AI的「能」與「不能」：就業風險評估圖

AI的「能」與「不能」：就業風險評估圖

在評估AI會取代哪些工作時，並不適合用傳統「低技能」 vs. 「高技能」的單面向角度來分析，要看實際的工作內容而定，AI會創造出一批不同的贏家和輸家。在一些能夠用資料優化的狹窄任務，AI的表現遠遠優於人類，但它仍然無法自然地與人類互動，肢體動作也不像人類那麼靈巧，做不到需要創意的跨領域思考，或是需要複雜策略的工作，因為這些工作的投入要素和結果，並無法輕易量化。下面我用兩張圖來解釋一下，第一張分析認知勞動的工作，第二張分析體力勞動的工作。

認知勞動的工作

在下面那張體力勞動分析圖上，X軸的左邊是「低技能、結構化環境」，右邊是「高技能、非結構化環境」；Y軸的下端是「弱社交」，上端是「強社交」。在認知勞動的分析圖上，Y軸的上下一樣，從「弱社交」到最上頭的「強社交」，但X軸不同，從最左邊的「可用資料優化型」，到最右邊的「創意或策略型」。認知勞動的核心任務，如果涉及可用資料最優化的變數，例如決定最適合的保險費率，或是將退稅金額最大化等，就可以歸類為「可用資料優化型」的職業。

體力勞動的工作

X、Y軸把兩張圖分成四個象限：左下是「危險區」，右上是「安全區」，左上是「結合區」，右下是「慢變區」。落在「危險區」的工作，例如洗碗工、初級翻譯人員等，在未來幾年被取代的風險很高；落在「安全區」的工作，例如心理醫師、居家看護等，在可預期的未來比較不可能被自動化。落在「結合區」和「慢變區」的工作，被取代的風險則是不一定，雖然目前不會被完全取代，但工作內容重整、技術穩定進步，都可能導致工作機會大量減少。後文會再討論，一份工作除了核心任務之外，通常還有很多不同的活動，這讓很多職業的自動化變得相當複雜。但就現在來說，我們可以使用這些劃分來思考、討論，哪些職業可能會被機器取代。

結合區的工作

在左上角的「結合區」，很多偏向計算性質或體力性質的工作，已經可以由機器執行，但關鍵性的社交互動成分，使它們難以全面自動化。「結合區」這個名稱，反映出這個象限的工作如果自動化最可能的形式：幕後的優化工作由機器執行，人類變成跟顧客互動的社交媒介，人類和機器形成協作關係。「結合區」的工作，可能包括酒保、學校教師，甚至醫療照護者。這些工作被機器取代的速度有多快、有多少比例會消失，取決於公司改造職務內容的彈性，以及顧客和電腦互動的程度有多開放。

慢變區的工作

在「慢變區」的工作，例如管線工、建築工、初階美術設計等，並不仰賴人類的社交技巧，但需要人類的靈巧度、創造力，或適應非結構化環境的能力。這些能力對目前的AI來說還是顯著障礙，未來技術會慢慢克服這些障礙。這個象限的工作被取代的速度，主要取決於AI能力的實際擴展，不是公司內部的流程創新。「慢變區」最右下角，是創意專業人士（例如科學家、航太工程師等），運用AI來加速自身進步的大好機會。

結論

這兩張圖大致上讓我們了解，哪些種類的工作有被AI取代的風險，但經濟體系的就業情形又是如何呢？我們先來看看經濟學家的觀點。

學者研究怎麼說？

預測AI導致的工作流失規模有多大，已經變成全球經濟學家和顧問公司的基本功課。要看使用的是什麼模型，得出的預測結果從令人嚇得寢食難安，到完全都不用擔心都有。我在這裡簡單帶過幾份報告，介紹一些引發熱議的研究結果。針對中國市場做的好研究很少，所以我介紹的主要是針對美國市場做的研究和估計，再用那些結果來推測中國市場的可能情形。

牛津大學的報告

2013年，牛津大學兩位研究人員，發表了一份研究報告，做出可怕的預測：在未來十到二十年內，美國有47％的工作可能被自動化。[17]這篇報告的作者卡爾．弗瑞（Carl Benedikt Frey）和麥克．奧斯朋（Michael A. Osborne），請機器學習專家評估70種職業在未來被自動化的可能性，再把這些評估資料和一張機器學習主要的「工程瓶頸」清單（特徵類似「安全區」的工作）結合起來，然後用機率模型預測另外632種職業被自動化的可能性。

他們得出的結果是，在未來十到二十年內，美國有近半數的工作非常危險。這樣的結果一出，當然引發了不小的騷動。兩人特別審慎提醒，不要過度引申他們的結論；最重要的是，這是在評估哪些工作「在技術上可以」由機器執行，不是實際的工作流失，或是導致的失業規模。但是，後續的媒體報導，基本上沒有說明這些重要細節，而是警告閱聽群眾：有半數的工作者，很快就會失去工作。