「隨著人工智慧（AI）、機器人技術、雲端運算以及大數據的快速發展，製造業與服務業中大量原本由人類執行的「例行性」或「可程式化」工作，被自動化設備或智能演算法取代。」這段話生產自chatgpt，而這個現象無數的人都在討論，不論是資訊相關的學者，經濟學家，企業家，乃至於不同領域的意見領袖，我們也無可避免地需要思考：「生為一個在市場上的勞動者，我們的優勢與劣勢在哪？我們的機會在哪？我們未來可能會是怎樣的情況？」
這些變化已然在發生：- 製造業的自動化產線：就製造業而言，自動化產線已日趨成熟。以往需要人力進行重複性高的組裝、搬運、檢驗等工作，如今皆能由工業機器人或由機器學習算法加持的自動化機台完成。這些系統除了能不間斷運轉、提高生產效率，更能透過收集生產數據並進行優化來持續學習，從而達到降低成本與減少人力需求的效果。對於製造端來說，這確實是一種技術上的躍進；然而，對需要依賴這些操作或組裝技能維生的勞動者而言，則存在被取代或職能必須轉型的挑戰。
- 辦公室的文書處理與客服：隨著自然語言處理（NLP）技術的進步，自動化系統能夠更加精準地理解並回應客戶需求；對於某些企業而言，過去需要仰賴大量行政人員處理的文件歸檔、資料整理或初階顧客服務，現已大幅度導入自動化流程。比如常見的客服聊天機器人，能夠在第一時間解答多數顧客的疑問，只有在較複雜的情況下才需要人工介入。這樣的改變能降低企業的人力支出，也能在多數時候提供更迅速的回應服務。於是，那些靠文書處理或基本客服技能維生的工作者，也感受到一定的就業壓力
- 金融業的運算、分析工作：金融業同樣深受演算法的影響。隨著量化投資的盛行，越來越多基金與投資機構選擇以電腦程式來決策買賣時點、風險評估與資產配置。在許多信用評估、風險測度與交易策略當中，大量資料分析任務已能透過程式化的方式快速完成，而不再需要那麼多的人力進行基礎統計或重複性篩選。由此一來，金融從業人員必須面臨新的競爭環境：他們需要更高階或更具策略性的技能，才能在人工智慧取代部分「機械式」分析工作的情況下，保有存在價值。
由於上述技術的成熟與應用，原本依賴熟練操作或重複性任務的人力需求下降，勞動者可能面臨就業機會下滑、工資成長停滯甚至被迫失業。但這些變化的衝擊大小，範圍究竟到什麼樣的程度？甚至我們往回一步思考，歷史上有沒有類似的情況衝擊著當時的社會呢？而因應這樣的問題，我們自己有沒有辦法給出不一樣的回應呢？這也是這個系列企圖討論以及整理的。該如何在理論與實務之間找到平衡，避免落入純粹的烏托邦幻想或反科技的悲觀論之中，也會是這個系列嘗試完成的，因為兩極化的言論充斥在各大平台上，事實上，多數人難以判斷言論的可信度以及原因，在這個AI內容生成的時代，資訊判讀能力的門檻變得更加高。
這個系列的文章，我嘗試透過人機協作，論文的閱讀，以及閱讀幾本我手邊的書，輔助我訂下一個思考的主軸，讓我在這些可能情境下進行種種的思想實驗。事實上，這個系列本身就會是一個實驗，因為我會逐步的將我生成文章的過程，一步步安排成生產流程，最後在透過我自己的提問與觀點，嘗試給予文章更具啟發性的建議與討論。
