AI 會先淘汰低槓桿的人

黃仁勳說 AI 會創造工作。摩根士丹利的說法則更冷靜一點：AI 未必會令所有人失業，甚至長遠有機會提升生產力，但部分失業恐怕在所難免。這兩種說法表面上像是矛盾，其實可以放在同一個框架理解。AI 的確會創造新工作，但它不會保證原本那批人可以順利轉移到新位置。AI 也不一定令整個社會沒有工作，但它會先淘汰那些低槓桿、低自主、低判斷含量的工作。

這才是 AI 就業問題的核心。

很多人討論 AI 時，仍然停留在「會不會取代人類」這個粗糙問題上。這個問法太籠統，因為 AI 不會像一道洪水那樣平均沖走所有職業。它更像一套新的分層機器，重新檢查每一份工作的結構：你做的事情是可重複的，還是需要判斷？你只是完成任務，還是能設計流程？你只是執行指令，還是能承擔結果？

摩根士丹利全球首席經濟學家 Seth Carpenter 指出，AI 雖然能降低特定任務成本，甚至在大量工作上超越多數人類，但目前整體勞動市場數據尚未出現劇烈動盪，失業率未大幅飆升，也未見受 AI 影響行業出現系統性弱點。不過，他同時承認，生產力的最大提升可能仍在後面，而部分失業恐難避免。這個判斷比單純樂觀或悲觀都更接近現實。

也就是說，現在是「AI 正在重寫就業價值」。這是一個更慢、更隱蔽，也更殘酷的過程。它先表現在職位壓價、招聘減少、入門職位收縮、工作要求提高以及一個人需要處理更多產出的壓力上。

以前一間公司可能需要三個人處理資料、寫初稿、整理簡報、回覆客戶、做市場研究。AI 出現後，公司未必馬上解僱所有人，但它可能覺得兩個人已經足夠，甚至一個懂得用 AI 的人就可以完成大部分任務。表面上職位仍然存在，但背後的勞動價值已經被壓縮。這種情況未必叫「失業」，但其實已經是就業結構的重新分配。

所以，AI 最先淘汰的是工作裡面低槓桿的部分。

甚麼是低槓桿？簡單說，就是一個人投入大量時間，但產出只能線性增加，而且容易被標準化、模板化、外判化、自動化的工作。例如重複整理資料、套格式寫文案、做基本報告、回答固定客服問題、執行簡單行政流程、產出沒有獨特判斷的內容。這些工作過去之所以存在是因為機器未夠便宜，未夠聰明，未夠容易使用。

AI 改變的正是這一點。它把很多原本需要人手完成的低階認知勞動，變成近乎即時、低成本、可複製的產出。於是市場會自然問：如果一件事可以用幾秒完成，為甚麼還要為它支付幾小時工資？如果一個初稿可以由 AI 生成，為甚麼還要聘請一個只懂寫初稿的人？如果一份分析可以由 AI 整理，為甚麼還要保留只懂整理、不懂判斷的人？

這是說「只做任務的人」價值會下降。

AI 時代最危險的工作是最容易被描述成指令的工作。因為只要一份工作的核心可以清楚寫成 prompt，它就有被自動化、半自動化或壓價的風險。真正不容易被取代的是那些難以被完整描述的能力：情境判斷、責任承擔、複雜協調、需求定義、策略選擇、審美把關、風險感知、信任建立及把混亂轉化成結構的能力。

這就是低槓桿與高槓桿的分別。

低槓桿的人是靠時間換產出的人。他做得越多，只是越忙。他的價值來自執行，而不是設計。他的工作需要他在場，但不一定需要他的判斷。當 AI 可以加入這個流程，他就會被迫同 AI 比速度、比成本、比穩定性。這是一場很難贏的比賽。

高槓桿的人則是能用工具放大自己的人。他問「AI 可以幫我控制哪一段流程」，也把 AI 當成系統組件。他能用 AI 增加產出、縮短試錯、放大判斷、整理知識、建立產品、連接客戶、重組工作流。這種人不一定最懂技術，但他知道如何把技術接入價值鏈。

所以，AI 帶來槓桿差距問題。

以前低槓桿與高槓桿之間已有差距，但還沒有那麼明顯。因為大家一天都只有二十四小時，很多工作仍然需要人手堆時間。可是 AI 出現後，高槓桿的人可以用同樣時間做出十倍產出，低槓桿的人卻發現自己原本的工作被壓縮到只值十分之一。這是因為他掌握新的放大器。

更麻煩的是，AI 的調整期比過去很多技術革命更短。摩根士丹利另一份相關分析亦指出，AI 大概率會提升生產力，但短期就業衝擊存在，不平等風險亦高，制度與教育能否適應，將決定技術紅利最後落到誰手上。 這點非常重要。因為工業革命、電氣化、互聯網革命雖然也衝擊就業，但社會仍有較長時間消化。AI 的擴散速度卻快得多，教育、職場培訓、企業制度與個人轉型未必追得上。

這代表部分人會在還未理解發生甚麼之前，已經被市場重新定價。

這種重新定價未必即時表現為「被解僱」。更常見的是：公司不再請新人，初級職位變少，一個人要處理更多工作，外判價格下降，內容創作者收入被稀釋，行政支援職位縮減，客戶期望速度提高，管理層開始要求所有員工「懂得用 AI 提高效率」。這些變化加起來，就是一種隱性失業。人仍然在職，但原本的職業階梯已經被拆掉。

特別是年輕人與初級工作者，會面對一個很大的斷層。過去很多人是從低階任務開始學習，在整理資料、寫初稿、做簡報、跟進客戶、處理瑣事之中慢慢理解行業。但如果這些入門任務被 AI 吃掉，年輕人可能連累積基本經驗的入口都變少。這是職業養成路徑的斷裂。

所以，AI 就業問題不只是「有沒有工作」，也是「人如何進入有價值的位置」。

如果一個社會只是不斷叫人學 AI 工具，其實不夠。因為工具學得再快，如果沒有判斷框架、產業理解、商業意識、系統設計能力，最後仍然只是低階操作者。今天懂得用 AI 寫文案，明天另一個人也懂；今天懂得用 AI 做簡報，明天整間公司都懂。單純使用工具很快會變成基本能力。

真正值得培養的是高槓桿能力。

第一，是定義問題的能力。AI 很擅長回答問題，但前提是你問得出真正的問題。很多人的弱點是不知道自己其實問錯了方向。未來懂得定義問題的人會比懂得執行指令的人更值錢，因為問題定義決定了整個產出方向。

第二，是判斷產出的能力。AI 可以生成大量內容，但它不會自動知道甚麼才符合你的策略、品牌、時機、風險與人性。能夠判斷甚麼可用、甚麼不可用、甚麼表面正確但方向錯誤，這種能力會變得更重要。

第三，是重組流程的能力。未來真正有價值的人，不只是把 AI 放入某個任務，也是重新設計整條工作鏈。原本需要五個步驟、三個部門、兩星期完成的事，能否變成一套半自動化流程？原本依賴人手協調的內容、銷售、客服、產品開發，能否被重組成更高效率的系統？這才是 AI 帶來的真正槓桿。

第四，是建立信任的能力。當內容、圖片、聲音、分析都可以生成，人反而更需要知道誰值得信任。AI 越普及，信任越稀缺。能夠承擔責任、建立聲譽、持續交付的人，不會因為 AI 出現而失去價值，反而會因為低質內容泛濫而更突出。

第五，是創造新系統的能力。最高槓桿的人用 AI 建立新產品、新服務、新平台、新組織。他們不再只是勞動市場中的求職者，也是新生產方式的設計者。

所以，這一波 AI 革命真正問每個人的問題是：你在系統裡的位置，是輸入端、執行端，還是設計端？

如果你只是等別人派任務，再把任務完成，你就很容易被 AI 壓低價值。如果你能定義任務、拆解流程、組織資源、承擔結果，你就會成為 AI 放大的對象。AI 會放大強者，也暴露弱者。它讓有系統的人更有系統，讓沒有系統的人更容易被系統淘汰。

這聽起來殘酷，但也比單純恐慌更有用。

因為如果我們只說「AI 會令人失業」，結論只剩下害怕。如果我們只說「AI 會創造工作」，又容易變成盲目樂觀。真正有用的說法是：AI 會創造新價值，但不會自動保障舊位置；AI 會提升生產力，但生產力紅利不會平均分配；AI 會帶來新工作，但低槓桿的人不一定接得住。

所以，現在最重要是問「我的價值是否仍然停留在低槓桿位置」。

如果你的工作只是輸出文字，你要升級成定義觀點的人。如果你的工作只是整理資料，你要升級成判斷資料意義的人。如果你的工作只是執行流程，你要升級成設計流程的人。如果你的工作只是完成任務，你要升級成承擔結果的人。如果你的工作只是使用 AI，你要升級成建立 AI 工作系統的人。

AI 不會令所有人失業，但會令很多人原本的安全感失效。它不一定立刻拿走你的工作，但會慢慢拿走你工作裡面最容易被替代的部分。到最後，真正留下來的是槓桿。

所以，AI 時代最現實的一句話是：不要停留在一個只靠低槓桿生存的位置。

不是人人受害！大摩：AI衝擊下部分失業在所難免 生產力增強的紅利在後頭