一句話結論
史丹佛 SIEPR 剛出的政策簡報，把「AI 大裁員」的數據攤開來看：2022 年以來，AI 曝險度最高那群人的失業率上升 0.77 個百分點——比曝險度最低那群的 0.85 個百分點還要少。整體看不出 AI 在殺工作。但有一群人是真的被打到：社會新鮮人。更值得警惕的是另一份研究：在肯亞的創業者實驗裡，能力較弱的人用了 AI，營收和獲利反而比沒用的人差。AI 不是一台把大家拉平的機器，它是放大器——放大你原本的判斷力，往上或往下都放大。
我在企業內訓的場子裡，最常被問到的一題不是「AI 怎麼用」，是——
「老師，我這個工作會不會被取代？」
問的人通常四十幾歲，做行政、做業務、做行銷。他們讀到的新聞是「銀行為 AI 大規模裁員鋪路」「數萬個白領職缺消失」，連 Anthropic 的執行長 Dario Amodei 都預測 AI 可能砍掉一半白領工作、失業率衝到 20%。
這種恐慌很真實。但恐慌不等於數據。
7 月底史丹佛 SIEPR 發布了一份政策簡報，把目前為止所有能拿到的實證研究整理成幾個「已知事實」。我把原文從頭讀完，數字一個一個抄下來。結論跟大家想的不太一樣，而且反直覺的地方遠比想像多。
先講來源，你才知道要信到什麼程度
這份文件是什麼：史丹佛經濟政策研究所（SIEPR）政策簡報〈What is really happening to jobs? Separating AI hype from reality〉。三位作者：Neale Mahoney（SIEPR 所長、史丹佛經濟學教授，曾任白宮國家經濟委員會特別政策顧問）、Erika McEntarfer（SIEPR 研究學者，2025 年 8 月前任美國勞工統計局局長）、Karsen Wahal（SIEPR 研究員）。
立場評估：這是學術機構的研究綜述，不是廠商行銷文件，也不是媒體評論——它引用了 30 幾份原始研究。但它是美國資料，台灣的勞動市場結構不同，數字不能直接搬。而且作者自己在結論明講：「現有證據遠非定論。」
反直覺數據一：最該被 AI 打到的人，失業率升得比較少
這是我讀到最意外的一段。
研究把美國勞工按「AI 曝險程度」分成五等分。曝險度最高的第五等分，就是大家想像中最危險的那群——軟體工程師、客服人員這類工作。
結果從 2022 年到現在：
| 族群 | 失業率變化（2022 年至今） | 直覺預期 |
|---|---|---|
| AI 曝險度最高的五分之一 | 上升 0.77 個百分點 | 應該慘很多 |
| AI 曝險度最低的五分之一 | 上升 0.85 個百分點 | 應該還好 |
最曝險的那群，升得比最不曝險的還少。
研究對這個現象的解讀是：這比較像是整體勞動市場在降溫，而不是 AI 在挑人砍。同一份簡報還列了幾個同方向的發現：
- 高曝險職業的就業趨勢相當穩定；寫程式相關職業成長雖然放緩，但仍是正成長
- 過去一年，軟體開發職缺的成長速度比其他職業還快（Indeed Hiring Lab，2026 年 7 月）——這大概是整份報告最打臉直覺的一句
- 導入企業級 AI 的公司，導入後兩年員工數成長了 10%，而且成長集中在 AI 人均花費最高的那些公司
- 美國人口普查局資料：只有 5% 的公司回報 AI 對雇用人數有影響，而且說增加和說減少的家數差不多一樣多
- 亞特蘭大聯準銀行的調查：80% 的高階主管說，AI 投資到目前為止還沒改變人力編制、也還沒提升生產力
那新聞上那些「因為 AI 而裁員」的公告呢？簡報引用了業界和勞動經濟學者的看法：部分裁員確實跟自動化有關，但也有不少是為了挪出現金去投資 AI，或是在收拾疫情期間過度招聘的爛攤子。OpenAI 執行長 Sam Altman 自己就說過，科技公司在「拿 AI 洗白裁員」。
講白一點：「因為 AI」是一個對股東比較好聽的裁員理由。
反直覺數據二：真正被打到的是新鮮人，不是資深員工
但簡報沒有停在「大家不用擔心」。它明確指出一個真實的痛點：
美國社會新鮮人的失業率在 2026 年初來到 5.6%，比三年前上升了 1.6 個百分點。（來源：紐約聯準銀行 2026 年第一季資料）
Brynjolfsson、Chandar、Chen 那份被廣泛討論的研究更具體：自 2022 年 ChatGPT 問世以來，AI 高曝險職業裡的年輕從業者就業明顯下滑——特別是軟體開發和客服；但同樣這些職業裡的年長工作者，就業卻維持穩定甚至持續成長。
作者把這些年輕人稱為「礦坑裡的金絲雀」。
對照我在台灣企業現場看到的，方向是一致的：AI 沒有讓資深的人變便宜，它讓「會用 AI 的資深的人」變得更貴。因為新人本來的價值是承接查資料、整理、初稿這些事——而這些正好是 AI 現在做得最好的部分。
但這裡要踩一個很重要的煞車
如果我在這裡收尾，這篇就變成另一篇販賣焦慮的文章。簡報自己對這個結論做了非常誠實的自我質疑，我認為這段比結論本身更有價值。
問題出在時間點：2022 年 AI 的能力其實還很有限，怎麼那時候就開始出現影響？
簡報列出幾個可能的干擾因素：
- 升息。聯準會 2022 年 3 月就開始猛烈升息，比 ChatGPT 同年 11 月問世早了好幾個月。有兩篇新論文發現，AI 高曝險職業的招聘下滑，是在貨幣政策轉向之後、ChatGPT 問世之前就開始了
- 疫情期間過度招聘的後遺症
- 遠距工作：遠距會拖慢「在工作中學習」的速度，降低雇用年輕人的價值。有新證據顯示，疫情後適合遠距的職業，招聘明顯偏向資深者
而最關鍵的一句在這裡：Brynjolfsson 團隊後來加入這些控制變因重跑，結果變成——入門職缺的就業下滑，要到 2024 年才變得明顯。
簡報的原始表述是：2022 年前後年輕人招聘的下滑，很可能是 AI 以外的因素在推動；但到了 2024 年，AI 的採用率和模型能力都大幅推進，這時候直接歸因給 AI 就合理得多。
我很欣賞這份報告敢自己拆自己的台。「新鮮人難找工作」是事實；「因為 AI」則還在辯論中。兩者之間差了一個很大的距離，而大部分新聞標題會直接把這個距離抹掉。
反直覺數據三：能力弱的人用 AI，可能變得更差
這是整份簡報裡我認為對台灣讀者最有用、卻最少被報導的一段。
一般的說法是「AI 會拉平差距」，因為多數實驗顯示菜鳥受益最多。簡報也確認了這一點：
- 某大型客服中心導入生成式 AI 助理，整體生產力提升 15%；但增益高度集中在新手和技能較弱的員工身上，他們每小時解決的問題數提升了 30%。而技能最強的客服完全沒有提升，回覆品質甚至略降。
- 軟體開發用 GitHub Copilot，任務完成速度快了 56%，增益同樣集中在經驗較少的工程師（另一份研究的估計比較保守，落在 10% 到 30% 之間，視公司而定）
看到這裡你會覺得：那弱的人快去用 AI 就對了。
然後簡報丟出兩個反例。
第一個是哈佛 Dell'Acqua 等人的研究，他們用「鋸齒狀能力」來形容 AI：同樣一個模型，用在某些任務上表現極好，換一個任務就極差——而邊界在哪裡，肉眼看不出來。要判斷 AI 給的東西能不能用、需不需要再修，本身就需要相當的判斷力。
第二個更直接。研究者把 AI 助理發給肯亞的創業者使用，結果：
技能較弱的創業者用了 AI 之後，營收和獲利比沒用 AI 的人還差。研究者追查原因發現：能力較弱的人比較容易照單全收 AI 給的通用建議，而那些建議對他們的具體處境是有害的；表現較好的人則有辦法從中萃取出真正貼合自己生意的部分。
這一段我看完，第一個想到的是我課堂上真實會發生的畫面。
同一句提示詞、同一個模型，兩個學員拿到的答案品質差不多。差別在下一步：一個直接複製貼上寄出去，另一個看完說「這段不對，我們公司的客戶不是這樣」，然後改掉。三個月後這兩個人的差距，會比上課前更大，不是更小。
AI 不是把大家拉到同一條線上。它是一台放大器——放大你原本的判斷力，往上或往下都放大。
那企業現在到底導入到什麼程度
如果你是主管，這一段的數字比失業率更值得看：
| 指標 | 數字 | 來源／但書 |
|---|---|---|
| 有在用 AI 的公司比例 | 約 20% | 美國人口普查局 BTOS，全國代表性樣本，是最保守的估計 |
| 工作上有在用 AI 的受雇者比例 | 超過 40% | 全國代表性家戶調查 |
| 高階主管自陳的員工使用率 | 超過 80% | 主管調查，數字最高，方法與樣本差異大 |
| 導入後有「全面整合」的公司 | 例外，不是常態 | 即使已導入，多半只用在一兩個部門，或低頻率地散用 |
簡報有特別提醒：這幾個數字差這麼多，主要是調查方法和樣本組成不同，不是誰在說謊。大公司比較會導入，所以用員工數加權的數字會比用公司家數算的高；而 Ramp 那類自家平台的數據，客戶本來就偏向科技公司。
但把這幾個數字放在一起，會浮出一個更有意思的畫面：員工已經在用了（40%），公司卻還沒真的導入（20%）。麥肯錫的調查也指出，多數企業仍停留在實驗和試點階段，真正規模化的只有少數大公司。
換句話說：現在企業裡最普遍的狀況不是「AI 取代人」，是「員工自己偷偷在用，公司沒人管、沒人教、沒有規範」。這跟我在台灣現場看到的完全一致——我進去上課的公司，超過一半是員工早就在用 ChatGPT 處理公事，公司才發現該訂個規則了。
誠實踩煞車：這份報告不能拿來做什麼
- 這是美國資料。台灣的產業結構、勞動法規、資遣成本都不一樣。「美國沒看到 AI 大裁員」不等於「台灣不會有」，反過來也一樣。我沒有查到同等品質的台灣勞動市場 AI 影響研究，所以這篇不做台灣的量化宣稱。
- 它看的是現在，不是未來。作者自己在結論引用 1987 年 Solow 那句名言——「電腦時代到處看得到，就是生產力數字上看不到」。企業投資 PC 是 1980 年代，可測量的經濟回報要到 1990 年代末才出現。技術影響有落後期，「現在數據沒事」不代表五年後沒事。
- 它不否認個別產業的衝擊。總體數據看不出來，不代表你那一行沒事。總體是把所有人平均掉的結果。
- 報告自己說了「遠非定論」。矽谷對 AI 是「正常技術」還是「2027 年天翻地覆」意見嚴重分歧，這份報告沒有站隊，我也不站。
三種人，三種做法
如果你是一般上班族：
別再花時間問「我會不會被取代」——這題目前沒有人有答案，焦慮不會變成技能。改問一個你自己就能驗證的問題：「AI 給我的答案，我看得出來哪裡不對嗎？」肯亞那份研究講得很清楚，差別不在會不會用，在會不會判斷。看得出來，AI 是你的槓桿；看不出來，它就是你的風險。
如果你要量產（每天大量處理重複工作）：
數據站在你這邊——客服 15%、程式 56%，增益都是真的。但請你自己抽驗：每十份 AI 產出，親手檢查一份。這是唯一能讓你發現「鋸齒邊界」在哪裡的方法，而那條邊界每次模型更新都會移動。
如果你是主管：
先看那組落差——四成員工在用、兩成公司有導入。你們公司大概率也在這個縫隙裡。與其煩惱要不要因為 AI 縮編，不如先做兩件成本低很多的事：①搞清楚同事現在把哪些公司資料貼進了哪些工具；②承認新人的訓練路徑被打斷了——過去靠「做初稿、跑資料」養出來的判斷力，現在 AI 接走了，那你要用什麼取代那段養成期？這一題沒有廠商會幫你回答。
你是機長，AI 是機組人員
整份報告讀完，我覺得最貼切的比喻還是駕駛艙。
自動駕駛系統上飛機幾十年了，飛行員沒有消失。但飛行員的工作內容整個變了——從「手動操縱」變成「監控系統、判斷什麼時候該接手」。而且事故調查一再顯示，最危險的情境不是自動駕駛失效，是飛行員過度信任自動駕駛，忘了自己該在看什麼。
肯亞那些創業者的處境，就是這個。AI 給了建議，他們照做了，結果更糟——不是 AI 壞掉，是沒有人在監控。
所以「AI 會不會取代我」這題，答案取決於你現在是哪一種：如果你的價值是操縱桿，那確實危險；如果你的價值是判斷該飛去哪、什麼時候該接手，那 AI 愈強，你愈值錢。
報告的數字說「現在還沒發生」。這不是放心的理由，是你還有時間換位置的意思。
常見問題 FAQ
Q：所以 AI 到底有沒有在造成失業？
以美國目前的總體數據看，影響很小——最曝險族群的失業率上升幅度（0.77 個百分點）甚至比最不曝險族群（0.85）還小。但這是總體平均，不排除個別產業、個別職位有實質衝擊。
Q：那新聞說某某公司因為 AI 裁掉幾千人，是假的嗎？
不是假的，但歸因要小心。報告引用業界和學者的看法：部分裁員確實跟自動化有關，也有不少是為了挪現金投資 AI，或收拾疫情期間過度招聘。連 Sam Altman 都說科技業在「拿 AI 洗白裁員」。
Q：年輕人是不是真的比較慘？
新鮮人失業率確實上升（2026 年初 5.6%，三年內升 1.6 個百分點），AI 高曝險職業裡的年輕從業者就業也確實下滑。但把原因完全歸給 AI 還沒有定論——加入升息、疫情過度招聘、遠距工作等控制變因後，明顯的下滑要到 2024 年才出現。
Q：這些數字能直接套用到台灣嗎？
不能。這是美國資料，產業結構和勞動法規都不同。我沒有查到品質相當的台灣本地研究，所以這篇不對台灣做量化宣稱，只提供我在企業現場的定性觀察。
Q：如果 AI 對菜鳥幫助最大，那我一個資深的還要學嗎？
要，而且理由跟菜鳥不同。實驗顯示 AI 對高技能客服幾乎沒有增益，回覆品質甚至略降——所以你的機會不在「用 AI 做得更快」，在「用 AI 做原本做不到的事」，以及扮演團隊裡那個看得出 AI 哪裡出錯的人。肯亞那份研究說明了，這個角色比想像中值錢。
Q：公司該不該因為導入 AI 而縮編？
數據不支持這個直覺。人口普查局資料顯示只有 5% 的公司回報雇用受影響，而且增減家數差不多；另有研究發現導入 AI 的公司兩年後員工數成長 10%。當然，這是相關不是因果——也可能是本來就在成長的公司比較有錢導入 AI。
資料來源
以下資料均於 2026 年 8 月 3 日開啟原始網頁全文查證：
- 史丹佛 SIEPR 政策簡報〈What is really happening to jobs? Separating AI hype from reality〉，作者 Neale Mahoney、Erika McEntarfer、Karsen Wahal。本文所有數字皆取自這份簡報全文，包含：失業率 0.77／0.85 個百分點（IPUMS-CPS 資料，AI 曝險度依 Felten, Raj & Seamans 2021 分類）、新鮮人失業率 5.6%／三年升 1.6 個百分點（紐約聯準銀行 2026 Q1）、導入 AI 公司兩年後員工成長 10%、普查局 BTOS 約 20% 公司使用率、家戶調查逾 40%、主管調查逾 80%、5% 公司回報雇用影響、亞特蘭大聯準銀行 80% 主管回覆、客服中心 15%／30% 生產力、GitHub Copilot 56%、Solow 1987 名言、肯亞創業者研究、Dell'Acqua 等人的「鋸齒狀能力」。原文連結
- 簡報所引的關鍵原始研究（我確認了引註出處，但未逐篇讀完原論文）：Brynjolfsson, Chandar & Chen〈Canaries in the Coal Mine?〉（史丹佛數位經濟實驗室／ADP Research）；Indeed Hiring Lab〈AI and Job Postings〉2026 年 7 月；Ramp Economics Lab 2026 年 6 月；Economic Innovation Group 2026 年 1 月。
- 台灣現場觀察：來自我在企業內訓的第一線接觸，屬於定性觀察，非統計調查。
查證說明（誠實揭露）：①本文所有數字都是我自己開啟 SIEPR 原始網頁、讀全文抄下來的，不採用媒體轉述或搜尋引擎摘要——這點很重要，因為這個題目的二手報導普遍只引對自己論點有利的半句。②我沒有逐篇讀完簡報引用的 30 多份原始論文，本文對那些研究的描述以簡報的轉述為準，若你要拿去做決策，建議回頭讀原論文。③這是美國資料，本文明確不推論到台灣的量化結論。④「AI 造成年輕人失業」這個因果目前尚無定論，本文完整呈現了報告自己列出的反面證據（升息早於 ChatGPT、疫情過度招聘、遠距工作、加入控制變因後下滑要到 2024 年才明顯），沒有只挑支持結論的部分。⑤導入 AI 公司員工成長 10% 是相關性研究，不是因果，我在文中已標明。⑥企業採用率 20%／40%／80% 三個數字方法與樣本不同，不可直接比較，報告本身也有此警語，我保留了。⑦文中的台灣現場例子是多場課堂樣態的整理，不指涉特定客戶或個人。⑧Dario Amodei 的預測（AI 可能砍掉一半白領工作、失業率 20%）是轉引自這份簡報的引述，我沒有回頭核對他的原始發言脈絡。
數據說現在還沒發生，意思是你還有時間換位置
想自己先看懂：我的電子報每週一篇，把這類研究讀完原文再翻成能用的判斷 → startupforyou.substack.com
如果你是主管：四成員工在用、兩成公司有導入——這個縫隙裡藏的是資料外洩和訓練斷層兩個風險。我的企業內訓有一個模組專門帶團隊把使用規範和新人養成路徑重新畫一次，課堂上就產出貴公司自己的版本。想聊聊寫信到 ai@autolab.cloud，或看看 AI 顧問教練團。
關於作者
黃敬峰（AI峰哥／阿峰老師），企業 AI 實戰培訓專家，服務客戶包含國泰人壽、工研院、士林電機、中嘉寬頻、電通、城邦媒體等。聯絡方式：ai@autolab.cloud