一位人資朋友跟我吃飯時講了一件事。她們公司開了三個初階數據分析師的職缺，收到兩百多封履歷。面試後，主管來找她說：「我讓 Claude 跑了一下，發現這三個職位的核心產出，兩個模型加一個 Python 腳本就能處理。」

職缺沒有取消，但從三個變成一個。而且那一個的職責描述完全改寫了——不再是「整理數據、產出報表」，而是「設計分析框架、驗證模型產出、與業務端協作定義問題」。

兩百多個應徵者裡，大部分是剛畢業一兩年的年輕人。他們的履歷上寫的技能——Excel、SQL、基礎統計——恰好就是被砍掉的那兩個職位在做的事。

我當時沒有多想。直到讀了史丹佛數位經濟實驗室的那篇論文。

金絲雀倒下的方式，不是你以為的那樣

Brynjolfsson、Chandar 和 Chen 三位研究者做了一件很直接的事：他們追蹤了生成式 AI 爆發前後，不同年齡層在「高 AI 暴露度」職業中的就業率變化。

結果顛覆了大多數人的直覺。

22 到 25 歲的年輕人，就業率掉了 13%。而 30 歲以上的資深員工，就業率反而上升了 6–13%。 這跟我們平常聽到的敘事完全相反。媒體總是說「AI 會取代重複性高的基層工作」，暗示資深員工因為年紀大、學習慢，更容易被淘汰。但數據說的是另一回事。

原因其實不難理解，只是很少人願意正視：AI 最擅長的事情，恰好就是年輕人帶進職場的東西——標準化的、可編碼的、來自課本和證照的知識。而資深員工的價值，很大一部分來自於那些「不在任何手冊裡」的隱性經驗：怎麼跟難搞的客戶周旋、怎麼在資訊不完整的情況下做判斷、怎麼讀懂會議室裡沒被說出口的話。

這些東西，目前的 AI 還複製不了。

一個奇異的矛盾

論文裡還有一個發現，比年齡差異更值得咀嚼：職缺在減少，但薪資沒有跟著下降。

按照經典的供需模型，這不合理。工作機會少了，勞動力過剩，工資應該被壓低才對。但實際上，企業選擇的策略不是降薪，而是停招。他們不是讓現有員工變便宜，而是讓新人進不來。

表面上這是「工資黏性」效應，但背後有一個更結構性的變化：當 AI 把例行性的任務吃掉之後，剩下來的工作，每一件的認知密度都變高了。留下的人需要更多判斷力、更多創造力、更多「在模糊地帶做決策」的能力。工作的價值密度上升，所以薪資不降。

但這對門外的年輕人來說，是雙重打擊——不只進不了門，連門檻本身都在升高。

分岔路：自動化還是增強化

論文最關鍵的一個發現，在第三組數據裡。

當企業把 AI 用來「自動化」整個流程，年輕人的就業率下降最劇烈。但當企業把 AI 用來「增強」人類的工作——也就是研究者所說的「半人馬模式」，讓人和 AI 各自發揮長處——年輕人的就業率反而上升最快。

同一項技術，兩種截然不同的結果。差別不在 AI 本身，在於誰在設計人機之間的介面。

這讓我想到在製造業的經驗。資淺且願意學習的工程師成長最快。他們不再需要花三年才能累積的「手感」，AI 把那些模式辨識的部分說清楚了，讓他們可以更快進入「判斷」的層次。

半人馬模式不是慈善，是效率最佳解。

預警的真正對象

研究者用「煤礦裡的金絲雀」當這篇論文的標題，取的是那個古老的比喻：礦坑裡的金絲雀比人類更早感受到毒氣，牠的死亡是礦工撤離的信號。

但我想把這個比喻再轉一層。

金絲雀之所以先死，不是因為牠「比較弱」。是因為牠的新陳代謝更快，暴露面更直接。年輕人在 AI 浪潮中的處境也是如此——他們不是能力不足，是他們被訓練出來的能力，恰好站在 AI 的射程正中央。

這代表什麼？代表真正需要改變的不是年輕人，而是把他們訓練成這樣的系統。

我們的教育——從大學到職業訓練——花了二十年把人塑造成「標準化知識的載體」。會背誦、會考試、會按照 SOP 執行。這套邏輯在工業時代是對的，因為企業需要的就是可預測、可替換的人力單元。

但現在，最可預測、最可替換的部分，正是 AI 最擅長的。

這不是技術問題。這是我們對「什麼是有價值的知識」的定義，在被根本性地翻轉。

金絲雀之後

對正在職場上的年輕人來說，論文的數據其實指向一條清楚的路：停止累積「可被編碼的技能」，開始練習 AI 處理不了的東西。批判思維、問題定義、跨脈絡的溝通、在不確定中做決策。但最重要的是——學會跟 AI 協作，讓它變成你的槓桿，而不是你的替代品。

對企業來說，這篇研究其實在說：用 AI 來砍人事成本，是最短視的策略。真正的效率來自重新設計人機協作的流程，讓 AI 賦能員工，而不是消滅員工。前者帶來組織升級，後者只帶來一次性的成本節省和長期的人才斷層。

對教育體系——這是最沉重的警鐘。當你的畢業生進入職場的第一天，發現自己四年學的東西已經被一個 AI Agent 取代，這不是學生的問題。這是整個知識體系的結構性挑戰。

那位人資朋友後來告訴我，那個唯一的職缺，最後錄取的是一個三十二歲、轉職過兩次的人。不是因為他的技術最強，而是因為在面試中，他是唯一一個能說清楚「這個分析結果不對勁，但我說不出哪裡不對」的人。

金絲雀已經在哀鳴。但我們做了什麼改變？身爲父母的你，希望怎麼調整孩子的教育方式？若你是教師，你要怎麼讓自己花在學生的時間上更有意義？而不再是單方向的知識灌輸？這是可以被AI輕易取代的技能。你若是老闆，你要怎麼組建新的團隊，來應對風雲變色的現在？你有什麼想法？歡迎交流。

論文出處：Erik Brynjolfsson, Bharat Chandar, Ruyu Chen. (2025). “Canaries in the Coal Mine? Six Facts about the Recent Impact of Generative AI on Employment.” Stanford Digital Economy Lab Working Paper, August 2025.