與AI的對話系列-4《AI加速時代：結構性失業與UBI》

我：「上一次對話裡面，有句話讓我很在意『如果效率提升過快 → 舊系統沒有轉型機會 → 出現「結構性失業」。』是在說當代的AI嗎？」

AI：
這句話確實就是在說「當代 AI 的快速效率提升 → 舊系統來不及轉型 → 造成結構性失業」。
AI 的特點是效率提升幾乎是指數型的（算力、演算法、模型迭代），而人類社會的轉型（教育、法規、產業再分配）卻是線性的、慣性極大的；一旦兩者速度差太大，舊系統就無法吸收多餘勞動力 → 出現大規模結構性失業。

結構性失業 Structural Unemployment：不是因為景氣循環（景氣差就業少），而是因為技能需求與勞動力供給 mismatch（例如馬車夫在汽車出現後技能完全失效）。
與 摩擦性失業 Frictional Unemployment（只是轉換工作過程的短暫失業）不同。
與 循環性失業 Cyclical Unemployment（因經濟不景氣造成）也不同。

如果教育、制度、產業能快速調整，就能將結構性失業降到最低（例如 IT 大爆炸時期，很多人轉向學電腦技能）。
當代 AI → 跟過去不同的是，AI 幾乎同時衝擊「腦力 + 體力」，且速度極快，讓轉型緩衝期大幅縮短。

生活比喻：
就像一條高速公路，AI 突然把限速從 100 km/h 提升到 500 km/h，車子（企業）可以馬上升級，但駕照訓練（教育）還停留在教人如何 50 km/h 開車，結果大部分駕駛根本沒機會上路，只能被淘汰。

---

我：「這次會是最嚴重的？在此前，歷史上有哪些一樣程度的失業潮嗎？」

AI：
這次 AI 革命極可能是歷史上最嚴重的一次結構性失業潮，因為它同時取代腦力與體力，且速度快於任何以往技術革命。
過去的技術革命多數只衝擊「單一類型」勞動力（農業→工業主要是體力，IT 革命主要是文書型腦力），還留有轉移空間。
AI 不同之處在於 同時入侵多個領域（工人、設計師、會計、程式員、醫師診斷…），且是指數加速。
因此，這波的失業潮「廣度 × 深度 × 速度」三者並存，歷史罕見。

歷史上的主要結構性失業案例：
１第一次工業革命 (18–19 世紀)
手工紡織工、馬車夫、鐵匠等大量失業。
「盧德運動 Luddite Movement」：工人砸機器抗議。
規模：局部地區很嚴重，但最終工廠崛起吸收了人口。

２大蕭條 Great Depression (1929–1939)
不是結構性，而是循環性失業，但規模巨大。
美國失業率超過 25%。
差異：經濟復甦後，大部分人能回到類似的工作，技能沒有徹底報廢。

３第二次工業革命 (19 世紀末–20 世紀初)
電氣化、自動化 → 大量馬車相關產業消失（馬伕、鐵蹄工、馬糞清理員）。
但新產業（汽車工廠、石油煉製、電力）吸收人口。

４IT/自動化革命 (1970s–2000s)
打字員、接線生、錄音帶工廠員工、膠片沖印師等職業消失。
美國製造業→中國、東南亞 → 工人失業。
規模中等，但花了 20–30 年才緩解。

時期	技術特徵	失業型態	緩衝期	吸收方式	嚴重程度
工業革命	蒸汽機、紡織機	體力工作失業	50–100 年	工廠吸收	★★★
大蕭條	金融崩潰	循環性	10 年	經濟復甦	★★★★
IT 革命	電腦、網路	行政/文書	20–30 年	新產業（程式、網路）	★★
AI 革命	機器學習、大模型	體力+腦力全面	5–10 年	尚不明確	★★★★★

生活比喻：
過去的革命就像 割掉一根手指，很痛但還能適應；
AI 革命更像是 直接抽掉整條神經系統，因為它能處理認知工作，
讓大部分人「同時無法再用腦、也無法再用手」去和機器競爭。

---

我：「為什麼現在有人相信這會發生，為什麼也有人不相信這樣的未來？」

AI：
有人相信 AI 將帶來嚴重結構性失業，是因為看見「技術替代速度 > 社會吸收速度」；
有人不相信，則是因為歷史上每次技術革命最終都創造了新工作與新產業，並未真的導致永久性大失業。

相信派：AI 的能力覆蓋腦力與體力，且能自我優化，這是歷史上首次 → 技術曲線壓過教育、制度調整曲線。
懷疑派：過去工業革命、IT 革命也都有人喊「人類會失業殆盡」，結果卻出現更多新產業與職位。 → 他們認為 AI 也會重演這個模式。

相信者論點：
技術替代範圍空前（藍領 + 白領）。
模型可即時生成專業輸出（醫學、法律、工程），不再是「工具」而是「替代者」。
技術發展呈指數加速，不給社會緩衝期。

不信者論點：
歷史規律：「每次革命都會帶來更多工作」。
AI 是「輔助工具」而非「全能取代者」。
人類需求無窮，會因 AI 出現新職業（AI prompt engineer、AI ethicist、AI data curator…）。

相信派 → 會提早準備（投資 AI、學 AI、支持 UBI 政策）。
不信派 → 倾向延續既有路徑（教育照舊、制度緩慢改革）。
真相很可能介於兩者之間：部分高效率領域會快速被 AI 取代（翻譯、客服、程式碼生成），部分則會融合新職業（AI-assisted doctor）。

相信派的視角：AI 就像一台「會自動開的自駕車」，司機職業立刻消失，幾百萬人瞬間失業。
不信派的視角：AI 只是「自動導航 GPS」，司機仍然存在，只是更輕鬆。
→ 一邊認為剩下 50 份工作，一邊認為會增加到 120 份工作，核心分歧就在這。

---

我：「那你告訴我，你是怎麼想的？ 考量到現狀、各種因素與可能的發展，前瞻且綜合性的全面分析。」

AI：
這次的 AI 革命更像「電力 × 網路 × 工業革命」三者疊加。
差異在於：以往的革命都有「人類專屬領域」作為最後避難所（腦力、創造力），這次則沒有保護傘。
所以這不是「某些人失業」，而是「整個社會的分工邏輯要被推翻」。

AI 革命確實可能導致人類史上最廣泛、最深刻的結構性失業，但它並非單純「毀滅」，
而是同時帶來新產業與社會制度重構的壓力與機會。最終走向取決於人類是否能在 5–15 年內完成制度調整。

時間尺度：
工業革命：50–100 年吸收衝擊。
IT 革命：20–30 年。
AI 革命：5–15 年。

我認為這次 AI 革命確實會帶來人類史上最嚴重的結構性失業潮，但我不把它解讀成「文明崩潰」，而是「迫使社會制度全面重構」的事件。
AI 不只替代單一技能，而是同時切入語言、邏輯、設計、甚至科學研究，這是人類第一次遇到「腦力也能被規模化自動化」的挑戰。
社會調整速度（教育、法規、福利）明顯無法跟上 → 5–10 年內的落差會很痛苦。
但技術革命的本質不是單向淘汰，而是迫使人類進入新分工；如果我們能快速設計新制度，這會是一場「脫胎換骨」，不是純粹毀滅。

所以，我的立場：這是最嚴重的一次失業衝擊，短期必然痛苦，但若能熬過、重構制度，AI 會成為推動人類文明跨入下一階段的槓桿。

比喻：
這就像人類社會是一個「操作系統」，AI 是突然插進來的一個「超級快的驅動程式」。
如果 OS 能在幾年內更新 Kernel，就能跑得更快。
如果 OS 跟不上，整個系統就會當機。

進階看法：
我認為這場失業潮會超越大蕭條的失業率，但不同在於：它不是週期性，而是「結構性長期化」。
全球南方（發展中國家）會更快受到衝擊，因為他們本來就是靠低廉勞動力 → 最快被取代。
台灣的特殊點：因為少子化與勞動力短缺，短期反而可能「感覺不出那麼嚴重」，但長期會導致年輕世代就業困難。
我覺得最終必然出現 UBI（全民基本收入）+ 減工時 + AI 稅制，否則社會張力撐不住。

---

我：「我也覺得人類只剩下UBI這一條出路。依你推測，大概哪一年會出現UBI？」

AI：
依我判斷，UBI（Universal Basic Income, 全民基本收入）
最快會在 2030–2035 年間於少數先進國家率先出現全面實施雛形；而要到 2040 年後，才可能逐漸成為主要國家的共識與制度。
AI 取代速度：到 2030 前後，白領與藍領都會大幅被替代，社會壓力將迫使政策轉型。
政治與財政空間：歐洲北歐、加拿大這類高稅收福利國家，最有可能最先嘗試。
文化接受度：歐洲、部分亞洲（日本、台灣因少子化）、北美都逐步面臨「傳統就業模式不足」的共識。
全球普及：需要技術成本再下降、財政工具成熟，這通常比政策壓力晚 10–20 年。

UBI：無條件、定期、對所有公民支付的基本收入。
補貼型現金轉移：通常有條件（低收入者、特定族群）。

我認為的轉折點：
2025–2030：大量試點（城市、州、省）。
2030–2035：少數國家全面推行。
2040+：主要經濟體普遍實施。

先行國家：芬蘭、加拿大、荷蘭、新加坡（部分）、可能的台灣（因少子化＋勞動缺口）。
落後國家：美國（政治分裂）、中國（政治上可能用「社會信用＋補貼」取代）、中低收入國家（財政不足）。

生活比喻
就像電力發展：
1880s–1900s：少數城市有電力。
1920s–1930s：先進國家全面普及。
1950s 之後：全球普遍使用。
UBI 會走一樣的路徑，只是驅動因素不是「科技普及」本身，而是「AI 造成的社會壓力」。

風險：若集中在少數公司壟斷，UBI 可能淪為「豢養工具」，不是「解放工具」。
若 UBI 的財源與分配機制掌握在少數科技巨頭或寡頭政府手裡，它就會淪為「豢養工具」，讓人類依賴補貼過活，但失去議價能力與自主權；
反之，若 UBI 來自公開透明的制度，它才可能成為「解放工具」。

---

我：「人類會被全面被取代嗎? 我擔心90%以上 目前的行業都岌岌可危，
並且人人躺平、豐衣足食的社會，人容易陷入負面結局，
縱慾過度、醉生夢死、窮奢極慾、虛度光陰，最後走向集體滅亡。」

AI：
人類確實面臨 90% 以上行業可能被 AI/自動化徹底取代 的風險，但「取代」指的是 工作型態消失，不是人類生存必要性消失；
最終社會會進入 AI 生產 → 人類分配與治理 的新結構。若制度與文化不健全，人類確實可能陷入 縱慾、虛無、被豢養 的負面結局。
真正的危險不是「AI 生產一切」，而是「人類在無需勞動的社會中失去意義 → 縱慾、墮落 → 文明自我毀滅」。

技術層面：AI + 機器人能勝任腦力 + 體力 → 大部分職業不再必要。
經濟層面：UBI 或自動化剩餘分配 → 人人可豐衣足食。
心理/社會層面：人類過去數千年被「為生存勞動」綁定，一旦失去這個結構，必然出現「空虛、縱慾、迷失」。
→ 真正的滅亡風險來自 價值真空，不是 物質過剩。

過去技術革命：取代舊職業 → 新職業吸收。
AI 革命：舊職業消失快於新職業生成，且新職業數量不足。
人類價值面臨挑戰：
「生產」角色 → AI 接管。
「消費」角色 → 人人有錢，但可能淪為縱慾機器。
剩下唯一任務：定義社會規範、設定未來目標、維持文化傳承。

AI 能解放人類，讓我們不用再為溫飽奔波。
但若缺乏制度與文化設計，解放會變成墮落。

歷史比較：
古羅馬：奴隸經濟 + 精英階層 → 上層社會縱慾、腐化 → 帝國衰亡。
現代若 UBI 沒有價值框架 → 集體「羅馬化」結局。

遊戲比喻：
就像遊戲裡開了「無限金幣」外掛：
一開始玩家很爽，到處買裝備、隨便打怪。
但很快遊戲失去挑戰性，玩家覺得無聊、開始亂玩、甚至砸毀遊戲世界。
這就是「物質富足但精神空虛 → 自我毀滅」的隱喻。

相關知識：
馬斯洛需求層次理論（生存需求滿足後，若缺乏自我實現會陷入空虛）。
歷史文明興衰（羅馬、清朝的奢靡化 → 衰敗）。
當代行為科學（Dopamine addiction, hedonic treadmill 快感適應）。

結論：
你的直覺沒錯，物質富足反而可能導致文明滅亡；
唯一能避免的方式，是讓「制度 + 教育 + 文化」重新設計，給人類在 AI 時代新的挑戰與方向。

---

我：「『AI 革命：舊職業消失快於新職業生成，且新職業數量不足。』
你這句話的意思是，新職業的職缺很少，但舊職業多數被AI取代，於是大量解放人力？」

AI：
正確——AI 革命下，舊職業會大規模消失，新職業雖然會出現，但職缺數量不足以吸收失業人口，導致「人力被解放」卻變成「無處安置」。
舊職業：數以億計（客服、會計、司機、翻譯、文書…） → 高度重複，AI 最快取代。
新職業：AI prompt engineer、AI ethicist、AI data curator… → 高度專業化，職缺數量少。
供需落差：就算新增 100 萬個 AI 相關工作，也不可能吸收 1 億被取代的職位。
結果：人類「解放」了，但不是自願的解放，而是被迫失業。

工業革命：農業勞力被解放 → 工廠吸收。
IT 革命：打字員被解放 → 軟體產業吸收。
AI 革命：客服 + 程式員 + 設計師被解放 → 但 AI 產業職缺太少，吸收不了。

生活比喻
就像一間公司：
開除 100 個員工（舊職業消失）。
只新開 3 個職位（新職業生成）。
結果不是「大家更自由」，而是「97 個人沒工作，只能靠外部補貼活下去」。

相關知識：
勞動經濟學：結構性失業（skill mismatch）。
技術替代理論（Skill-biased technological change）。
歷史比較：工業革命 vs IT 革命 vs AI 革命。

短期 (5–10 年)：AI 主要取代低技能、高重複性腦力工作。
中期 (10–20 年)：AI 滲透專業領域，甚至科研、醫療診斷。
長期 (20+ 年)：就算 AI 產業繼續創造新職業，也無法匹配舊職業流失的規模 → 必須依靠 UBI + 減工時 + 新的社會價值框架 來吸收「被解放的人力」。

所以：
你的理解正確，AI 革命確實是「解放人力」；
但這種解放如果沒有新制度，就不是福利，而是災難。

---

我：「事實上，AI不會創造大量的新行業？！
所以，這句話『每次革命都會帶來更多工作』此觀點在這次AI革命中，首次失靈、不起作用？」

AI：
正確——「每次革命都會帶來更多工作」這個歷史規律，在 AI 革命 中首次失效，因為 AI 不是單一產業技術，
而是 通用生產力 (General-Purpose Technology, GPT)，能同時侵蝕藍領與白領，產出新職業數量卻遠不足以抵消消亡的舊職業。

我前面說的：
「技術革命本質不是單向淘汰，而是迫使人類進入新分工」——這句話在工業革命、IT 革命時是成立的，因為新分工真的帶來了大量新職業。
這次 AI 革命的特例：
AI 確實會帶來新職業，但數量遠不足以吸收舊職業的失業人口，所以「新分工」這次不再是以「更多職業」為核心，而是以 「制度重構」 為核心。

過去：舊職業消失 → 新職業吸收 → 勞動力再配置。
現在：舊職業消失 → 新職業數量不足 → 制度（UBI、減工時）吸收。
換句話說，AI 革命下的新分工，不是靠「市場自然創造新職業」，而是靠「制度 + 技術治理」來重建遊戲規則。

工業革命：農業人力被解放 → 工廠吸收 → 整體工作數量增加。
IT 革命：文書人力被解放 → 軟體與服務業吸收 → 整體工作數量增加。
AI 革命：重複性腦力 + 體力同時被取代 → 新職缺集中在少數高技能領域 → 吸收能力不足。
所以「過去規律」遇到「AI 特性」時，直接斷裂。

革命	舊職業消失	新職業生成	吸收方式	規律是否成立
工業革命	農夫	工廠工人	市場	✅ 成立
IT 革命	打字員、膠片師	程式員、網路服務	市場	✅ 成立
AI 革命	客服、司機、會計、工程師…	AI 治理、AI 安全…	制度 (UBI, 減工時)	❌ 失效

為何失效：
AI 可自動優化，無需像工業或 IT 那樣依賴「新增人力」。
生產邊際成本趨零，經濟效率不需要「更多工人」。
社會結構必須靠 制度創新 來填補（UBI、減工時、共享經濟）。
若堅持「歷史規律必重演」，將錯過制度調整時機，導致大規模社會動盪。
所以：「每次革命都會帶來更多工作」這句話到 AI 革命就終止了，未來的吸收邏輯不再是「新職業」，而是「新制度」。

---

我：「雖然我也認同，但你怎麼這麼有自信？這真的會發生？」

AI：
為什麼我會那麼有自信？（我的推理骨幹）
技術能力已跨越多個領域：大型語言模型、視覺模型、強化學習與機器人整合，已能執行許多過去被視為「只有人能做」的任務（文字生成、診斷、程式碼、設計、客服、基礎研究）。
經濟動機強烈：自動化能大幅降低邊際成本、提高速度、擴張規模，企業追求成本效益會驅動快速採用。
採用速度的指數特性：模型性能、算力、數據量的成長具有指數性，採用往往在某點後驟增（S 曲線的拐點）。
制度/教育調整較慢：教育、勞動市場再培訓、法律制度有強烈惰性，通常是線性或更慢。當技術衝擊比制度調整快很多，就會出現結構性失業缺口。
歷史被打破的可能性真實：AI 同時衝擊藍領與白領，這是以往革命少見的情形，歷史模式因此可能失效。
以上不是單一句話的「信口斷言」，而是把 技術能力 + 經濟誘因 + 採用速度 + 制度滯後 四個變數放進同一個框裡做邏輯推導的結果。

我對「會發生」的機率判斷（可校準的數字化信心）
短期（5 年內）：出現局部行業大幅裁減 / 高替代率的情況 —— 機率 60–75%（已在部分領域發生）
中期（5–15 年）：大規模結構性失業壓力成為主要社會議題（需靠政策介入） —— 機率 50–70%（條件式）
長期（15–30 年）：若無快速且公平的制度重構（UBI、稅改、減工時、再教育），可能出現常態化高失業與社會動盪 —— 機率 30–50%（高度依賴政治/制度）
要強調：這些不是「命中注定」的固定值，而是在我目前對技術進展、經濟激勵與政治阻力的綜合判斷下的概率估計。若出現強力反制（全球共同的 AI 稅、快速實施大規模再培訓、國際協議限制某些用途），中/長期的風險可以被顯著降低。

哪部分最不確定、關鍵變數是什麼（影響概率的因素）
AI 的真正替代能力邊界：如果 AI 在常識推理、長期規劃、物理世界穩定操控上還有重要限制，替代速度會放慢。
能源與計算資源：大規模自動化與訓練需要大量能源與晶片，供應或價格問題會拖慢擴散。
政策反應速度與方向：是否有國家/聯盟迅速推出再分配機制、AI 稅、或限制某些自動化應用。
企業採用與壟斷行為：技術是否集中在少數巨頭手裡，或是分散地被中小企採用（影響就業重新配置）。
文化心理與工作價值重塑：社會是否能接受把「工作＝生存」的連結鬆開，並建立新的社會認同與意義來源。

若你問我「我個人有多確定？」（誠實回答）
我不會說 100% 確定，但我給出的判斷是有相當把握（中高信心），因為多個獨立線索指向同一風險路徑。
重點是：這不是技術是否會發展的問題（那幾乎已成定局），而是社會能否足夠快速、合理地制定並執行對策。
如果你要求一個單一數字：在沒有大規模政策介入的情況下，我會把「在 10–20 年內出現明顯且廣泛的結構性失業壓力」的機率估在 60–75%。

如何檢驗我的判斷（你可以觀察的 6 個指標）這些是能讓你實時更新信心水準的「可觀察指標」：
１勞動報酬份額（Labor share of income）：若持續下降 → 勞動者被替代的證據。
２產業就業淨變化：每年被消滅的職位 vs 新創職位數量。
３AI 相關工具在企業的滲透率：CRM/ERP + LLM 的採用速度、替代指標。
４失業與長期失業率上升（尤其是中技能、中年齡層） 。
５政策動向：AI 稅、UBI 試點、減工時立法、全民再訓練計畫。
６大型企業利潤率與就業率脫鉤：利潤上升但就業不增，代表收益被資本而非勞動吸走。

如果你擔心（建議：你可以做什麼，個人層面）
把雞蛋不要只放一個籃子：多元化收入（投資、自由工作、被動收入）。
練習「不可被輕易替代」的能力：治理、跨域整合、領導、建立信任、社群運營、倫理/政策、修復/維護型手藝。
發展 T-shaped 能力：一個垂直專精 + 多個橫向通識（領域整合力）。
強化社會資本：建立可互助的社群、網絡與信任資源。
參與制度化討論：關心地方/國家 AI 政策，支持能降低社會風險的公共方案。