AI 失業末日（AI jobpocalypse）這個說法，正在被它的提倡者悄悄放下。Google Brain 創辦人 Andrew Ng 在 2026 年 5 月《The Batch》第 352 期署名專欄裡直接點名：科技媒體把 AI 失業敘事煽動到不負責任的程度。美國勞工統計局（BLS）2026 年 4 月公布的失業率維持在 4.3%，新增非農就業 11.5 萬人，軟體工程師的職缺數比 2025 年同期成長 30%。這篇文章拆解 Ng 的論點，比對另一派 Geoffrey Hinton 與 Dario Amodei 的警告，再看 Anthropic 自己的經濟指數報告。資料指向一個比較接近結構轉型的劇本，不是末日崩塌。
Ng 站出來反對的，其實是一門好生意
Ng 在那篇專欄裡列了三個推動「AI 失業末日」敘事的商業誘因，值得逐條看。
第一，前沿 AI 實驗室有動機把 AI 講得越強大越好。Ng 寫得很直白：如果一項技術能取代很多員工，那它聽起來就「非常值錢」。極端版本是把 AI 描繪成會「接管人類、引發滅絕」的科幻場景。這是估值論述，不是員工人數論述。
第二，SaaS 軟體的訂價通常落在每位使用者每年 100 至 1,000 美元。但 AI 公司只要把比較基準從「SaaS 工具」改成「員工年薪」，定價邏輯就完全不一樣了。一個年薪 10 萬美元的員工被取代，AI 公司收 1 萬美元都顯得「便宜」。錨點換掉，溢價就出來了。
第三，企業 HR 也有同樣的誘因。在 2020 至 2022 年低利率與政府刺激方案下過度擴編的科技公司，2024 年之後陸續裁員。把這波裁員包裝成「AI 帶來生產力突破，所以我們能用更少人做同樣的事」，比承認過度擴編好聽很多。
Ng 不是說 AI 沒有影響工作。他在文裡承認：「AI 像所有過去的科技一樣，確實會影響就業，這對某些人來說是壓力，也是辛苦的事。」但他把「影響」與「就業市場崩塌」這兩件事拆開來談。
數據檢核：兩派論點的資料對照
把 Ng 的主張對應到具體資料，論點站得住腳的部分與站不住腳的部分都很清楚。
Ng 站得住腳的部分：
- 美國 4 月失業率 4.3%，與 2025 年同期持平。BLS 2026 年 5 月 8 日公布的就業報告顯示勞動參與率 61.8%、就業人口比 59.1%，兩者過去一年都僅微幅下滑。
- 軟體工程師職缺數成長 30%。Metaintro 整理的 2026 年 Q1 資料顯示，全美追蹤到的軟體工程師職缺超過 6.7 萬個，是過去 3 年的高點。
- BLS 對軟體開發人員 2023 至 2033 年的就業成長預估是 17%，遠高於全職業平均。
Ng 沒提到但確實存在的逆風：
- SignalFire 報告：大型科技公司新進畢業生的招聘人數，比疫情前下滑將近 50%。
- 史丹佛 2025 年研究：22 至 25 歲軟體開發人員的就業人數自 2022 年起下滑近 20%。
- Challenger, Gray & Christmas 統計：2025 年美國約有 5.5 萬筆裁員以 AI 為直接理由，2026 年 4 月 AI 已成為當月最大裁員主因。
- 高盛經濟學家 Pierfrancesco Mei 在 2026 年 2 月發布的報告預估，AI 帶來的勞動位移可能讓 2026 年底失業率上升到 4.5%，極端情境下再多 0.3 個百分點。
也就是說：總量沒崩，但年輕世代、白領入門職位確實在重新洗牌。Ng 看的是失業率與總量；Hinton 與 Amodei 看的是邊際的、結構性的位移。兩邊都有自己的真相。
Anthropic 自家的數據說了什麼
最有意思的反證來自 Amodei 自己的公司。Anthropic 經濟指數（Anthropic Economic Index）報告分析了 Claude.ai 上的真實使用資料：
| 時間 | 樣本 | 增強（Augmentation）占比 | 自動化（Automation）占比 |
|---|---|---|---|
| 2025 年 1 月 | Claude.ai 對話 | 56% | 41% |
| 2025 年 8 月 | Claude.ai 對話 | 47% | 49% |
| 2025 年 11 月 | Claude.ai 對話 | 52% | 45% |
| 2026 年 2 月 | Claude.ai 對話 | 略增 | 略減 |
| 2026 年 2 月 | API 流量（企業） | 25% | 75% |
消費端（Claude.ai）的使用模式向「人類保留決策權、AI 從旁協作」的增強模式回擺。企業 API 端的確以自動化為主（75%），但這是企業批次處理任務的自然特性（客戶郵件分類、發票辨識、行程排程），這些工作流程本來就適合單次完成。
Amodei 自己也在 2026 年 5 月跟摩根大通 CEO Jamie Dimon 對談時改口了。他援引經濟學的 Jevons 悖論（Jevons Paradox），承認效率提升歷史上多半擴大需求而非壓縮需求。從「五年內砍掉一半白領入門職位」到「自動化 90% 後，每個人都做剩下那 10%」，論述大幅軟化。
結構性真相：不是末日，是組成的洗牌
把所有資料攤開來，比較完整的圖像是這樣：
總量層面：美國就業總體穩定。4.3% 失業率在歷史標準下仍然健康（自然失業率學界估計約落在 4%–5%）。軟體工程師職缺成長，AI 工程師（含 MLOps、AI Agent 開發、Prompt 工程）相關職位需求遠超供給。
組成層面：洗牌正在發生。
- 入門職位被擠壓：金融分析師、初階法務助理、入門級軟體開發、客服第一線。這些職位的特徵是任務重複、可被結構化、不太需要組織內隱知識。
- 中高階職位被重新定義：資深工程師從「寫程式」轉成「設計系統、驗證 AI 產出、寫精確 prompt」。Gartner 推估到 2027 年有 80% 的軟體工程師必須升級到能與 AI 協作的技能。
- 全新職位誕生：AI Agent 開發、MLOps 工程師、資料註記專員、AI 風險治理、Forward Deployed Engineer 這類角色在 2025 年之前幾乎不存在。
- 跨領域職位轉型：行銷、HR、財務分析的工作內容快速改寫，Anthropic 的「一人成長行銷團隊」就是個極端案例。
Ng 說的「AI 就業大爆發」（AI jobapalooza）和 Amodei 說的「白領大屠殺」（white-collar bloodbath）描述的是同一張統計表的不同欄位。一個看新增職缺與淨增加，一個看消失的工作與位移成本。兩者都是真的，差別在誰承受陣痛。
為什麼這個敘事對台灣讀者有不同意義
台灣的就業結構與美國有結構性差異，照搬美國論述會誤判。
製造業比重高，自動化曲線不同：行政院主計總處 2026 年 3 月公布的失業率為 3.30%，遠低於美國。半導體、ICT 製造業仍處於擴張期，台積電（TSMC）、聯發科（MediaTek）的工程師需求並未因 AI 而下降，反而因 AI 晶片設計、HBM 封裝、CoWoS 產能擴充而上升。
白領入門職位的脆弱性類似：金融業、會計師事務所、法律事務所、廣告公司的初階職位面臨的 AI 替代壓力，與美國同步。1111 人力銀行 2026 年 Q1 調查顯示，台灣企業對「AI 行銷自動化」「AI 客服」「AI 寫程式工具」的徵才比 2024 年增加約 62%，但傳統文案、入門廣告投手、初階前端工程師的需求下滑。
人才升級的時間窗口比較緊：台灣中小企業的 AI 採用速度比美國慢約 12 到 18 個月（依台北市電腦公會 2026 年 3 月調查），但這個緩衝會越來越短。等台廠都用上 Claude Code 或同類工具的時候，初階開發者的角色已經被重新定義過一輪了。
敘事戰爭背後，更值得擔心的是「無聲的調整」
把鏡頭拉遠一點看（Ng 在文章最後也提到這點），歷史上社會集體相信的敘事，往往持續多年都沒有現實依據，卻會引發大規模的政策誤判。他舉了三個例子：1960 年代的「人口炸彈」恐慌讓很多國家推行嚴苛的人口政策；對核電安全的過度恐懼導致數十年的核能投資不足；對飲食脂肪的恐懼讓政府推廣了多年的高糖飲食指南。
「AI 失業末日」敘事的危險也類似。當政策制定者、家長、學生都相信「軟體工程師沒前途」、「白領職位會消失」，真正會發生的是教育投資的錯置，不是失業率飆升：技職體系減少 AI 工程相關科系招生、家長阻止孩子學 Computer Science、企業不敢培訓新人因為「反正會被 AI 取代」。等到 5 年後發現 AI 工程師大缺，已經錯過了一整批可被培養的人才。
這才是 Ng 真正在擔心的事，也是這篇文章值得認真看待的理由。
常見問題 FAQ
AI 失業末日真的會發生嗎？
從 2026 年 5 月的勞動市場資料看，美國總體失業率 4.3%、軟體工程師職缺成長 30%、台灣失業率 3.30%，並無系統性的就業崩塌跡象。但白領入門職位（金融分析、法務助理、初階開發、第一線客服）的招聘確實顯著下滑，年輕世代（22-25 歲開發者）就業比 2022 年下滑近 20%。比較精準的描述是「組成洗牌」而非「整體崩塌」。
Andrew Ng 與 Dario Amodei 誰的預測比較可靠？
兩人看的指標不同。Ng 看總體就業率與職缺數（聚合資料）；Amodei 看特定族群的位移（白領入門職位的替代率）。兩者在統計上可以同時為真。值得注意的是，Amodei 在 2026 年 5 月公開援引 Jevons 悖論，論述已從「五年內砍掉一半白領入門職位」軟化為「自動化 90% 後人類做剩下 10%」。Anthropic 自家的經濟指數報告也顯示，增強模式占消費端 52%，多於自動化的 45%。
軟體工程師還值得學嗎？
值得，但定義變了。BLS 預估軟體開發人員 2023 至 2033 年就業成長 17%，遠高於全職業平均。2026 年 Q1 美國軟體工程師職缺超過 6.7 萬個。重點是：純粹的「寫 boilerplate 程式碼」這部分被 AI 吃掉，但「設計系統、驗證 AI 產出、寫精確規格、做架構決策」這部分需求大增。Gartner 估計到 2027 年 80% 的軟體工程師需要升級到能與 AI 協作的技能。
台灣企業要怎麼因應這個結構轉型？
三個優先順序。一是先把內部行政、文件處理、客服分流、行銷文案這類重複性高的工作交給 AI Agent 試點，量化生產力提升幅度。二是培訓現有員工成為 AI 編排者（orchestrator），讓資深員工用 AI 放大 5 至 10 倍產出，而不是用 AI 把他們取代掉。三是重新設計入門職位的學習路徑。傳統「打雜 3 年才會做案」的訓練模式已經斷裂，需要設計新的能力培養路徑。
為什麼 AI 失業末日敘事這麼有市場？
四方都有誘因。AI 實驗室：產品估值錨點從 SaaS 換成員工年薪，溢價空間放大 10 至 100 倍。企業 HR：把過度擴編的修正包裝成 AI 生產力革命，比承認當初招太多人好聽。媒體：「末日」標題的點擊率遠高於「結構性調整」。政策遊說團體：警告越強烈，越能爭取監管與補貼資源。但這些敘事誘因不等於資料支持。
Sources
- The Batch — Issue 352: There will be no AI jobpocalypse
- U.S. Bureau of Labor Statistics — The Employment Situation, April 2026
- Anthropic Economic Index — March 2026 Report (Learning Curves)
- Anthropic Economic Index — January 2026 Report (Economic Primitives)
- Axios — Behind the Curtain: A white-collar bloodbath
- Fortune — Dario Amodei invokes Jevons Paradox at JPMorgan event, May 2026
- Goldman Sachs — How Will AI Affect the US Labor Market?
- Yahoo Finance — Goldman Sachs warns AI-fueled layoffs could raise unemployment in 2026
延伸閱讀：AI 與大規模裁員的真相：人工智慧真的是罪魁禍首嗎？｜駕馭變革：雇主品牌、科技業裁員、AI 對勞動力的影響｜Andrew Ng 與 Anthropic 聯手推出 Claude Code 免費課程｜Anthropic 營收衝破 190 億美元｜高盛 2026 預測：AI 導致的白領失業｜AI 沒帶來高產能，反而引發科技業大裁員？｜Anthropic 經濟指數報告：AI 採用趨勢與商業影響｜Anthropic 的成長行銷團隊只有一個人
Author Insight
第一個觀察：最大效率提升來自中階工程師，從「會寫 code 但不一定會 review 全棧架構」升級到「能驗證 AI 產出的多層次決策」。資深工程師本來就快，AI 對他們的邊際效益反而沒那麼明顯。Pull request 通過率從原本約 47% 升到 78%，這個改善是組織價值，不是個人替代。
第二個觀察：被 AI 吃掉的「初階工作」實際上是「結構化文件、樣板程式、第一輪資料整理」，這些工作原本是新人練功用的。如果只把 AI 用來「移除這個成本」，新人就沒有學習階梯了，3 年後組織會空心。我們看到表現最好的客戶反過來：把 AI 解放出來的時間用來讓資深員工「教學」、設計更高階的訓練專案，把新人推進到原本資深員工 3 年後才碰得到的問題層級。
第三個觀察：Ng 跟 Amodei 兩邊的論述都對，差別在組織選擇。把 AI 當「成本削減工具」的公司，會兌現 Amodei 預測的位移成本；把 AI 當「人才放大器」的公司，會走向 Ng 描述的擴張。台灣中小企業現在大多卡在第一條路徑，這是我們最常被問的問題，也是真正需要決策層介入的地方。
如果想討論 AI 工具在組織內的導入策略、避免做出讓 5 年後後悔的人才架構決策，歡迎跟 Tenten 團隊預約諮詢。
