引言：AI會讓工作增加，但事情有這麼單純嗎?

世界經濟論壇（WEF）在 2025 年 1 月的《未來工作報告 2025》指出：2025年 到 2030年期間，全球「新增」的工作數相當於現有就業數的 14%（約 1.7 億），同期間「消失」的工作數相當於 8%（約 9,200 萬），兩者加總的變動規模約 22%，最後得出「淨增加 7%（約 7,800 萬）」這個聽起來很正面的結論。

職場洗牌：淨增長背後是大規模換血

世界經濟論壇的報告真正讓人背脊發涼的，不是淨增加，而是 22% 的結構性職位轉換（Structural Churn）。

這代表接下來幾年，市場上大量工作會被重新定義。有些職業會消失，有些職業表面還在，工作方式已經變成另一套規則。

而且這波重塑不是隨機的，報告點名的下滑職業類別，幾乎都集中在文書與例行白領：資料輸入、行政支援、秘書、銀行櫃員等。

原因很單純。這類工作靠的是「規則」與「格式」，只要能拆成步驟，就能被自動化；只要能被自動化，就會被要求更快、更便宜、更少人。

接著看新增的職業，反差更大。新增工作當然包含許多技術職，但「新增量最大」的這些工作，多數被認為是苦力活，例如農場工人、送貨司機、建築工人等需求型職位。

這也指出市場需要的，未必是白領的缺口，優先改變的，可能是另一種工作結構。

兩種新工作：技術與照護

「AI 會創造新工作」這句話之所以容易讓人誤解，是因為這句話暗示了新工作都差不多，好像大家只要往同一個方向努力就能上車。世界經濟論壇的報告內容反而透露了相反的訊號：新增的機會分散在兩種截然不同的工作類型上。

第一種是很多人直覺會想到的技術職：大數據、FinTech、AI 與機器學習、軟體與應用開發等。

這些需求來自於科技業，但同時入門門檻也快速提高。市場要的通常不是「會用 AI」，而是能把 AI 放進系統的人：資料來源、資料管控、流程改寫、風險管控、模型落地成產品或營運能力。少了這些，許多課程的學習最後都只會停在工具熟練度，進不了職業門檻。

第二種則是照護與教育類型的工作。世界經濟論壇的報告明確指出「照護經濟」相關的工作需求會成長，護理、照護助理、社工與諮商、教育工作者等都在其中。

這些工作需求增長的推力來自人口結構與需求改變本身，並不是短期潮流。這類工作需要大量情境判斷、溝通與信任建立。AI 可以協助紀錄、排程、提醒風險，卻很難代替「關係」本身。

把兩條路放在一起，就會看到白領焦慮的來源：許多初級白領工作剛好落在可流程化、可標準化的地帶，最容易被 AI 先吞掉一大塊，剩下的工作更偏審核、整合與背書，卻不一定能提供足夠的上升路徑。

區域分裂：歐美裁白領、亞洲補缺工

同樣的 AI，落在不同地區，效果可以像兩套相反的政策。差異不在於模型有多強，而是企業的用工邏輯與人口結構上。

在很多美歐企業，AI 導入常被綁在「效率」上。效率往往意味著：把初級人力常做的初稿、彙整、分類、回覆交給系統，留下少數人做審核與決策，於是上升路徑縮得更快、更突然。路徑一旦收縮，白領職涯最危險的地方就出現了：新人進不來，中間管理層也很難用「帶新人」的方式換取未來的人才，整個路徑開始斷裂。

東亞（台日韓）的情境則不同。少子化與缺工是長期問題，許多產業的問題不是人太多，而是人力不足。這讓 AI 在不少場景中扮演「補洞」的角色：改寫流程、降低訓練成本、把經驗變成 SOP，讓缺人的情況下，仍能維持基本服務品質。

同一時間出現兩種景象並不矛盾。某些地方把 AI 當成縮編利器，某些地方把 AI 當成缺工止血帶。被擠壓的是誰、被扶起的是誰，就看你處在哪一種結構中。

權威警示：他們到底在擔心什麼？

如果只看「淨增加」，容易會有一種錯覺：市場會自動消化衝擊，大家會慢慢轉職，最後找到新位置。三位權威人士的提醒，幾乎都在拆解這個錯覺。他們不約而同的盯著三個指標：紅利速度、適應速度、以及初級工作被掏空的速度。

2024 諾貝爾經濟學獎得主 Daron Acemoglu 在他的研究中對生產力紅利的上限估計相當保守，提到未來十年 AI 對全要素生產率（TFP）的提升可能「不超過 0.66%」。

他認為市場上真正被需要的價值，往往來自情境化決策與不可量化的判斷，這些不容易被快速轉換成穩定的生產力。AI 很可能會擴大資本收入和勞動所得之間的差距，並帶來其他負面的社會影響。

深度學習教父 Geoffrey Hinton 在 CNN 採訪中的說法幾乎沒有留情，他說 AI 會有能力取代非常多工作，不只客服中心，還會延伸到更多工作。並且大約每七個月，AI 能完成的任務量會翻倍，於是原本要一小時的工作可能變成幾分鐘，幾年內軟體工程可能會變成只需要少數人來做。

這段警告的核心是「工作會被大量取代」以及「進步速度快到難以適應」。

他焦慮的不是單一職業消失，而是節奏。當 AI 能做的事情快速擴張，企業重新分配工作的速度可能遠超教育、制度與個人職涯調整能力。市場不一定會給你緩衝期。

Anthropic 的 CEO Dario Amodei 把焦點聚集在白領初級工作上，他預言未來數年內，會有50%以上的初級白領工作被顛覆。

他的憂慮點在於「路徑被截斷」，一旦初級工作消失，年輕人拿不到第一段經驗，中階管理人員也失去培養後繼的管道，社會可能出現更大的失業潮與更長的適應期。

三位專家的警告顯示出，就算工作總量最後是增加的，但AI所造成的衝擊，對於社會來說，卻可能是致命的。

企業翻車現場：為什麼砸錢導入，卻救不了職涯？

很多人期待企業導入 AI 會把人釋放到更高價值的工作上，結果卻常常看到另一種畫面：初級任務被自動化，剩下的人接手審核、整合、背書，交付頻率更高，節奏更密，錯誤容忍度更低。你省下的時間，往往被新的期待反噬。

而企業之所以導入 AI 失敗，常見原因在於：不願意改流程、不願意改權責、不願意改指標。於是 AI 不是把工作升級成具有更高的價值，而是把「初級任務」抽走，留下「責任更重的審核與整合」，再把人力壓縮。

換句話說，當企業導入 AI 的目標落在「減少人」而不是「再設計」，白領被補回來的機率自然更低，因為初級工作本來就被視為可以消失的成本。

總結：與其相信淨增長，不如先把它當成救不了你

世界經濟論壇報告中的數字提供的是一個宏觀敘事，宏觀敘事最常做的就是把風險平均化，可職涯風險從來就是不平均的。

對於全體勞工來說，最好假設：

• 新增的機會不會直接給予被替代的那群人
• 初級白領工作也不會自動被補上
• 不要假設職場會給你充足的時間適應。

接下來該做的事情更務實，也更殘酷：先讓自己不要卡在被掏空的那一層。

第一步不是跳槽到熱門職業，而是縮短技能距離，先往能銜接的方向移動。先把 AI 變成工作流程的一部分，讓你能更快做出初稿、更快整理資訊、更快完成重複性產出，然後把省下來的時間投入到更難被標準化的部分：例外處理、跨部門協調、決策取捨、對結果背書。

這些能力不保證你不會被影響，但這些能力就像護城河，至少能讓你「比較難被取代」。

到最後，標題那句話依然得保留問號：

AI 新增的工作，能補回被消滅的白領嗎？

宏觀上也許能補回某種總量，白領職位是否補得回來，反而更像是分配問題。分配不均，就會讓「淨增長」變成一種安慰用的統計學。