當機器學會履歷　誰還記得工人的名字？

▲AI 時代的殘酷，不一定以失業海嘯的形式來臨；更可能像煙霧，先進入履歷、面試、績效考覈、軟體訂閱、電費帳單與第一份工作。（示意圖／路透）

●江岷欽／世新大學管理學院院長

華盛頓的舞臺燈光下，美國代理勞工部長基思·桑德林 (Keith Sonderling) 說出一句近乎神諭的話：「現在與未來，每一份工作都會有 AI 成分。」這句話聽起來像進步，也像判決。它沒有宣佈人類即將被機器逐出工廠，卻更安靜地宣佈：人類若想留下，必須學會用機器證明自己仍值得留下。

AI 時代的殘酷，不一定以失業海嘯的形式來臨；更可能像煙霧，先進入履歷、面試、績效考覈、軟體訂閱、電費帳單與第一份工作。它不必大聲說「你被取代了」，只要溫柔地告訴你：「你的技能需要更新。」在這句話裡，進步與羞辱握手，效率與不安同桌吃飯。

這是 AI 時代第一個冷笑話：矽谷能用模型預測一句話的下一個字，國家卻未必知道一個人失業的真正原因。裁員可以叫效率，職位消失可以叫重組，外包可以叫敏捷化；而 AI，則成了最時髦也最方便的煙霧彈。當政府承認自己也看不清 AI 究竟取代了多少工作時，這不是技術治理的謙卑，而是制度視力的警訊。

美國勞動市場表面仍未崩塌。總體失業率沒有演出末日劇本，職缺仍然存在，薪資仍在部分產業上升，橋樑沒有斷，燈也沒有全熄。但總體數字像一張從高空拍攝的城市照片，宏偉得剛好看不見街角那個拿着履歷、投了五十封信卻沒有一場面試的年輕人。

AI 尚未殺死所有工作，卻已經開始改寫工作的入口。過去，年輕人用第一份工作學會職場；今天，第一份工作本身正在被自動化、外包化與壓縮化。企業說 AI 讓人更有效率，但效率最先吃掉的，往往不是資深主管的判斷，而是新人犯錯、摸索與成長的空間。機器沒有搶走所有工作；它只是先搶走年輕人學會工作的機會。

於是，大學生開始尋找所謂「AI附帶主修」(AI-proof majors)。商業分析、資料科學、電腦科學這些曾經被視爲中產保險箱的科系，突然也被迫學會謙卑。有人從分析轉向行銷，有人從資料科學轉向藝術，有人繼續讀研究所，彷彿多留在校園一年，就能等到霧散。可是霧不一定會散。「AI附帶主修」可能從來不是一個科系，而是一組能力：理解技術、使用技術、質疑技術，並在技術無法負責的地方，替人類保留判斷。

AI 對勞動市場最大的危險，不只是替代，而是篩選。它像一座城堡前慢慢收起的吊橋：城堡還在，燈火仍亮，裡面甚至還缺人；但年輕人越來越難進門。企業仍然招募，但招募的是「已經會使用 AI 的新人」；學校仍然授課，但學生擔心自己所學在畢業前已折舊；政府仍然談技能訓練，但訓練往往追在產業變化之後喘氣。

這一幕有歷史迴音。上一次政治菁英如此虔誠地談「再培訓」，是在全球化與自由貿易的黃金年代。工廠關閉，城鎮空心化，人們被告知新工作會來。後來新工作確實來了，只是常常沒有來到同一個人、同一座城、同一種尊嚴身上。

全球化曾經把工人送去上課，卻未必把未來送回他們身邊。AI 若不受治理，也可能複製同樣的冷酷：收益集中於模型公司、雲端平臺與資本市場；轉型成本則交給工人、家庭、學校與地方政府。

所謂「終身學習」在簡報上像美德，在低薪者身上卻常是另一種無薪加班。當政治人物說「你需要提升技能」，有時真正的意思是：制度不打算爲你的落後負責。這不是教育政策，而是責任轉嫁的修辭藝術。

AI 看似住在雲端，實際住在水泥、電網、冷卻水、銅線與焊點裡。它需要晶片，也需要電；需要模型工程師，也需要電工、焊工、冷卻系統技師與建築工。這一點戳穿了白領社會的幻覺：AI 帝國不是隻靠提示工程師撐起來的，它也靠戴安全帽的人把電接上。

資料中心正成爲新時代的工廠，只是煙囪換成了冷卻塔，它的煤炭換成了電力合約，它的工人不一定站在流水線前，而可能在高壓電纜、變電站與伺服器機櫃之間工作。當 AI 公司宣稱自己創造未來時，真正支撐未來的人，可能正在烈日下鋪設管線。文明總愛讚美雲端，卻忘記雲端下面也有鋼筋。

因此，學徒制重新被包裝成國家戰略。這可以是機會，也可以是陷阱。若學徒制通往可攜技能、穩定薪資、職涯階梯與議價能力，它是民主社會對年輕人的承諾；若它只是企業取得廉價勞力的漂亮名片，它便是「邊學邊賺」的暗黑版本：邊做邊等，等一張永遠延後的正式聘書。

▼AI 對勞動市場最大的危險，不只是替代，而是篩選。（圖／路透）

晚近，「AI 素養」是大學校園裡最動聽也最危險的詞。若它意味着讓護士、教師、技工、行政人員理解 AI 的能力與限制，它就是民主化工具；若它只是訓練勞工配合軟體、接受監控、修補模型錯誤，它就成了新的服從術。

真正的 AI 素養，不是會下提示詞而已。它至少包含五種能力：知道 AI 能做什麼，知道 AI 不能做什麼，知道 AI 何時出錯，知道誰應該爲錯誤負責，並且知道如何拒絕不合理的自動化命令。若一名員工只能按下系統要求的按鈕，卻不能質疑係統的判斷，那不是素養，而是馴化。

AI 的政治經濟問題從來不只是「效率會不會提高」，而是「紅利由誰拿走」。誰擁有模型？誰提供資料？誰承擔錯誤？誰支付電費？誰因晶片漲價買不起電腦？誰因軟體加入 AI 功能而被迫支付更高訂閱費？誰在資料中心附近承受電網與水資源壓力？若這些問題不由民主政治回答，就會由資本市場回答。而資本市場一向擅長效率，不擅長憐憫。

AI 曾經被宣傳爲降低成本的技術奇蹟，但它的早期帳單已經寄到普通人家門口。記憶體晶片因資料中心需求大增而漲價，消費電子產品被迫承擔成本；資料中心用電推高電價，家庭與中小企業共同吸收電網升級費用；軟體公司把 AI 功能包進訂閱方案，再用「更聰明」的名義提高價格。

這正是技術外部性的古老劇本。科技巨頭投資 AI，股東享受估值，平臺擴大壟斷，城市得到幾張動人的招商簡報；而普通人得到的，可能是更貴的電費、更高的軟體月租、更稀缺的電子產品，以及一個被告知「你應該學會適應」的未來。

AI 的紅利屬於未來，但 AI 的成本屬於現在。更諷刺的是，許多沒有使用 AI 的人，也正在替 AI 付費。當一位家庭主婦支付更高電費，當一間小企業支付更貴會計軟體，當一名學生髮現筆電價格上升，他們都被捲入這場名爲創新的徵稅。這不是政府徵稅，卻像一種由市場執行的 AI 稅。

事實上，招聘是 AI 最早進入普通人命運的地方。履歷被掃描，語氣被評分，表情被量化，升遷與薪資被模型建議。支持者說，若 AI 透明、設計良好、審慎使用，甚至可能降低人類偏見。這並非荒謬；人類主管從來不是公平的天使。但演算法也不是正義女神。它常只是把過去的偏見洗成數據，把權力藏進介面。

真正的問題不只是模型準不準，而是誰能申訴、誰能看見理由、誰能要求人工覆核。若一個人被機器拒絕，卻連被誰拒絕、爲何拒絕、如何更正都不知道，那不是效率，而是披着效率外衣的行政幽靈。

民主社會不能允許履歷變成獻給演算法的祭品。工作不是單純的資料匹配，而是社會承認一個人能力、時間與尊嚴的方式。當機器學會閱讀履歷，人類更應該學會閱讀機器；當模型開始決定誰值得面試，制度更應該要求模型接受審問。

美國的 AI 勞動政策如今站在兩種敘事之間。一種是產業敘事：速度、競爭、國家安全、全球領先。另一種是民主敘事：工作尊嚴、社會流動、反歧視、公共問責。前者聲音大，資本厚，簡報精美；後者聲音慢，程序繁，卻是自由社會不墜入技術封建的最後護欄。

真正成熟的 AI 政策，不能只問企業需要多少晶片、多少電、多少資料中心，也必須問社會需要多少安全網、多少再訓練補助、多少演算法透明、多少地方能源補償、多少青年入門職缺保障。

若國家只要求人民適應，而不要求企業揭露；只補助訓練，而不重建安全網；只讚美創新，而不審問權力，那麼 AI 革命終將成爲一則古老寓言：國王宣佈城邦更聰明瞭，人民卻發現自己只是被更聰明地遺忘。

真正的問題不是每份工作是否都有 AI 成分。真正的問題是：當每份工作都被 AI 觸碰後，工作是否仍是人的尊嚴、時間與生活的名字；還是隻剩下一串可被最佳化、被替換、被靜默刪除的資料欄位。

當機器開始閱讀履歷，誰還記得工人的名字？

▼當每份工作都被 AI 觸碰後，工作是否仍是人的尊嚴、時間與生活的名字；還是隻剩下一串可被最佳化、被替換、被靜默刪除的資料欄位。（示意圖／路透）

►思想可以無限大－喜歡這篇文章？　歡迎加入「雲論粉絲團」看更多！

●以上言論不代表本網立場。歡迎投書《雲論》讓優質好文被更多人看見，請寄editor88@ettoday.net或點此投稿，本網保有文字刪修權。