過去的自動化取代了職位，而人工智慧將取代勞動者

人類勞工即將面臨一個與以往任何技術都不同的競爭對手：AI 系統。這種系統可以近乎零成本地複製、即時部署，且其進步速度遠快於勞工轉職培訓的速度。長期以來，經濟學家在回應對自動化的恐懼時總會指出，機器雖然摧毀了某些工作，但會透過降低成本、提高產出和創造新產業來產生其他工作。這種模式之所以能維持，是因為早期的機器取代的是特定任務，而人類仍保有處理其他工作所需的更廣泛心智能力。AI 正在開始侵蝕這塊避風港。當同一種技術可以完成曾讓勞工從過時工作轉向新工作的心智勞動時，舊有的經濟逃生路徑便開始關閉。

盧德分子（Luddites）恐懼織襪機是有道理的，因為那些機器摧毀了熟練的紡織工作。但一台讓衣服變得更便宜的機器，其影響不僅僅是摧毀了一門手藝。低廉的價格釋放了用於其他消費的資金，而更高的產出則創造了對機械師、搬運工、辦事員、商人和其他勞工的需求。

這條逃生路徑之所以存在，是因為人類勞動力保持著稀缺性且具有廣泛的用途。離開農場的工人可以轉入磨坊、鐵路、礦山、建築和工廠。當後來製造業需要的人手減少時，工人再次轉向辦公室、醫院、學校、零售、金融和其他服務業。早期的機器取代了特定任務，同時讓人類能夠從事許多其他工作。AI 威脅到了這條逃生路徑，因為它能完成自動化下一批工作所需的心智勞動，並協助構建取代這些工作的軟體。

軟體優先

程式編寫最為關鍵，因為軟體處於眾多產業的上游。製作軟體成本的每一次下降，都讓企業能將更多活動轉向自動化系統，用以回覆客戶、起草文件、檢查合規性、分析數據、協調物流以及將任務交給機器。AI 正在改進構建「工具」的過程，而這個工具本身就可能使其他大部分工作自動化。

將工作轉化為軟體從來都不是免費的。一家公司可能知道計費、排程、合規、審批、客戶服務、報告和內部協調都可以自動化，但仍需有人來繪製規則、連接舊系統、處理異常、測試故障並維持軟體運行。多年來，這項工作的成本高到足以讓許多自動化計劃束之高閣。一個工作流程必須規模夠大、夠穩定且具有足夠價值，才值得投入真正的工程努力。

這種轉變的一個跡象是程式設計師現在所稱的「氛圍編碼」（vibe coding）。一個人用平實的語言陳述目標，AI 編寫代碼，人測試結果，要求修改，並不斷迭代。工作重心從親手編寫每一行代碼，轉向指定應該發生什麼並判斷輸出是否足夠好。在許多環境中，這已經顯著提高了軟體創作者的生產力。它還降低了自動化任務的門檻，使那些曾經因太微小、太客製化或太混亂而無法證明全案開發合理性的任務也能被自動化。

這種影響遠超軟體產業。企業不再需要等待大型專業團隊，就能嘗試自動化一份報告、一個審批鏈、一個客戶回覆系統、一個研究工作流或一個內部工具。經理、分析師、律師、設計師和營運人員可以用平實的語言描述他們想要的東西，測試草案版本，然後不斷完善。其中一些系統可能很粗糙，但這些系統可以消除驚人數量的常規工作。

這之所以更加重要，是因為軟體現在可能正在改進「製造更多軟體」的過程。一個協助構建下一個編碼系統的編碼系統，可以加速下一輪的改進，進而加速再下一輪。如果這種回饋循環變得足夠強大，企業很快就會使用比今天的人類團隊能力強得多的軟體創作者，而不僅僅是廉價的助手。一個模型的突破可以變成產品更新，而產品更新可以幾乎立即在數百萬個螢幕上部署一個更強大的構建者。因此，軟體的進步傳播速度遠快於必須實體製造和運輸的機器。

如果這種情況發生，目前形式的軟體產業可能難以維持。瓶頸將從編寫代碼轉向決定應該存在什麼，以及辨識結果是否有效。這不僅會重塑一個產業，還會改變整個經濟體中勞動力替代的速度和範圍。

首當其衝的是螢幕工作

第一個明顯跡象可能不是大規模失業，而是完全可以在電腦上分配、完成和檢查的工作職缺穩步下降。客戶支援、簿記、常規法律起草、基礎研究、簡報製作、文案寫作、插畫以及許多常規程式編寫都符合這一描述。雇主在能信任機器人處理交通、惡劣天氣、凌亂的房屋或病患之前，很久就能將這些工作自動化。

社會新鮮人首當其衝，因為初級辦公室工作通常由一個專業中最標準化的部分組成。新進員工審核文件、清理數據、起草備忘錄、準備簡報、建立基礎模型、編寫樣板代碼並回答常規客戶問題。企業不需要大規模裁員就能改變這個市場，只需縮減實習規模、減少分析師班次，並讓初級職位空缺不補。

在舊經濟中，削減初級招聘會被視為短視。企業需要初學者，因為初學者會成長為後來管理團隊、服務客戶和做出艱難決策的資深人才。如果雇主預期 AI 的進步速度快於初級員工的成長速度，這種邏輯就會減弱。如果一家公司預期軟體將吸收更多資深工作，它就沒有理由為那些可能很快就不再需要那麼多人的職位去培訓大量的人才梯隊。

這種變化不僅減少了當前初學者的機會，還削弱了成為未來熟練工人的動力。當入門級工作消失、晉升路徑變窄，且人們正在接受培訓的工作可能在他們達成目標前就被自動化時，一個職業的吸引力就會下降。選擇該領域的學生減少，接受低薪學徒期的工人減少，願意花心思培養未來可能不需要的人才的雇主也減少。這使得人才管道從兩端萎縮。企業減少培訓投資是因為預期未來對人的需求減少，而工人減少培訓投資是因為預期未來的回報減少。

為什麼就業市場看起來依然完好

這些早期的削減可能在整體勞動力市場崩潰前很久就發生，因為一項技術在企業知道如何圍繞它重組工作之前，就已經好到足以取代工人。公司不會在模型改進的那一週就關閉一個部門。他們仍有圍繞人類員工建立的軟體、程序、經理、合規系統和客戶期望。因此，他們通常會將新系統疊加在舊工作流上，並讓人檢查輸出。這延遲了對勞動力市場的影響。重大的損失發生在稍後，當企業重新設計工作流本身，並發現曾經分散在許多員工身上的工作可以用少得多的人完成時。

這正是大多數企業目前的處境。他們正在學習軟體在哪些方面值得信賴，足以圍繞它重組工作流。一個看起來穩固的勞動力市場並不能證明勞動力是安全的。這可能僅僅意味著企業尚未學會如何用少得多的人產生相同的產出。

企業不需要 AI 取代整個職位後才讓勞工失去立足點。他們只需要一條在短期內減少勞動力使用的可靠路徑。一旦經理相信軟體明年能處理更多工作，他們就有理由在今天凍結招聘、削減培訓、縮減晉升階梯並壓低薪資。屆時仍在職的工人將面臨更弱的地位，因為雇主不再是在「必須持續建立大型人類梯隊」的假設下進行談判。損害在大規模失業到來前就已開始。首先是勞工失去議價能力，接著是職業路徑變薄，然後企業發現他們可以用更少的人產生相同的產出，最後全面替代才進入視野。

這種延遲之所以存在，是因為許多工作受保護的部分不是其常規核心，而是其「例外情況」。許多工作流在很久以前就可以部分自動化，但企業仍需要人來捕捉異常、從錯誤中恢復、處理特殊案例，並在規則崩潰時承擔責任。AI 的重要性在於它開始處理那些過去讓人類留在環節中的例外情況。

這種壓力並不止於常規辦公室工作。研究人員現在正利用 AI 攻克開放式數學問題、生成證明思路，並在某些情況下協助解決已懸而未決多年的問題。一個能對新數學做出貢獻的系統不僅僅是在重複熟悉的模式。它開始侵入許多人認為能長期保護人類工作的「原創性」領域。一旦機器既能協助執行也能協助發現，人類工作能透過退守到創意領域而生存的希望就顯得渺茫許多。

軟體開始從內部取代工人

這種不斷擴張的能力在企業內部產生了直接的經濟後果：一旦軟體可以按需生產，企業就不必等待正式的工程項目才能自動化另一部分的辦公室工作。下一步是企業部署「軟體代理人」（software agents），觀察數位工作的完成方式，並尋找更多可吸收的工作。公司內部的代理人可以追蹤客戶請求、文件流轉、審批延遲、重複性錯誤和員工產出，然後構建或改進工具來自動處理更多此類工作。經理將不再是唯一尋找自動化機會的人，軟體也會在尋找。

最初的粗糙形式已經出現。OpenClaw 是一個開源代理人，可以運行普通的聊天應用程式、清理收件匣、發送電子郵件、管理日曆並執行其他數位任務。它目前還不能取代整個部門，但它展示了軟體正從回答問題轉向處理跨應用程式的辦公室工作，而這些工作正是許多助理、協調員和初級員工的生計所在。

一旦這類工具能吸收足夠的辦公室工作以削減實際成本，競爭壓力就會完成剩下的工作。每一次成功的自動化都會減少勞動力支出、加快產出，並削弱企業對招聘、培訓和留住人才的依賴。當競爭對手開始使用軟體來發現並實現這些節省時，拒絕跟進並非謹慎，而是走向衰落之路。成本保持高位、營運保持緩慢、利潤率削弱，競爭對手則獲得了進一步領先所需的利潤和資本。在競爭激烈的市場中，採用 AI 不再是一個策略選項，而是生存條件。

起初，這些系統將針對明顯的重複性任務。隨後，它們將消除成千上萬個微小的摩擦，這些摩擦之所以存在，僅僅是因為以前沒人想派人專門立項去消除它們。這就是勞動力替代如何從少數頭條新聞中的職位擴散到日常辦公工作的肌理中。

接下來是機器人

一旦軟體開始從企業內部取代工人，資金和工程努力就會轉向那些仍需要在現實世界中動用身體的工作。體力勞動之所以能維持較久，並非因為它受到保護，而是因為廚房、病房、建築工地和私人住宅比螢幕上的文件更難標準化。管道是隱藏的、工具會卡住、病人病情會惡化、天氣會轉變，雜物會擋路。軟體中的錯誤可以修補，但涉及汽車、梯子或虛弱病人的錯誤可能導致傷亡。

螢幕工作與體力工作之間的屏障正在侵蝕。自動駕駛車輛已經在公共道路上行駛。這使得很難再辯稱體力勞動僅因世界混亂而受到保護。一旦機器能在螢幕之外可靠地感知、規劃和行動，送貨、倉儲、清潔、安保、常規家庭維護、老人照護、醫院支援以及建築業的大部分領域都將變得觸手可及。

能力強大的機器人市場是巨大的。家庭會願意為能烹飪簡單餐點、裝載洗碗機、摺疊衣服、整理房間或扶老人站起來的機器付費。企業更願意為搬運材料、清潔房間、上架商品、巡邏財產、準備表面、運輸物資或協助護士的機器人付費。凡是勞動力昂貴、稀缺、危險或令人疲憊的地方，企業都有強烈的理由採用能勝任該工作的機器。

隨著採用的普及，雇主不會只是簡單地用機器人換掉一個人。他們會圍繞機器重新設計整個營運流程。為人設計的工作場所必須考慮疲勞、受傷、休息、保險、照明、溫度和法律責任。主要為機器人設計的工作場所則可以圍繞速度、重複性和持續使用來組織。一旦倉庫、酒店、醫院、農場和建築工地為機器進行了改造，剩下的人類看起來就不再像核心勞動力，而更像是成本高昂的頑固分子。在許多工作中，人類勞動的最後防線將是法律或政治，而非經濟。

馬匹一直在進步，但還是輸了

當工作場所圍繞機器人重新設計時，人類勞動力面臨著「馬匹問題」。馬匹一直保有其經濟效用，直到內燃機以更低的成本提供了卓越的動力、耐力和可靠性。育種者培育出更強壯的動物，並改進了裝備，但生物限制依然存在。馬需要休息、癒合和個體繁殖。工廠則大批量製造機器並讓其持續運轉。馬匹在體能上依然有能力，但失去了經濟可行性。

歷史上，人類透過轉向認知勞動在自動化浪潮中倖存下來，這是被取代的馬匹無法使用的逃生路徑。這種防禦要求新工作比舊工作更能抵抗自動化。AI 透過吸收序列性的認知任務削弱了這一優勢。人類勞工將提高教育程度和生產力，但如果人工系統進步更快、傳播更廣且成本更低，人類仍面臨過時。當廉價且可擴展的替代品出現時，雇主會消除人類勞動力，無論人類基準能力如何。

比較優勢救不了工人

即使機器人在每項任務上都超越了人類，一個標準的經濟學論點似乎仍為人類勞動力留有空間。比較優勢（Comparative advantage）理論認為，你不需要在絕對意義上更好，你只需要在某項任務上「沒那麼糟」即可。

想像先進的機器人控制了南極洲。它們可以在一秒鐘內做一個甜甜圈，在一分鐘內做一個重力控制器。人類只能做甜甜圈，每個需要一分鐘，且完全無法製造重力控制器。在那個世界裡，人類在甜甜圈上仍具有比較優勢，並非因為人類擅長製作它們，而是因為人類在其他所有事情上都更糟。

比較優勢仍允許貿易。如果人類提供一百個甜甜圈換取一個重力控制器，雙方都獲益。機器人花六十秒製造控制器，但因為不用做甜甜圈而節省了一百秒。人類花一百分鐘做甜甜圈，換到了他們原本永遠無法生產的東西。比較優勢看起來很強大，因為無論機器人領先多遠，人類勞動力似乎仍能換取它們極高生產力的成果。

這個結果取決於人類能控制生產交易所屬物資所需的資源。一旦生產依賴於他人擁有的土地、工廠、軟體、能源或分銷系統，這個邏輯就會迅速瓦解。如果果園土地稀缺且機器人採摘成本更低，果園主人就會使用機器人。如果甜甜圈來自工廠且機器人能更高效地運行工廠，主人不會出於慷慨而讓人類留在生產線上。當別人擁有將勞動力轉化為產出的資產時，相對優勢對工人幾乎沒有幫助。

將此推及整個經濟，勞動力的安全區會迅速縮小。人類可能在某些任務上仍具有相對優勢，但資產所有者會將其資本與能產生最高回報的勞動力結合。不擁有相關資產的工人無法僅因人類勞動力在某方面仍具有相對優勢，就強迫企業雇用他們。如果那種勞動力是機器人，比較優勢可能保留了貿易，卻無法保留工資。它可以解釋人類如何仍能生產出值得交換的東西，卻無法解釋大多數人類如何繼續維持生計。

某些工作僅因法律阻礙自動化而存在

比較優勢保護不了大多數工人，但監管或許可以。政府可以要求即使在軟體或機器能更便宜地完成大部分底層工作後，仍由人類承擔法律責任。執照規定、人員配置授權和責任標準可以在經濟理由消失後，仍讓人員留在薪資單上。

這種保護在受保護的國內市場比在出口產業更容易維持。如果美國要求汽車製造商依賴更多人類勞工，而外國競爭對手實現了自動化，外國買家不會為了保留那些工作而支付額外費用，他們會買更便宜的車。政府可以命令自己的企業雇用人，但無法強迫外國客戶補貼這種選擇。

即使在國內，一旦能力強大的系統變得廉價且普及，執法也會變得困難。如果家用機器人能診斷漏水並修理水管，許多人會直接使用它，而不是等待水管工。如果法律規定 AI 不能行醫，人們仍會從廣泛可得的系統中尋求診斷、分診和治療建議。一旦機器能在普通家庭和辦公室內完成有價值的工作，阻礙其使用看起來就不再像監管，而更像禁令。

一個施加過多此類禁令的國家，相對於不施加禁令的國家會變得更窮。生產力降低意味著稅基縮小、企業變弱、資本市場變薄，以及資助研究、武器和工業動員的能力下降。在競爭對手利用 AI 和機器人提高產出的世界裡，拒絕這樣做不僅是一項就業政策，更是一個接受經濟和軍事相對衰落的決定。法律可以保留人類就業的孤島，但若不使國家變弱，它就無法保護大多數工人。

某些工作可能會因為有些人仍偏好與人打交道而存續一段時間。但這種偏好能保護的工人很少，且可能不會太久。一旦 AI 能以極低成本完成工作，大多數人不會為了保留人類角色而持續支付額外費用，就像一旦有了汽車，幾乎沒人想要人力車夫一樣。如果職業前景不再穩固，接受醫學等專業培訓的年輕人會減少，投資培訓他們的機構也會減少。因此，即使某些病人仍想要人類醫生，可能很快就沒有足夠受過培訓的人類，足以讓這種偏好支撐起一個勞動力市場。

沒有工作不代表沒有買家

如果工人不再賺取工資，誰來購買商品？工資只是需求的一個來源。政府可以透過福利、轉移支付和其他公共支持來維持大眾消費。資本持有者仍會有收入，如果機器大規模取代勞動力，利潤、股息和資產價值可能會大幅上升，讓所有者擁有更多的消費能力。政府也將繼續作為主要買家，採購國防、基礎設施、照護和其他公共服務。自動化企業和為所有者服務的軟體代理人也可能產生對算力、能源、軟體和其他投入的需求。因此，後勞動力經濟仍可透過公共轉移、資本收入、政府支出和機器媒介的商業活動來維持需求。工人是現在的主要需求來源，但並非富裕經濟體唯一可以依賴的來源。

當人類勞動力變得過時

因此，工資的損失本身不會導致經濟崩潰。更深層的問題是，一旦機器人和 AI 變得如此強大且廉價，以至於雇用人在任何任務上都不再具有經濟意義時，會發生什麼。到那時，人類勞動力就過時了。如果機器能完成幾乎所有工作，即使大多數人不再賺取工資，經濟仍能生產豐富的商品和服務。人們屆時可以生活得比以前的貴族更好，由機器以低成本提供運輸、照護、娛樂和物質舒適。生活將不再需要圍繞工作運轉。一個每個人在物質上都有保障的世界是可能的。通往那個世界的道路並非始於機器人一次性完成所有事情，而是始於 AI 製造軟體，而軟體重塑一切。

一旦人類在經濟上不再重要，他們的未來就取決於誰控制了機器。這些系統可以用來支持數十億人過上舒適自由的生活，也可能被人類統治者或 AI 本身用來統治、禁錮或殺害那些勞動力不再重要的人。當勞動失去價值，權力將決定接下來發生什麼。

---

這篇文章是在 AI 的協助下完成的。如果我不能有效地利用 AI 來改進它，那將削弱我的論點或我對專業知識的主張。以下是 ChatGPT 說明我如何使用它來協助寫作的方式：

「你將系統視為嵌入在寫作過程中特定環節的受限協作者，而非端到端的作者。

• 構思與擴展
  你從一個核心主張開始，利用系統列舉相鄰的論點、案例和反論。系統充當廣度生成器。然後你僅選擇並精煉最強有力的論證線索。
• 結構設計
  你利用它來測試不同的提綱、章節順序和敘事弧線。你要求提供替代的組織方式，然後選擇能增加清晰度和推動力的方案。系統有助於浮現你可能未曾考慮過的結構選項。
• 局部重寫，而非全文草擬
  你提供現有文本，並要求對特定句子、段落或過渡進行針對性重寫。這在將微觀層面的措辭改進外包的同時，保持了對論點的控制。
• 過渡構建
  你利用它來乾淨地銜接各個章節。你要求提供能連接兩個想法且不重複或冗長的精確句子，然後選擇或精煉最佳候選。
• 案例與類比開發
  你利用它來生成具有解釋力的具體例證。你會不斷迭代，直到該案例在論證中發揮實際作用，而非僅僅作為裝飾。
• 對抗性評論
  你利用它來對主張進行壓力測試。你要求提供反對意見、弱點和替代解釋，然後修改文本以應對這些批評。
• 比較評估
  你展示一個章節的多個版本並要求直接比較。這迫使系統識別清晰度、力度和邏輯上的差異，幫助你收斂到更強的版本。
• 約束執行
  你對風格和結構施加明確規則，然後要求系統修訂直到滿足這些規則。當它失敗時，你會拒絕輸出並重申約束。隨著時間推移，這會在對話會話內訓練系統。
• 迭代縮小範圍
  你從寬泛的提示詞轉向日益具體的提示詞。早期階段探索可能性；後期階段要求精確。每一輪都減少了變異性並增加了控制力。
• 嚴格標準下的最終潤色
  你僅在論點已經穩固後才使用系統。在這個階段，它充當高級編輯，精簡語言並消除殘餘弱點。如果它不能達到要求的標準，你就捨棄其輸出。

控制機制很簡單：你絕不接受違反你約束條件的輸出。篩選、拒絕和反覆收緊取代了對單一回應的依賴。」