【批判思考】AI 對勞動力市場的影響：新衡量標準與早期實證

Labor market impacts of AI: A new measure and early evidence - 來自Anthropic

文章結論(想要說服你的結論)

在現在AI對於未來的不確定性，我們應該要看observed exposure的指標。

文章原因(希望說服你的要素)

我認為的假設

• 隱含假設：AI所帶來的影響應該會遠遠大於貿易政策等其他市場環境因素。⇒ AI 的影響會被其他經濟噪音遮蔽。
• 隱含假設：AI對於失業與招募的影響通常不會是劇烈且突然，而是緩慢的。
• 隱含假設：年輕人的就業情況，間接能說明未來的狀況，因為年輕人是未來的核心。⇒ AI 對勞動力的替代優先發生在「增量（新進員工）」而非「存量（老員工）」，因為解雇成本高於停止招募。
• 隱含假設：性別、國家、種族在各個職場中所分布的職業比重並不平均。⇒ AI 的衝擊並非「技術中立」，其對勞動力市場的重塑將加劇或改變現有的社會階層與性別薪資差距。
• 隱含假設：這個指標可以避免事後之見的偏誤。⇒ 目前 Anthropic 的內部使用數據（Claude）足以代表全球或全美整體的 AI 採納行為（即假設 Claude 的用戶行為具備普適性）。
• 隱含假設：應用場景未來不會改變的前提下，只針對勞動員工的任務來討論。
• 隱含假設：通常失業的勞工，目標都是找下一個工作。⇒ 勞動力具有某種程度的「剛性」或「路徑依賴」，即便被 AI 取代，勞工仍傾向在現有體系尋職，而非轉向非正式經濟（如零工）或提早退休。

我認為的偏誤

• 過度簡化：從AI理論上能做的事情和實際的落差，來判斷未來就業趨勢。

相關問題

1. 各職業類別的理論能力(藍色)是如何評估出來的？
2. 如果看大家都看的出來，但是影響並不明顯的話，會怎麼樣呢？
3. 我們要如何評估影響巨大且突然的要素是什麼？該看什麼指標？什麼樣的狀態才算是影響巨大且突然？
4. 為什麼AI的影響要對比於網際網路或中國貿易往來？
5. 所以當高暴露職業的新聘率降低，那麼年輕勞工會流向哪個方向呢？
6. 我們如果全部的人都往低暴露職業(實體工作)，那會怎麼樣呢？
7. 為什麼 LLM 在理論上能讓某項任務的速度提升是兩倍，而不是十倍呢？
8. 我們如果不關注失業率，那有什麼也可以反映經濟傷害？
9. 我們現在對於AI能自動化的任務的理解是正確的嗎？
10. 如果我們本來就誤判了AI能自動化的任務，那會怎麼樣呢？
11. 如果我們先把這個指標專注於看某一個領域，那會怎麼樣呢？
12. 現在Anthropic所提到的使用數據，大多數都是哪類型的使用方式？
13. AI為什麼無法管理教室？如果以那個案例來說，教室的空間直接消失的話，那會怎麼樣呢？
14. 如果現在的實體空間整個重組或改變的話，那會怎麼樣呢？
15. 如果未來都是一人公司的話，那麼失業率還有辦法參考嗎？

關鍵提問： 年輕人招募率下降，究竟是 AI 「取代」 了初級職位，還是 AI 「提高了進入門檻」，導致應屆畢業生無法滿足現在的職位要求？

Gemini補充

不要直接接受「暴露度高 = 風險高」。

• 問： AI 幫我做完 50% 的工作，為什麼我會失業？
• 答： 可能是老闆發現兩個人就能做四個人的事。
• 反向問： 難道不會因為效率提升，產品變便宜，導致需求大增，反而需要雇用更多人嗎？（這就是著名的 Jevons Paradox 杰文斯悖論）。這篇文章隱含假設了「市場需求是飽和的」，所以效率提升必導致裁員。

相關學習

Jevons Paradox（杰文斯悖論）在說一件「看起來應該會省，結果反而用更多」的怪事情。想像一下，你原本寫一篇作文要花 1 小時。突然，你得到了一支「AI 神奇鉛筆」，它能幫你寫得飛快，現在寫一篇作文只要 10 分鐘（效率提升了 6 倍！）。

這裡有兩種可能的結果：

1. 大人的擔心（文章的觀點）： 老師說：「既然你現在 10 分鐘就能寫完一篇，那我以後每天只要給你 10 分鐘的寫作時間就好，剩下的 50 分鐘你不用來學校了。」（這就是「AI 取代人類、工作變少」的邏輯）。
2. 杰文斯悖論（相反的觀點）： 因為寫作文變得太輕鬆、太便宜了，大家發現作文超好用！ 原本只有學校要寫作文，現在連隔壁賣香腸的小黑、家裡的貓、甚至路邊的石頭都想要你幫它們寫自傳。因為需求「爆炸式增加」，你反而變得更忙，原本只要寫 1 篇，現在要寫 100 篇！你不但沒失業，還得找更多同學來幫你一起用神奇鉛筆。（這就是「效率越高，需求越多」的邏輯）。

這篇文章的隱含假設是：「工作的總量是固定的（像一塊固定大小的餅）。」

推論過程如下：

• 文章假設： AI 幫你做完了 70% 的任務（餅的 70% 沒了）。
• 文章結論： 所以你只需要原來 30% 的人手（人被取代了）。

但是，杰文斯悖論挑戰了這個假設：

• 悖論觀點： 當 AI 讓「寫程式」或「分析數據」變得超便宜時，原本請不起工程師的小公司、原本不做數據分析的小店，現在全都想要這些服務。
• 結果： 市場對這些職業的需求可能增加 10 倍，結果「電腦程式設計師」反而更缺人，薪水更高。

歡迎讀者分享對本文的看法，並提出可能存在的隱藏假設與偏誤。