會不會取代人」，而是「AI 正在取代哪些人的哪些任務」。Richardson 因此把焦點放在一個行動上：盡快為年輕人培養新的技能組合，讓他們能駕馭 AI 工具去處理那些更複雜、更有價值的任務，而不是繼續為已經消失的舊任務做準備。

不再有「職業」，只有「任務」

Richardson 認為，我們對工作的理解方式本身就需要徹底革新。「職業」這個概念正在變得過時，因為 AI 不是在「職業」的層次上運作，而是在「任務」的層次上。一個軟體工程師的日常工作可以拆解成數十項任務：寫程式碼、審查其他人的程式碼、撰寫技術文件、與客戶溝通需求、除錯、設計系統架構。AI 自動化的不是「軟體工程師」這個頭銜，而是其中某些特定的任務。當我們只盯著「軟體工程師就業人數」的月報數字，就會錯過底層正在發生的劇烈重組。有些任務在消亡，但同時有些新任務在誕生。光看總數是看不到全貌的。

為了捕捉這些微觀變動，Richardson 的團隊正在開發一套全新的衡量方法，靈感來自房地產經濟學中行之有年的「特徵價格迴歸」（hedonic regression）技術。這個方法的原理並不複雜：當你分析過數百萬筆房屋交易紀錄後，你可以精確計算出一間房子的第四間臥室值多少錢、加蓋的車庫值多少錢、帕羅奧圖（Palo Alto）的一間盥洗室大概值 50 萬美金。ADP 坐擁數百萬筆職稱與薪資數據，用同樣的統計邏輯，可以把每個工作拆解成組成任務，然後分別為每項任務定價。Richardson 的目標很具體：告訴雇主你的軟體開發團隊中，哪些任務的市場價值正在攀升、哪些正在崩落。同時告訴求職者和大學院校：在未來三到五年，你需要具備哪些任務能力才能在這個產業中保持競爭力。

Richardson 回憶起四年前她半開玩笑地對 Brynjolfsson 說：「總有一天我們不會再發布就業報告了，我們會發布『任務報告』，追蹤每個月有多少任務被創造、多少任務被消滅。」當時的聽眾跟今天在場的差不多，大家笑了笑以為是個段子。但 Brynjolfsson 的反應很認真：「你真的可以做到這件事。」現在它不再是玩笑。ADP 和史丹佛數位經濟實驗室正在合力推進這個計畫，用海量的薪資數據去建構一套全新的勞動市場觀測框架。如果成功，它將從根本上改變我們理解就業市場的方式，從粗糙的「新增就業人數」轉向精細的「任務流動分析」。在 Richardson 看來，這是讓經濟成長真正「具包容性且被共享」的前提。

消滅你的勞工，就是消滅你的消費者

當討論轉向 AI 是否會加劇社會不平等時，Richardson 丟出了一個帶有哲學重量的經濟學論點。「如果你消滅了勞工，你就消滅了消費者。我必須質疑這種摧毀自己客戶基礎的商業模式。」這句話的力量在於它的邏輯簡潔：在美國這種消費驅動型經濟體中，勞工和消費者是同一個經濟單位。企業裁掉員工省下的每一塊錢，都同時從消費市場中抽走了購買力。如果整個產業同步推動以 AI 取代人力，最終的結果不是集體效率的提升，而是總需求的萎縮。Richardson 甚至援引了她的哲學系背景來說明這一點：不論你把 AI 的最佳或最壞情境推到極致，最後都會走向「沒有勞工、沒有消費者、沒有經濟，也就沒有社會」的虛無主義。而社會的基礎是交易和關係，不是效率指標。

Richardson 進一步指出，現行的稅務政策正在不知不覺中加劇這個問題。美國的稅制對資本投資的優惠，明顯大於對人力投資的支持。當企業可以用更低的稅負去購買自動化設備，而培訓現有員工的支出卻沒有同等的稅務減免時，整個激勵結構就在把企業推向「用機器取代人」的方向。Richardson 認為這是一個社會必須公開面對的選擇：如果大家同意這就是想要的結果，那就承認它。但如果社會認為維持勞工參與和就業具有獨立的價值，那麼稅務架構就需要重新設計，至少讓投資人才和投資設備站在同一個起跑線上。

Susan Athey 從國際經濟的角度替這個論點加上了另一層考量。對開發中國家而言，如果自動化技術主要是從先進國家進口的，問題的嚴重性就會被放大。當一家當地企業在「雇用本地員工」和「進口 AI 自動化方案」之間做選擇時，企業本身可能覺得差不多，但國家不會無所謂。雇用員工的薪資留在本地經濟循環中，帶動消費、繳納稅收、支撐社區。進口自動化方案的費用則流向海外。更重要的是，員工在工作中學習和成長所產生的正向外部效果，像是技能擴散、經驗傳承、職業流動性，在自動化方案中完全不存在。Athey 認為，在這個脈絡下，各國的產業政策和稅務激勵必須被重新審視，否則自動化浪潮可能會系統性地掏空人力資本的積累。

投資人，就能改變結局

面對這些令人焦慮的趨勢，Richardson 堅決拒絕宿命論。她引用 ADP 在全球 36 個國家、針對約 4 萬名勞工進行的調查指出：目前只有四分之一的勞工認為自己的工作不會被 AI 取代，在美國這個比例是 28%。恐懼是真實的。但同一份研究也揭示了一個充滿希望的數據：當企業實際投資員工的技能提升時，員工感受到的工作安全感會增加五倍。「AI 不是天氣，」Richardson 說，「我們不是只能帶把傘或穿件厚外套來因應它。我們其實可以改變所處的環境，只要願意投資。」這個數據意味著，恐懼本身不是固定的，它可以透過具體的組織行動來緩解。當員工看到公司願意在他們身上花錢、花時間，讓他們學會駕馭新工具去做新的事情，不安全感就會大幅下降。

座談尾聲，主持人請每位講者用一句話描述 AI 帶來的最樂觀未來。Richardson 的答案沒有提到科技烏托邦：「勞工被賦權、具備多元技能、能靈活適應、有韌性，而經濟成長的果實被共享。」Athey 則聚焦在人的基本需求：安全、飲食、衣著、教育，以及社區歸屬感。她特別反對把討論帶到全民基本收入（UBI）的方向，因為多數國家根本負擔不起有意義水準的 UBI，而且光是發錢並不會讓人覺得人生有意義。「我們不是要選擇當國王還是農奴，」Athey 說，「我們要選擇的是，人們能不能在經濟、社會和政治上有意義地參與這個世界。」真正的挑戰不是「未來還有沒有工作」，而是「未來的工作長什麼樣，以及我們有沒有投資讓人們準備好去做那些工作」。在這場轉型中，投資人，是回報率最高的一筆支出。