設計思考 Design Thinking 2026-07-1576

兩百位經濟學家承認看不清楚—但企業卻悄悄在搶人

讀完這篇，你會知道：

超過 200 位頂尖經濟學家（含 16 位諾貝爾獎得主）聯署聲明，坦承對 AI 的經濟衝擊「完全看不清楚」
同一時間，重度投入 AI 的企業人頭數反而成長 10.2%，頂尖 AI 採購者的初階職缺甚至增加 12%
這兩個訊號同時存在，揭示我們身處一個「頭條看起來平靜、底層劇烈震盪」的過渡時代

思考的起點

二○二六年七月十三日，一份只有 88 個字的聲明在全球媒體引爆討論。

簽署者包括 200 位以上的頂尖經濟學家、16 位諾貝爾獎得主，以及 OpenAI 和 Anthropic 的首席經濟學家。這份聲明的名字叫做「We Must Act Now（我們必須立刻行動）」。

但最令人意外的，不是他們發出警告—而是他們警告的內容：我們不知道接下來會發生什麼。

維吉尼亞大學經濟學家 Anton Korinek 用一個比喻描述當前處境：「你基本上是在駕車衝進大霧裡。」史丹佛大學的 Erik Brynjolfsson，這份聲明的主要組織者，說得更直接：「我們正在以盲目的姿態，飛向人類歷史上最關鍵的時代之一。」

同一天，另一批數據悄悄出現在財經媒體上：那些對 AI 投入最深的企業，人員不減反增。

兩個訊號，同時出現，指向完全相反的方向。這就是我們現在身處的世界。

當最懂數字的人說「我不知道」，代表什麼？

在台灣，每隔一段時間就會出現這樣的話題：「AI 會取代哪些工作」「哪些職業最危險」。這些問題背後，有一個隱隱約約的假設：全球最頂尖的研究者應該已經知道答案了。

但「We Must Act Now」這份聲明，正是一群原本被寄望提供答案的人，集體承認「我們也不確定」。

這並不是沮喪或投降。這是一個信號密度更高的警告。

Brynjolfsson 解釋，問題的核心在於我們缺乏足夠即時、足夠細緻的數據來追蹤 AI 的真實影響。他的團隊因此與美國最大薪資軟體服務商 ADP 合作，建立了一套叫做「金絲雀儀表板（Canaries Dashboard）」的即時追蹤系統，涵蓋超過 460 萬名工作者、730 種以上的職業類別。

名字來自礦坑裡的金絲雀—牠們是最先感應到危險的預警生物。

這套儀表板目前顯示的數據令人不安：在 AI 高度暴露的職業中，22 至 25 歲的年輕工作者，就業人數每年縮減超過 4%。但這個趨勢在整體就業數字裡完全看不出來—因為其他年齡層和其他產業還撐著。

Brynjolfsson 說，這正是「霧中行車」的危險所在：你看到的大盤數字是平靜的，但底層正在悄悄移動。

Apollo Global Management 首席經濟學家 Torsten Slok 沒有簽這份聲明，他認為「AI 暴露程度」這個核心概念本身就有爭議—至少有五種不同的測量方式，而這五種方式在最關鍵的地方給出最分歧的答案。這不是否認問題，而是揭示了另一層困難：連問題本身，我們都還沒有共識。

MIT 諾貝爾獎得主 Daron Acemoglu 的轉變尤其值得關注。他長期是學術界最嚴謹的 AI 樂觀論批評者，卻在這次聯署了聲明。他說，如果 AI 對白領工作的衝擊，像機器人對工廠的衝擊一樣—只是速度快上十倍—「那對很多人的生計來說，代價將非常巨大。」

那些「搶人」的企業，在看什麼？

就在這份聲明發布的同一時間段，另一批數字正在悄悄堆積。

企業卡片服務商 Ramp 與勞動力分析公司 Revelio Labs 追蹤了美國 21,559 家企業，從 2021 年到 2026 年 2 月的完整數據顯示：高度 AI 投入的企業，在採購 AI 工具後的兩年內，整體人員成長了 10.2%；而低度投入者的人員數量則沒有顯著變化。

更值得注意的是：在高度 AI 投入的企業裡，初階職缺的人數增加了 12%。

這個數字和「AI 正在消滅初階工作」的直覺印象，是相反的。

PwC 的 2026 年全球 AI 工作晴雨表，從 27 個國家、超過 10 億筆職缺資料中得出結論：AI 能力最強的企業，以 2018 年為基準，到 2025 年人員成長了 52%；相比之下，AI 暴露程度最低的企業只成長了 36%。

IBM 宣布 2026 年在美國的初階招聘將增加三倍。其人資長 Nickle LaMoreaux 說，公司重新定義了初階軟體開發職的工作內容—過去兩三年交給新人做的例行程式碼工作，現在大部分已由 AI 完成；現在的初階開發者，花更多時間直接面對客戶。Dropbox 同樣計畫將實習和應屆畢業生招募擴大 25%，理由是年輕工作者對 AI 工具更自在。

澳洲最大銀行 CBA 曾裁減超過 40 名客服人員，改用 AI 語音機器人。結果系統無法處理實際工作量，客訴電話反而增加，最終不得不把人找回來。銀行後來坦承，當時「沒有充分考慮所有相關的業務因素」。

這些案例背後，隱藏著一個關鍵分歧：把 AI 用來「取代人」的企業，和把 AI 用來「讓人做更多事」的企業，正在走向截然不同的結果。

為什麼數字同時指向兩個方向？

看到這裡，你可能覺得矛盾：既然 AI 讓企業在搶人，為什麼那份聲明還要說「我們在霧中行車」？

兩件事都是真的，因為它們描述的不是同一個現象。

Brynjolfsson 的金絲雀儀表板看到的，是特定年齡層（22–25 歲）在特定職業類別（AI 高度暴露）的就業收縮，而且這個訊號每個月都在持續擴大。這不是大規模裁員，而是一種隱性的「不再招進來」—入門門檻在悄悄升高。

PYMNTS 和 Ramp/Revelio Labs 追蹤的，是高強度 AI 採購者的整體人員成長，這些企業在各職能層級都在擴張，但需要的是能與 AI 協作的人，而不是重複執行例行任務的人。

哈佛商業評論的數據提供了另一個視角：在宣稱以 AI 為由裁員的大型企業中，有 60% 是基於「對 AI 的預期」進行裁員，只有 2% 是在 AI 真正證明可以承接這些工作之後才裁員。換句話說，大部分打著 AI 旗號的裁員，其實是後疫情時代的過度招聘修正，AI 只是一個說法，因為對投資人來說，這樣說比較好聽。

所以我們看到的是三個同時發生的真相：
第一，AI 正在悄悄關上某些職業的初階入口，特別是認知性、可預測性高的任務。
第二，AI 正在打開新的職位，對能與 AI 協作的人，機會反而在增加。
第三，現有的數據工具還無法清楚辨別哪些是哪些—這就是那份聲明想說的核心。