🔪 熊彼得在描述資本主義的演化機制時，借用了一個他最鍾愛的比喻：「創造性破壞」。他說，每一次技術革命的浪潮，都不是一場淹沒所有人的洪水，而是一把精準的手術刀，它不殺死患者，它改變患者的身體結構。
🔍 這個比喻，或許是目前理解AI衝擊就業市場最貼切的切入點。🌊 一、被淹沒的不是所有人，只是站在梯子最底端的那一群
🐦 2025年8月，史丹佛大學數位經濟實驗室發布了一份題為《礦坑裡的金絲雀？》的研究報告。金絲雀，是舊時礦工攜入坑道的預警生物——只要牠先倒下，礦工就知道毒氣來了。這個命名，透露了研究者的擔憂方向。
📊 研究團隊借助人力資源平台ADP的薪資數據，追蹤了數百萬名員工在高AI暴露職業（軟體開發、客服、會計等）中的就業變化。結論清晰而令人不安：22至25歲的年輕員工，自2022年底至2025年7月，就業率相對下降了13%。若聚焦軟體開發這個最具代表性的領域，同年齡層的就業人數較高峰縮減了將近20%。
📈 而同一職業中，30歲以上的資深員工呢？就業人數增長了6%至13%。
🔥 同一棟樓，低樓層正在被火吞噬，高樓層的居民卻安然無事，甚至更加寬敞。
🧪 更值得注意的是，研究者進行了多組干擾因素的排除實驗：剔除科技業影響後，趨勢依然成立；控制遠程工作變量後，結果保持一致；同一時期美國整體就業持續增長，唯獨年輕員工在高AI暴露職業中出現停滯。這讓研究者得以有信心地下判斷：這不是科技泡沫，不是景氣循環，是AI。
⚔️ 二、一個關鍵區分：AI在「取代」，還是在「增強」？
🩺 史丹佛研究的另一個貢獻，是為當前混亂的討論提供了一把分析手術刀：AI的衝擊，取決於它在每個職業中扮演的角色，是「自動化」，還是「增強」？
🤖 前者直接接管任務：讓機器寫程式碼、讓演算法接客服電話、讓模型生成初稿。後者則是把人推上新的效率軌道，讓人做得更多、更快、更好，而非讓人退場。研究發現，就業下降集中發生在前者。
📚 這對應了一個更深層的知識論問題：AI到底擅長複製什麼？答案是「編纂知識」（codified knowledge）。那些被寫進教科書、可被形式化的知識。初階職位的日常工作，恰好大量倚賴這類知識。這是AI的主場。
🧠 但資深員工的核心資產，是另一種知識，「隱性知識」（tacit knowledge）。知道該問什麼問題，而不只是知道答案。能在混亂的業務場景中找到真正的問題所在。跨部門的信任、人際網絡的判斷、失敗經驗積累的直覺。這些東西，沒有任何一本教科書收錄，因此也沒有任何模型能夠從中學習。
✨ 這正是為什麼，相同職業的兩個人，一個因AI而被取代，另一個因AI而更顯珍貴。
🌫️ 三、宏觀數字掩蓋了什麼？
📋 2026年3月，美國國家經濟研究局（NBER）公布了一份涵蓋750位企業財務長的大規模調查。結論在媒體上引發了截然不同的解讀：2026年因AI導致的預期裁員約50萬人，僅佔美國就業市場的0.4%。研究共同作者、杜克大學經濟學家John Graham措辭謹慎：「這不是你在頭條新聞中看到的末日就業場景。」
⚠️ 這個結論，讓許多人鬆了一口氣。但它也製造了一個危險的錯覺。
📉 0.4%是宏觀數字，它均勻地攤薄了衝擊。但衝擊從不是均勻的，某一群體的20%消失，另一群體的增長，在總量加總後，就變成了那個看似無害的0.4%。
🚫 還有一個更關鍵的機制被這個數字遮蔽：AI帶來的就業損失，主要不是「裁員」，而是「不招聘」。企業不再補充入門級崗位，轉而讓現有員工配合AI完成過去需要新人完成的基礎任務。這在大規模失業統計中難以體現，卻對個人求職造成真實衝擊，可能的現實是投遞了一百封履歷，面試通知卻一封都沒有。
⌛ 四、生產率悖論：技術進步與實際效益之間的時差
📉 按照常理，AI既已在企業中廣泛部署，生產率數字應當顯著攀升。但NBER調查發現，企業主觀感受到的效率提升，遠大於可被測量的實際數字。高盛經濟學家Ronnie Walker甚至直言：「在整體經濟層面，我們仍未發現生產率和AI採用之間存在有意義的關係。」
🚂 工業革命的歷史提供了一個值得參照的前例。蒸汽機在工廠大量普及的最初數十年，宏觀生產率數字幾乎毫無改變。效益的大規模釋放，有賴於整個生產組織方式的重構：工廠的空間設計、管理流程、勞動分工，全部都要重寫。技術的到來，只是點燃了引信，真正的爆炸，需要等待人類社會整個適應周期走完。
⚡ AI或許正處於同一個時間序列的早期。我們目前看到的，只是引信的火花。
🪜 五、梯子斷了，新人要如何爬上來？
🧗 史丹佛研究合著者Erik Brynjolfsson提出了一個他稱之為「隱性知識斷層」的憂慮：如果年輕人無法透過基礎工作積累隱性知識，十年後當這批資深員工退休時，接班者在哪裡？
❓ 這是整個討論中最少被觸及、卻可能最為深遠的問題。
👨🏫 傳統的職業成長路徑，是一種「學徒制的現代版本」：新人從事基礎任務，在反覆犯錯與修正中，逐步將教科書中的編纂知識，內化為隱性知識，最終成為能夠獨當一面的資深員工。這是人類幾千年來傳承知識的基本方式，也是職業技能複製的核心機制。
🚫 AI正在悄悄移走這條路徑的第一級踏板。年輕人進入職場，發現自己無法踩上去，不是因為他們不夠努力，而是因為那一級台階已不存在。
🛠️ 這不是末日。但這是一個需要被認真對待的結構性問題，不只是個人如何轉型，更是教育體系、企業實習制度、職業培訓體系，如何在一個AI已承擔基礎任務的時代，重新設計「讓新人獲得隱性知識」的路徑。
📝 結語
☯️ 《禮記》有言：「知其白，守其黑，為天下式。」意思是，能看清明亮之處的人，往往更需要有意識地守住暗面，方能成為真正的準則與指引。
📢 AI衝擊就業的討論，充斥著兩種聲音：末日論者描繪大規模失業的恐慌，樂觀論者援引宏觀數字證明杞人憂天。兩種聲音，都在各自的層次上沒有錯，卻都遮蔽了那個真正值得凝視的暗面。
🌑 那個暗面是：梯子的第一級，正在悄悄消失。
🐤 數據已在那裡。金絲雀已經倒下。問題只是，礦工是否已感受到空氣中那微弱的異味。
📚 本文主要引用資料：
史丹佛大學數位經濟實驗室《礦坑裡的金絲雀？》（2025年8月）
美國國家經濟研究局《人工智慧、生產力與勞動力》（2026年3月）
