AI 正在減少哪些工作機會？從 Bill Gates 的 AI 稅看 ChatGPT 問世近四年的就業變化
2022 年 11 月，ChatGPT 進入大眾視野。將近四年後，AI 已經能撰寫文案、整理資料、回答客戶問題，也能協助開發程式。但當初最令人不安的問題，仍然沒有簡單答案：AI 究竟取代了多少人的工作？
目前的證據呈現出一幅不均勻的圖像。部分接案市場已經出現需求下降，美國某些高 AI 暴露職業的年輕工作者，也面臨較大的就業壓力。然而，研究尚未一致證明，生成式 AI 已造成整體經濟廣泛的工作流失。
值得注意的是，影響不一定從解僱開始。企業可以減少外包、讓離職者的職位不再補人，或縮減下一批新人的招聘名額。對仍然在職的人來說，公司似乎沒有太大變化；對準備踏入職場的人來說，入口卻可能正在縮小。
這也是 Bill Gates 近來談論 AI 稅與工作保障時，最值得放回現實資料中檢視的問題。
Gates 的轉變：期待技術進步，也要求處理分配問題
Gates 長期看好 AI 對醫療、教育與生產力的幫助。到了 2026 年 8 月 26 日，他在 GatesNotes 發表〈The turbulent AI era is here. The choices we make now are critical.〉，更強烈地警告：即使 AI 帶來巨大好處，轉型仍可能伴隨嚴重的社會與經濟動盪。
這不表示他放棄了對技術的期待，而是將問題轉向：如果同樣的商品與服務，可以用更少的人力生產，誰能取得收益？失去工作或收入的人，又由誰協助？
他提出三個方向：建立能跨部門處理 AI 問題的國內與國際制度；將部分工作或任務保留給人類；以及重新調整人力與資本的課稅方式。
Gates 認為，雇主聘用員工須負擔薪資相關稅費，購買機器設備卻可能享有費用扣除等待遇，稅制因此可能強化企業以機器替代人的誘因。他主張對 AI token 與機器人課稅，用來支援再培訓與社會安全網，同時避免阻礙讓醫療、教育更便宜的有益應用。[1]
這是一項政策主張，尚不是已被就業研究證明有效的解方。要評估它，得先看 AI 對工作造成了什麼變化。
最早的衝擊，出現在容易分包的數位工作
比起大型企業內部的長期職位，線上接案市場調整得更快。客戶原本需要委託別人撰寫短文、製作圖片或完成簡單程式，現在可以先讓 AI 嘗試；只要成果符合需求，那一筆委託就可能不再出現。
Hui、Reshef 與 Zhou 的早期研究發現，ChatGPT 推出後，Upwork 上從事寫作相關服務的接案者，每月工作數下降約 2%，月收入下降約 5.2%。這是特定平台與研究期間的估計，不能推廣成所有寫作者的收入變化。[2]
另一項由 Demirci、Hannane 與 Zhu 進行的研究，從工作刊登需求觀察衝擊。ChatGPT 推出後八個月內，容易自動化的寫作與程式相關工作刊登量，相對於需要較多人工操作技能的工作下降約 21%；圖像生成工具推出後，圖像製作相關刊登量也下降約 17%。[3]
這兩組數字不能直接相比：前者觀察接案者的工作與收入，後者衡量平台上的工作需求。但它們都指出，部分原本可以出售的數位勞務，已經受到替代壓力。
同時，後一項研究發現，留下來的相關案件更複雜、報酬較高。市場並不是把所有工作一起消除，而可能先削減容易標準化的部分，並提高剩餘工作的要求。
哪些工作類型受到的影響最大？
職業別研究已經提供一些較清楚的答案，但要先區分三種指標。「任務暴露度」衡量工作內容有多少可能受到 AI 影響；「實際使用」觀察人們已經讓 AI 協助或自動完成什麼；「勞動市場結果」才是在看案件、招聘、就業與收入是否改變。前兩者不能直接換算成失業機率。
ILO 在 2025 年更新的全球職業暴露研究，結合職業任務資料、工作者調查與專家評估，指出文書職業仍是暴露程度最高的職業群；部分高度數位化的專業職業，其暴露程度也比 2023 年提高。[16][17]
Microsoft Research 則在 2025 年分析約 20 萬筆匿名 Copilot 對話，將實際活動對照職業任務，發現資訊蒐集與寫作是常見用途；電腦與數學、辦公行政，以及以資訊溝通為主的部分銷售職業，具有較高的 AI 適用程度。這項研究衡量工具可以參與哪些活動，並未估計這些職業將減少多少人。[18]
將這些結果與 Anthropic 的使用研究合看，受影響較集中的工作大致包括以下類型。這是跨研究整理，不是同一尺度的取代風險排名。[17][18][19]
| 工作類型 | 研究列出的職業或活動 | 主要受影響內容與證據 |
|---|---|---|
| 行政文書與資料處理 | 資料輸入員、打字員、行政秘書、會計與簿記文員 | ILO 列為高暴露職業，主要涉及資料與文件處理 |
| 客服與資訊回覆 | 客服代表、提供資訊與協助 | Anthropic 觀察到大量相關任務使用；客服實證另顯示生產力提升 |
| 程式與網站開發 | 程式設計師、應用程式與網頁開發者 | 多項研究列為高暴露或高適用職業；部分接案需求已下降 |
| 文字與圖像製作 | 寫作、資訊蒐集、圖像製作案件 | 實際使用普遍，線上接案研究已觀察到部分需求下降 |
| 金融與商業分析 | 金融分析師、投資顧問 | ILO 指出專業任務的暴露程度提高，但不等於整個職位可取消 |
| 銷售與資訊溝通 | 以提供、解釋及傳達資訊為主的銷售工作 | Microsoft 研究發現，AI 能協助完成這類工作中的資訊整理、內容撰寫與問題回覆等任務 |
75% 的任務覆蓋，不是 75% 的人將失業
Anthropic 於 2026 年 3 月發布研究，結合美國 O*NET 職業任務資料、Claude 使用資料與模型能力估計，建立「觀察到的暴露度」指標。程式設計師的任務覆蓋指標約為 75%，資料輸入員約為 67%，客服代表也位於最高暴露職業之列。[19]
這些比例需要小心閱讀。研究將職業內各項任務依時間比重加權，並對自動完成與輔助使用給予不同權重。因此，75% 並不表示全產業已有四分之三的程式工作被自動化，更不表示四分之三的程式設計師將失業。Claude 的平台資料也不能代表所有企業與所有 AI 工具。
高暴露職業仍可能需要人類處理背景理解、例外、品質審查、責任承擔與跨部門協調。真正影響人力需求的，是剩餘任務如何重新組合，以及企業是否因此擴大服務或縮減人力。
已觀察到的需求下降，集中在哪裡？
若只看勞動市場結果，目前較直接的證據包括前述線上寫作、程式與圖像接案需求下降。[3] 但這些是平台案件變化，不能視為相應職業的全球就業減幅。
綜合上述研究，可以歸納出一個共同特徵：受影響較早的工作，往往以文字、數字、程式或圖片為主要原料與成果，而且任務容易切分、可用範例引導，也相對容易檢查。這是跨研究的歸納，並非判定每個職位是否會消失的公式。
因此，不能只用「低技能」解釋這波變化。程式開發與金融分析等專業工作同樣具有高暴露度；工作是否高度數位化、哪些任務可以拆出來自動化，以及企業如何重新配置人力，同樣重要。
AI 讓人做得更多，不代表一定會裁員
企業採用 AI，最直接的效果通常是工作流程與生產力改變，而不是立刻取消整個職位。
2025 年刊於《Quarterly Journal of Economics》的研究，追蹤 5,172 名客服人員，發現 AI 輔助使每小時解決問題數平均提高約 15%，較缺乏經驗的工作者受益尤其明顯。這套系統提供建議，人類仍負責對話；研究也明確指出，它不能回答整體勞動需求或薪資將如何變化。[4]
效率提升之後，企業可以選擇承接更多客戶、改善服務，或減少未來增聘人數。究竟走向哪一條路，還取決於需求能否成長、服務品質、競爭與組織決策。
Klarna 的客服助理是另一種部署方式。公司在 2024 年 2 月宣稱，AI 助理首月處理約 230 萬次對話，占客服聊天約三分之二，工作量相當於 700 名全職客服。這是公司的工作量估算，不能直接寫成「AI 解僱了 700 人」。[5]
因此，判斷取代程度時，不能只看 AI 產出了多少內容，還要計入查核、返工、例外處理與品質成本。任務完成得更快，和整個職位可以取消，仍然是兩回事。
年輕人的壓力，可能先出現在招聘入口
美國近年的一項重要訊號，來自 Stanford Digital Economy Lab 的〈Canaries in the Coal Mine?〉研究。
2026 年 8 月更新版本使用 ADP 薪資資料，追蹤至同年 6 月。研究發現，22–25 歲工作者在高 AI 暴露職業中的就業，比依照同齡低暴露職業成長趨勢推算的基準低約 19%；資深工作者沒有出現相同程度的落差。調整主要來自年輕人的聘用減少，而非離職或解僱增加。[6]
這裡的 19% 是相對就業落差，不是「19% 的年輕人被 AI 解僱」，也不是兩類職業的就業率相差 19 個百分點。作者明確提醒，這些描述性結果不能單獨確定有多少變化由 AI 造成。
研究還發現，就業下滑較集中於 AI 被用來自動化任務的職業；以輔助工作者為主的職業，就業相對穩定。這支持一個重要判斷：影響不只取決於 AI 能力，也取決於企業如何使用它。
對新人而言，風險可能是原本用來學習的工作減少了。初稿、例行分析、基本客服與簡單程式，既是企業需要完成的任務，也常是新人累積經驗的起點。若企業保留資深人員，卻把入門任務交給 AI，如何培養下一代專業人才，就會成為新的問題。這是由研究結果引出的組織與教育議題，並非研究已證明的必然結果。
南韓也有類似訊號，但不只有「不再招人」
南韓央行於 2026 年 8 月發布的研究指出，2022 年 6 月至 2026 年 6 月，青年就業減少約 28.5 萬人，其中約 26.8 萬人、也就是 94%，集中於高 AI 暴露產業。部分相同產業中，五十多歲工作者的就業仍持續增加。[7]
按產業觀察，同期資訊服務業的青年就業下降約 31.4%、出版業下降約 27.4%、電腦程式設計業下降約 16.6%，專業服務業下降約 11.6%。這些是產業中的青年就業變化，不是個別職業的 AI 取代率，也不能與平台案件減幅直接相比。[7]
然而，南韓研究也發現，青年就業下降同時包含招募減少與離開就業增加。因此，不能把美國研究中的招聘機制，寫成所有國家共同的唯一途徑。
央行同樣提醒，這些模式並不能證明 AI 造成近期青年就業疲弱。疫情後過度招聘的修正、企業偏好資深員工、內部培訓減弱等，都可能參與其中。AI 也可能是在加速原有變化，而非單獨引發衝擊。
裁員公告增加，仍不等於已算出 AI 的取代人數
Challenger, Gray & Christmas 統計顯示，2025 年美國企業公告中以 AI 為由的預計裁員為 54,836 人；2026 年前九個月則達 120,136 人，約占該機構追蹤裁員公告的 21%。[8][9]
這顯示 AI 在企業縮編敘事中的重要性提高。但這項統計記錄的是公告與企業提出的理由，不是逐筆驗證 AI 已接手哪些工作，也不是全美所有實際解僱的完整普查。
同一份 2026 年 9 月報告指出，前九個月整體裁員公告總數比前一年同期下降約 39%。所以，「以 AI 為由的裁員增加」與「整體裁員減少」，可以同時成立。[9]
Oracle 的年報提供了較正式的企業證據。2026 財年末，公司員工約 14.1 萬人，低於前一年的約 16.2 萬人；公司也將 AI 導入列為組織重整與效率改善措施的一部分。[10] 但員工淨減少約 2.1 萬人，不能直接等同於 AI 取代了 2.1 萬人，因為年報未將所有人力變動逐項歸因。
為什麼另一些研究仍看不到明顯衝擊？
支持局部取代的證據之外，也存在必須正視的反方結果。
丹麥研究將約 25,000 名工作者、11 類 AI 高暴露職業的調查與行政資料連結，觀察至 2024 年底，尚未發現 AI 聊天工具對平均收入或工時造成明顯影響，並可排除超過約 2% 的平均效果；工作內容重組與職業轉換則已經出現。[11]
美國聯準會研究人員在 2026 年 3 月分析企業 AI 採用與招聘資料，也尚未發現採用程度較高的企業或產業，其總職缺刊登量因此下降。他們同時承認，企業可能減少某些職業的招聘，卻增加其他職位，使總量掩蓋內部調整。[12]
這些結果不必然與史丹佛研究矛盾。各研究觀察的國家、期間、年齡與指標不同。在職者平均收入不變，可能與新人更難進入特定職業同時發生；企業總招聘不減，也可能與初階職缺減少並存。
比較準確的說法是：部分市場已有替代與招聘壓力，但尚不能把所有就業疲弱都歸因於 AI，更不能據此宣告全面失業已經到來。
就業資料能支持 Gates 的 AI 稅嗎？
上述證據支持及早討論轉型政策，卻不足以直接證明 token 稅就是最佳選擇。
Gates 提出的問題有其重要性：如果企業可以用更少人力創造收入，政府可能需要重新思考如何維持公共服務與轉型支持。但「勞動所得稅基可能承壓」仍是一種需要檢驗的風險，不是目前資料已證明的全球結果。生產力提升也可能增加產出、其他職業需求與其他稅收。
token 稅的困難則是，它不容易區分用途。同樣的用量，可能是協助醫師整理病歷，也可能是取代文書工作；可能讓小企業增加服務，也可能讓大型企業縮編。按用量課稅，未必能精準對應人力替代。
自建與本地模型也會增加用量衡量、估值與查核難度，但不能直接說它們必然免稅。是否納入，取決於法律如何定義課稅對象與行為。
2026 年 8 月 6 日提出的美國 H.R. 10044《AI Tax and Work Protection Act》，就是一項具體嘗試。法案擬對符合法定條件的業者課稅，以受涵蓋交易的 token 公允市值與 AI 服務交易對價，分別乘以適用稅率後取較高額，並設置工作創造與勞工支持機制。[13]
法案也納入部分企業自用或關係企業使用模型、且導致人力減少的情況。因此，它不是單純對商業 API 帳單加稅。這份提案仍須經立法程序，不能寫成已生效的制度，也不能直接等同於 Gates 的政策構想。
台灣需要觀察的，是實際用人變化
台灣工作者的焦慮已經可以從調查看見。1111 人力銀行與台北市勞動局 2026 年調查顯示，受訪者對工作遭 AI 取代的擔憂平均為 6.29 分，滿分 10 分；並預估平均 2.56 年內，自己的工作內容會明顯受影響。[14]
但這是主觀預期，不是 AI 將在 2.56 年內取代工作的科學預測。受訪者認為翻譯、行政文書、美編與文案較容易被取代，也不能當作這些職業的實際流失比例。
另一面，1111 資料顯示，2023 至 2025 年應徵 AI 相關職缺的人數增加約 102.9%，2026 年第一季相關工作機會接近 3.5 萬筆。[15] 這表示市場正在調整，但應徵人數增加不等於職缺成長率，更不能證明新增機會足以承接所有受影響者。
台灣接下來需要追蹤的，是企業導入 AI 後，初階錄用、外包支出、離職後補人比例、工時與薪資如何變化。對轉職者來說，重點也不只是有沒有新工作，而是新職位的待遇、地點與資格，是否讓原本受影響的人有機會進入。
問題已從「AI 會不會做」，走向「人如何取得收入與經驗」
ChatGPT 問世近四年，AI 對工作的影響已經超出能力展示。部分外包需求下降、某些初階職業就業承壓，以及企業將 AI 納入縮編決策，都值得認真看待。
但證據仍要求我們保留界線：高暴露不等於已被取代，招聘減少不一定全由 AI 造成，企業宣稱的效率也不等於已驗證的人力替代。更不能用一項研究，替所有國家與職業下結論。
Gates 的主張把問題帶向分配與制度。如果更少的人可以生產更多，社會如何讓生產力收益轉化為更好的生活？可以討論稅制、安全網、縮短工時、培訓或保留部分人類服務；每種政策都需要說明受益者、成本與執行方式。
對勞動市場而言，最值得追問的已不只是「今天有多少人被開除」，還包括：明年還有多少新人能進來？他們在哪裡累積經驗？而被重新分配的工作與收益，最後流向了誰？
參考資料
- Bill Gates：The turbulent AI era is here. The choices we make now are critical.
- WashU Olin：Study: AI tools cause a decline in freelance work and income—at least in the short run
- Demirci、Hannane、Zhu：Who Is AI Replacing?
- Brynjolfsson、Li、Raymond：Generative AI at Work
- Klarna 公司新聞稿：AI assistant handles two-thirds of customer service chats in its first month
- Stanford Digital Economy Lab：2026 年 8 月 Canaries 研究更新
- 南韓央行：Who Moved the Career Ladder? AI and Youth Employment in Korea
- Challenger：2025 年終報告
- Challenger：2026 年 9 月報告
- Oracle：2026 財年 Form 10-K
- Humlum、Vestergaard：Large Language Models, Small Labor Market Effects
- 聯準會：AI Adoption and Firms’ Job-Posting Behavior
- H.R. 10044：AI Tax and Work Protection Act，提案全文
- 1111：2026 上班族 AI 焦慮與職涯準備調查
- 1111：AI 相關職缺應徵人數與工作機會資料
- ILO：Generative AI and Jobs: A Refined Global Index of Occupational Exposure
- ILO：Generative AI at work: What it means for jobs in Europe and beyond
- Microsoft Research：Working with AI: Measuring the Applicability of Generative AI to Occupations
- Anthropic：Labor market impacts of AI: A new measure and early evidence
No comments:
Post a Comment