跳到主要內容
AI 會取代你的工作嗎？真正威脅是老闆以為 AI 很強

AI 會取代你的工作嗎？真正威脅是老闆以為 AI 很強

AI 時代 · 18 個來源 · 約 13 分鐘 ·
目錄（8 節）

2026 年 2 月 27 日，Jack Dorsey 宣布 Block 裁員 40%。四千多人。他寫給股東的信只有一句話值得記：「intelligence tools have changed what it means to build and run a company.」

隔天股價漲了 14%。

同一個月，微軟 AI 執行長 Mustafa Suleyman 告訴《金融時報》：18 個月內，大部分白領工作會被 AI 自動化。會計、法律、行銷、專案管理，只要是「坐在電腦前做的事」，全部。

如果你在這些行業工作，你大概已經焦慮了一陣子。

那一週，有人說：「光是取代 30% 就代表有 30% 的職位要消失。」有人說：「2026 前後畢業的大學生，是史上最辛苦世代。」

但也有人回：「會怕被取代的人就是自己也覺得工作很簡單。」最經典的一句：「只要不能坐牢，會計就不會被取代。」

你讀了這些對話，覺得兩邊都有道理。你不知道該信哪個。

我想搞清楚一件事：到底是恐慌，還是現實？

兩邊都有很強的證據，但他們測量的東西根本不一樣。

90% 說 AI 有價值，2% 真的裁了人

Harvard Business Review 在 2025 年底調查了 1,006 名全球高管。結果讓我重新想了很多事：

  • 90% 的受訪企業說 AI 帶來了中度到大量的價值
  • 60% 已經因為 AI 減少人數（39% 小幅 + 21% 大幅）
  • 但只有 2% 是因為 AI 真的能做那些工作才裁的

剩下的 58%？是「預期」AI 會有用。還沒證明，先裁了再說。

HBR 用了一個詞：posturing。作秀。裁員的邏輯不在 AI 做得到，在於「AI 裁員」比「我們要砍成本」聽起來性感。

Gartner 的調查更直接：50% 因 AI 裁員的公司，2027 年前會重新雇人做類似的事（只是換個職稱）。而且實際上只有 20% 的客服主管真的因為 AI 減了人。

Klarna 是最好的案例。這家瑞典金融科技公司 兩年內砍了 40% 的人力，全押 AI。結果 2025 年，CEO 跟 Bloomberg 說他們在重新雇人，因為追求低成本的結果是品質也跟著低了。

所以第一個判斷：現在大部分 AI 裁員不是因為 AI 太強，是因為恐慌。 高管們在預期中裁人，而不是在證據下裁人。

這代表你最大的威脅不是 AI 的能力，而是你老闆對 AI 能力的想像。

1000 個高管裡，90% 說 AI 有價值。其中只有 2% 是因為 AI 真的能做才裁人。剩下的 58% 是作秀。

矛盾的趨勢線：有的向上，有的向下，讓人不知道該信哪個方向

Suleyman 說 18 個月，Anthropic 說零失業。到底信誰？

他們在吵不同的東西。這是我讀完最重要的判斷。

Suleyman 看的是能力的天花板。他的 18 個月預測基於算力指數增長：模型越來越強，他在《The Coming Wave》裡把白領的重複性認知操作叫做「cognitive manual labor」，認為這些操作很快會被完全自動化。

Anthropic 看的是地板上實際發生的事。他們的勞動市場影響報告不只看 AI「理論上能做什麼」，還看 Claude「實際被用來做什麼」。結果：電腦程式設計師的理論曝險度 75%，但 Claude 實際只覆蓋了 33% 的電腦與數學類別任務。

更關鍵的數據：自 ChatGPT 發布以來，高曝險職業的失業率沒有系統性上升。 統計上跟零無法區分。

唯一的例外是 22-25 歲的年輕工作者。Brynjolfsson 等人的研究發現，AI 高曝險職業中這個年齡段的就業下降了 6% 到 16%。Anthropic 的 CPS 數據分析更精確：ChatGPT 發布後，年輕工作者在高曝險職業找到新工作的比率下降了約 14%。他們沒被裁。公司只是停止招他們。25 歲以上的工作者完全不受影響。

這裡有一個沒人在討論的結構性問題：AI 最擅長的，恰好是入門級工作——摘要、基礎程式碼、擬稿、格式轉換。主管可以直接用 AI，不再需要花時間指導新人。學徒管道正在崩塌。諷刺的是，資深開發者比初級開發者更常使用 AI 生成的程式碼，因為他們有驗證能力。AI 不是在取代所有人。它取代的是還沒成為專家的那些人學習的機會。

如果你是剛畢業或即將畢業的人：你的危機不是「AI 會不會取代我」，而是「AI 正在取代我本來會從中學到東西的那些工作」。

一個問「AI 能不能做？」另一個問「AI 做了嗎？」答案分別是「理論上快了」和「實際上還沒」。大部分關於 AI 取代工作的爭論，根本不是對同一件事在爭。 看多的在看能力曲線，看空的在看就業數據。兩邊都對，但描述的是不同的時間軸。

BCG 顧問用 GPT-4 快了 25%，但品質掉了 23%

你可能聽過一個說法：AI 讓工作效率提升了 X%。但數據比這複雜得多。

非營利組織 METR 做了一個實驗，讓開發者在真實工作環境中使用 AI。結果：任務完成時間比不用 AI 多了 20%。 用了反而更慢。

Goldman Sachs 首席經濟學家 Torsten Slok 在 2026 年三月指出：「我們仍然在經濟體層級找不到 AI 採用和生產力之間的有意義關係。」除了科技業利潤率上升 20%，其他產業幾乎沒有變化。

但另一個實驗說了完全相反的事。

波士頓顧問公司（BCG）跟 GPT-4 做了一個對照實驗。結果分兩半：在 AI 能力範圍內的任務，顧問的表現大幅提升。但在 AI 能力邊界外的任務，準確率從 84% 暴跌到 60-70%。 用了 AI 反而比不用更差。

有個在華頓教 AI 的教授（Ethan Mollick）在《Co-Intelligence》裡給這個現象取了一個名字：Jagged Frontier。AI 的能力邊界呈鋸齒狀。平滑的線不能描述它。它能寫一個完整的井字棋網頁，但不會下井字棋。它能幫你分析一份財報，但可能在你沒注意的地方編造數字。

所以 Suleyman 說的 $20 兆增長跟 Goldman 說的「零生產力提升」怎麼同時存在？

1987 年有個拿諾貝爾獎的 MIT 經濟學家（Robert Solow）說過一句話：「你到處看到電腦時代，除了在生產力數據裡。」Duke CFO Survey 的研究者直接引用了這句話。他們發現高管感受到的 AI 生產力提升，遠大於實際營收數據能支持的幅度。

第二個判斷：AI 在特定任務上已經很強，但在整體工作流程中還很弱。 知道 AI 的邊界在哪，比「學 AI」重要一百倍。因為在邊界內，它讓你飛。在邊界外，它讓你掉進一個你看不見的坑。

你的老闆說「人+AI」是未來，西洋棋已經證明那只是過渡期

2016 年，深度學習的奠基人之一 Geoffrey Hinton 說：停止培訓放射科醫師，五年內 AI 會超越他們，這「完全顯而易見」。

這句話的分量在於發話的人。深度學習之父，親口這麼說。

十年過去了。放射科醫師不但沒失業，反而嚴重缺人，美國的短缺預測會一路拖到 2033。

Hinton 錯在哪？他把「看影像」一個任務，等同「放射科醫師」一整個職業。真實的放射科醫師花大量時間在影像之外的事：跟病人解釋不確定的結果、跟外科醫生在手術前會診、在資訊不全的情況下做判斷、處理法律責任。AI 可以替代看影像那條線，很難替代整束。

Mollick 把這個觀察寫進《Co-Intelligence》，他用的詞是「a bundle of tasks」。工作是一束任務。你可以替代其中幾條線，整束不太會被一次拿掉。

到這裡你可能覺得安心了。工作有很多線，AI 只能替代其中幾條。但如果「幾條」會越來越多呢？

Susskind 在《A World Without Work》裡給了另一個時間膠囊。2005 年，西洋棋最強的選手是人機組合，純人打不過純電腦，但人加機器可以打贏純機器。Kasparov 寫了一整本書講這件事，核心論點是「人類的判斷力永遠是 AI 的補充」。

十二年後的 2017 年，AlphaZero 在沒有任何人類輸入的情況下擊敗了當時最強的西洋棋電腦。人的參與變成噪音。

2005 年有個下棋的人說過：人加機器永遠比純機器強。十二年後，他沒再這樣說過。

Susskind 把這種過程叫「task encroachment」：補充的力量最終會把補充的那方壓下去。而且這不會是大爆炸。會是你的案子慢慢少、客戶開始自己用 AI 做、職缺慢慢停招。最先感受到的，是沒有公司擋在中間的自由工作者。他們通常不會被通知，客戶只是停了發案。

短期看 Mollick 對。工作是一束任務，AI 只能替代幾條線。但 Susskind 的西洋棋在提醒：這個「只能」有保存期限。

你的老闆讀的是賣 AI 的報告，做 AI 的人每天看的是 bug

在 Lex Fridman 的 Podcast #490 裡，兩位 AI 研究員 Sebastian Raschka 和 Nathan Lambert 討論了 AI 是否會取代程式設計師。

為什麼同樣是 AI 領域的人，看法差這麼大？

Suleyman 在賣 AI。他是微軟 AI 的 CEO，他的核心使命是達到「超級智慧」，白領工作即將被顛覆。

但每天在建造 AI 模型的人看到的不一樣。Allen Institute for AI 的 Lambert 說真正的瓶頸是「人力和組織文化」，不是技術。Raschka 寫了《Build a Large Language Model from Scratch》，觀點更直接：「我不認為現在任何一家公司擁有其他公司沒有的技術。」差別在資源和預算。

賣 AI 的人看到的是潛力天花板。做 AI 的人看到的是每天的限制、bug、和不確定性。你的老闆讀的是賣 AI 的人寫的報告。

Tim Ferriss 在他的 Podcast #859 裡從使用者的角度給了一個框架。他說他不是 AI 專家，也不追最新的工具。他的策略是建立「offline advantage」：AI 做不到的事反而更有價值。你的線下人脈、你的實際經驗、你在真實世界做過的事，這些不在訓練資料裡。

「如果你用 ChatGPT 分析一家上市公司，」他說，「你可以放心，已經有幾百萬人做了一樣的事。你讀到的跟別人讀到的一模一樣。」

我自己每天用 AI agent 工作。我親眼看到它在寫程式碼、整理資料、處理重複任務上有多強。但我也親眼看到它在需要判斷的地方有多危險。它不會告訴你它不知道，它會編造一個聽起來很合理的答案。

我一個學妹做行銷企劃，上個月她問我：「我的工作會不會被 AI 取代？」我跟她說：「你的工作裡有一部分已經被取代了。但那部分本來就不是你被雇用的原因。」

Acemoglu 說科技不會自動利好勞工——但沒有人在推那個改變結局的制度

你可能覺得「這次不一樣」。每一次科技革命，當時的人都這樣說。

一個專門研究科技對勞動市場衝擊的牛津學者（Carl Benedikt Frey）在《The Technology Trap》裡記錄了具體的案例。1980 年代的排版工人：就業人數從 17 萬降到 7.4 萬，薪資中位數降 16%，而且他們無法轉型為平面設計師，因為那需要全新技能。劇院樂師：有聲電影取代現場伴奏，技能完全無法轉移。每一次科技革命，新工作確實會出現，但通常是為「另一個人」創造的，不是被取代的那個人。Frey 的結論很不舒服：長期會好，但「長期」可能是你的孫子那一代。

2024 年拿了諾貝爾經濟學獎的 Daron Acemoglu 在《Power and Progress》裡把這個論點推到 AI：科技不會自動利好勞工。企業會選成本最低的路——如果取代比輔助便宜，企業就取代。除非制度設計讓輔助比取代更有利。 而現在，沒有人在推這個制度。

Duke CFO Survey 的數字值得知道：750 位美國 CFO 預期今年有 502,000 個工作因 AI 消失（0.4%），比去年增加九倍。研究負責人 John Graham 說這不是末日，但他也補了一句：「誰知道 2028 年會怎樣？」

Suleyman 看的是潛力，Anthropic 量的是覆蓋率。你的老闆讀的是前者

寫完上面那幾段我試著把三個不同時間軸放在一起看，想知道哪個尺度最該先擔心。

18 個月。 這是 Suleyman 給的時間表。Suleyman 的時間表基於算力曲線，Anthropic 的實際覆蓋率 33%，CPS 分析說高曝險職業失業率統計上跟零無法區分。18 個月是一個預期指標的線性外推。恐慌性裁員也會讓你失業。只是那種失業不來自 AI 太強，來自你老闆把算力曲線當成下個月的人力報表讀。

3-5 年。 這是 BCG 那條鋸齒線開始變平，或者變成斷崖的時間，取決於你在它哪一邊。在邊界內，用 AI 的人效率飆升。邊界外，用 AI 的人準確率從 84% 暴跌到 60%。他們會用 AI。他們沒學會的是辨識 AI 什麼時候在猜。3-5 年後的稀缺能力會是那個辨識力。

幾十年。 這是 Frey 從排版工人到雷射排版的歷史給出的尺度。每次科技革命長期結果都不錯，但「長期」很少是幾個月。西洋棋先例說 Centaur 模式會被純機器壓過，Acemoglu 說制度可以改變結局，Frey 說制度從來不會自動出現。現在沒有人在推。

三個時間軸並排看，我注意到一件事：最有壓力的尺度，跟最不能忽略的尺度，不是同一個。

壓力最大的尺度是 18 個月，因為最近。最不能忽略的尺度是幾十年，因為在那個尺度裡你沒有制度當緩衝。

這個尺度的焦慮如果已經變成「要不要先走一步」的問題，那是另一個判斷。放棄和止損是兩件事。我寫過一篇專門分析這個。

明天可以做的三件事：打開上週行事曆，對著 Anthropic 的 33% 看

我不會告訴你「學 AI 就不怕」。這句話被重複一百次，沒有人告訴你學什麼、怎麼學。

讀完這些來源後我會做一件很簡單的事。打開上週的 Notion，把做過的每一件事寫一行。會議、改的稿子、回的信、拉的報表，全寫下來。

然後在每一行旁邊標三種記號。

第一種：AI 今天就能做的重複操作。資料整理、格式轉換、會議記錄摘要、初稿。Anthropic 說這類任務佔理論曝險的 75%，實際覆蓋率 33%。差距在採用速度。這一格會被慢慢拿走。

第二種：AI 能幫忙但你得盯著的事。分析、查資料、寫草稿。這一格的風險在 BCG 鋸齒線：放手給 GPT-4 寫，準確率從 84% 掉到 60%。那些準確率掉進坑的人會用 AI。他們只是沒學會辨識 AI 什麼時候在猜。這一格的生存能力來自你對 AI 的懷疑力。

第三種：完全寫不進 AI 訓練資料的事。判斷方法很簡單。能不能被寫成一段文字？不能就是這一格。打電話給最重要的客戶聊二十分鐘，去專業領域的現場看實際發生什麼，跟想法跟你不同的人吃一頓飯。Ferriss 把這類活動叫 offline advantage。你用 AI 的競爭對手也讀不到它。

這三格的比例，是你在 AI 時代的座標。

如果你還沒進入職場，你沒有「上週的行事曆」可以拆。要做的是一件只有身體在場才做得到的事：去工廠看產線、去診所跟醫生聊、去工地量尺寸。履歷上寫「我去過現場」比寫「我會用 ChatGPT」有用，因為後者每個人都會寫。

做完這個練習，回到 2026 年 2 月 27 日那天。Jack Dorsey 宣布 Block 裁員 40%。四千多人。隔天股價漲 14%。那天看新聞的人大概覺得看到的是科技進步的效率。

讀完這些來源後再看那一天，我看到的是另一件事：市場獎勵了一個沒有證據的決定。HBR 的 2% 告訴我們那場裁員的理由大概站不住腳。但市場對它的反應是 +14%。恐懼驅動的決策歷史上很少有好結局，但如果市場願意付錢給它，這種決策就不會停。

所以問題是什麼？

你要擔心的不是 AI 太強。你要擔心的是你老闆以為 AI 很強，而他的股東會在他裁你的那天給他 +14%。那個裁員的老闆自己也該問一個問題：他的裁員單是建立在 Anthropic 的 33% 還是 Suleyman 的 18 個月。這種恐懼不會只影響職涯，它也會滲進你的投資判斷。

你身邊有一半的人在焦慮 AI 會不會取代自己。把這篇傳過去，問他：你上週做的事情裡，有多少是 AI 今天就能做的？那個數字就是你該開始行動的理由。

本文讀了這些來源：

書：

Podcast：

文章：

你可能也想讀：

我寫信時，寄給你

不定期。寫舊文章的後續、新發現、想討論的事。

繼續閱讀

離開的勇氣：什麼時候堅持是毅力，什麼時候堅持是被綁架

ChatGPT 讓你變笨？真正被外包的是第一個判斷

AI Agent 不安全。造出來的人親口說的。

你以為你會用 AI 了，其實你只用了 1%

投資決策不是你的：四組心理學矛盾，你抄的答案來自不同的考卷

你的大腦 38 歲開始轉型——這是衰退還是重組？

SpaceX $1.75 兆 IPO：你要搶那 30% 嗎？

本文為讀角獸矛盾圖譜（Contradiction Graph）的一個節點。內容以 CC BY 4.0 授權，歡迎引用、改作、再發布，請註明來源。