讀書會會前閱讀。建議先讀本文，再依興趣回到原書與 Acemoglu 論文。
介紹簡報放在 https://mashbean.net/decks/ai-work-agency-reading/
活動資訊
| 項目 | 內容 |
|---|---|
| 活動 | 文化前線II｜在被 AI 離職與不工作之間選擇躺平 |
| 時間 | 2026 年 6 月 28 日，週日 14:00 到 16:00 |
| 地點 | 臺灣當代文化實驗場 102 共享吧，台北市大安區建國南路一段 177 號 |
| 主辦 | 臺灣當代文化實驗場 C-LAB |
| 報名 | https://www.accupass.com/event/2606090251212495630930 |
| 系列 | 文化前線 II，FEAR OF CRASHING OUT |
這場讀書會從《不工作的世界》與近期 AI 勞動研究出發，討論 AI 如何重組工作、壓縮入門職位、改變世代關係，以及人們是否能重新想像工作的價值。活動以 Daniel Susskind 的 A World Without Work 與 Daron Acemoglu 等人的親勞工 AI 研究為引子，結合台灣民間科技社群的第一手觀察，回到 AI 提升生產力、壓縮入門職缺與重組勞動市場的真實影響。
導讀人包括律師、web3 for all 讀書會重度參與者王琍瑩，以及 vTaiwan 社群貢獻者崔家瑋。策劃主持為未獨立研究員、Harvard Allen Lab Fellow 黃豆泥。
我們要討論的問題，不只是「AI 會不會讓人失業」。這個問法太大，也太容易被總體數字或末日敘事帶走。
更精準的問題是，AI 正在改變哪些任務、哪些入口、哪些學習階梯、哪些權力關係。它讓誰更有能力，也讓誰更難進場。它讓哪些專業升值，也把哪些判斷拆成廉價功能。它最後逼我們重問，工作到底是收入來源、身分來源、社會連結，還是人參與世界的方式。
這份會前閱讀把材料分成四組。第一組是前期研究整理出的實證校準。第二組是 Daniel Susskind 的工作不足風險。第三組是 Nick Srnicek 與 Alex Williams 的後工作政治。第四組是 Acemoglu 的親勞工 AI 與 David Krakauer 的工具能動性。最後把它們收束成三個行動尺度，個人、組織、社會。
這裡不放長篇原文摘錄。兩本書與論文的原文都已做過章節定位與短錨點整理，正式引用時應回到原文核對。本文只使用可追溯的概念、短定位與來源列表。
一、先把焦慮放回正確尺度
AI 失業焦慮值得認真看待，但它不應直接被讀成總體失業末日。
前期研究整理出的圖像是分層的。把鏡頭拉到總體，美國近年的職業與產業就業結構尚未出現清楚的 AI 失業地震。Acemoglu 在 2024 年的估計也偏保守，認為 AI 在十年尺度對總要素生產力的提升可能相當溫和，遠低於許多顧問公司與投資敘事中的高增長想像。這並不表示 AI 沒有衝擊，只表示總體指標目前還沒有支持「全面失業已經來臨」這個說法。
但把鏡頭推近到入門職位與高 AI 暴露職業，畫面會變得尖銳。年輕工作者、新鮮人、剛要進入專業門檻的人，感受到的壓力更真實。前期研究把這點稱為「入門層焦慮」。這種焦慮不完全來自 AI，因為升息、科技業裁員、疫情後超額招聘回吐，都和同一段時間重疊。但它也不只是媒體誇張，因為入門職位與學習入口確實正在變窄。
因此第一個判斷是，總體層的末日敘事超前了實證，入口層的焦慮則貼近現實。錯把入口層問題讀成總體崩潰，會導致恐慌。錯把總體平靜讀成沒有問題，會導致延誤。
讀書會可以先從這個問題開始。你自己的 AI 焦慮是切身風險、職涯入口壓力，還是社會敘事帶來的壓力。這三者需要不同回答。
二、工作不是一整塊，任務才是真正單位
Susskind 與 Acemoglu 都提醒我們，工作不該被當成一整塊。工作是一組任務的集合。技術替代通常先發生在任務層，之後才反映到職位、薪資、職涯路徑與社會身分。
這個任務視角可以解開一個表面矛盾。許多生成式 AI 實驗顯示，新手與低表現者得到更大的短期生產力提升。AI 把資深者腦中的模板、步驟、語氣、檢查方式壓縮成工具，新手因此能更快產出。這看起來像是平權。
但如果 AI 接走的正是新手原本拿來練習的任務，短期平權會變成長期斷梯。新手當下做得更好，卻少了理解錯誤、反覆練習、被資深者回饋的過程。組織看見的是效率上升，較慢才看見人才養成下降。
這就是 AI 與工作的第一個核心張力。AI 可能同時增能新手，也壓縮新手入口。它在任務內拉平差距，在職涯上拆掉階梯。兩個現象可以同時成立。
對個人來說，問題是哪些任務應該交給 AI，哪些任務其實是自己需要練會的基本功。對組織來說，問題是導入 AI 後，還能不能讓新人理解脈絡、承擔責任、逐步形成判斷力。
三、Susskind 的警告，工作不足是逐步萎縮
Susskind 的《A World Without Work》不是在預言所有工作突然消失。他更關心的是逐步萎縮。機器逐漸接手更多任務，最後留下的好工作不足以容納所有想工作的人。
這本書最有用的地方，是把技術性失業拆成兩類。
第一類是摩擦性的技術失業。工作仍然存在，但人碰不到。原因可能是技能不匹配、身分不匹配、地點不匹配。年輕人想進入高薪專業，卻發現入門職位變少，這不一定表現為整體失業率暴增，但會表現為轉銜困難、職涯延遲、心理壓力與身分焦慮。
第二類是結構性的技術失業。若機器真的持續接手更多任務，長期可能出現好工作總量不足。這是更強的主張，也更不確定。Acemoglu 的保守估計會挑戰這個速度想像。但 Susskind 的提醒仍重要，因為高價值科技產業不一定大量雇用人。市值、產值、就業人數不會自然同步成長。
Susskind 最後把問題拆成三個。分配問題，當工作不再可靠分配收入與繁榮，社會如何分配。權力問題，當大型科技公司掌握社會基礎通道，公共權力如何約束。目的問題，當工作減少，人如何取得方向感、承認、日常結構與生活意義。
這三個問題把討論從「有沒有工作」推進到「工作承擔了哪些社會功能」。如果工作同時分配收入、身分與目的，那麼 AI 改變工作，就不只是勞動市場問題，也是社會制度問題。
四、Srnicek 與 Williams 的後工作政治
Srnicek 與 Williams 的《Inventing the Future》從另一個方向切入。他們不把後工作看成單純風險，而把它看成可爭取的政治未來。
這本書先批判一種政治習慣，他們稱為 folk politics。它偏好在地、即時、可感受、道德清楚的行動，卻缺乏擴張到制度尺度的能力。這段對 AI 焦慮很有用。個人今天要不要用 AI、公司裡要不要禁用 AI、社群要不要反對 AI，這些行動都有意義，但如果沒有長期組織、制度目標與新常識，它們很容易停在姿態層。
他們提出四個最低要求。全面自動化、縮短工時、基本收入、削弱工作倫理。這四項不能拆成單點政策。自動化釋放時間，縮短工時重分配時間，基本收入增加拒絕低劣工作的能力，削弱工作倫理則處理更深的文化問題，也就是人為什麼要用受雇工作證明自己的價值。
這本書的強項是打開文明尺度。AI 不只是效率工具，也牽涉誰能決定技術服務什麼未來。它的弱點也很清楚，技術樂觀前提需要被 Acemoglu 校準。如果 AI 的宏觀增長沒有那麼快，如果自動化先打掉的是入口與議價能力，後工作政治就不能只喊更多自動化，還要回答分配、照護、公共能力與新任務創造。
因此讀書會可以把 Srnicek 與 Williams 放在一端，把 Susskind 放在另一端。前者問我們敢不敢要求後工作，後者問我們準備好治理工作不足了嗎。兩者共享一個前提，現有工作制度不應被當成自然秩序。
五、Acemoglu 的第三條路，創造新任務
Acemoglu 的系列研究把辯論推到技術方向。AI 造成什麼影響，不只取決於能力，也取決於它被設計成替代人、監控人、增強人，還是創造新任務。
他和 Restrepo 批評一種錯誤的 AI 方向，也就是 so-so automation。這類自動化足以替代人，卻沒有帶來足夠大的生產力紅利。結果可能是勞動需求下降、勞動份額下降、資本與平台拿走更多收益。
他和 Autor、Johnson 在親勞工 AI 的研究裡把技術分成五類。勞動增強、資本增強、自動化、專業拉平、新任務創造。真正明確親勞工的是創造新任務。也就是讓人的專業更有價值，讓人能做原本做不到、或做不好的事。
這裡的實務問題，是辨認 AI 把人放在哪裡。是把人變成監看機器的低價勞動，還是讓教師、護理師、工程師、維修者、照護者、研究者可以做更複雜、更有判斷力的工作。是讓新手失去練習入口，還是替新手建立更好的訓練與回饋。
Acemoglu 的提醒最適合放在社會尺度。市場預設不一定會選親勞工路徑。企業追求成本下降，投資人追求可規模化產品，稅制常常讓機器比人便宜，技術文化也常把移除人當成進步。若要改變方向，需要採購、稅制、競爭政策、研究資助、勞動制度與工作者聲音一起介入。
六、SFI 與 David Krakauer 的個體判準，工具拿掉後留下什麼
如果 Acemoglu 處理社會尺度，Santa Fe Institute 的 David Krakauer 則能處理個人尺度。他在 C-LAB 0610 補充段落裡討論的核心問題，是工具如何增益或削弱智能。
Krakauer 區分能力與智能。能力是你在工具幫助下完成了什麼。智能是工具拿掉後，你是否更能自己完成、判斷、遷移與重建。工具可以提高能力，也可能削弱智能。判準在於工具能否被內化。可內化的工具讓人使用後更會思考。不可內化的工具只提供結果，拿掉工具後什麼能力都沒有留下。
這段討論比「可內化」更細。工具可以承載不同暫存器，包括記憶、操作、路徑策略、目標策略。指南針只承載少量操作，地圖承載佈局，GPS 則承載道路地圖、定位與路線。工具越往路徑策略與目標策略移動，使用者越容易把自己的判斷外包出去。
因此，工具與使用者的邊界看的是誰握有目標，不看誰比較像機器。握有目標設定、問題定義與驗證責任的那一方，才是使用者。只為那個目標服務、負責記憶、操作或路線的那一方，才是工具。
LLM 的特殊之處，是兩種可能都存在。把它當神諭，讓它接管問題設定、路徑選擇與判斷，它就成為思想的 GPS。你會更快完成任務，也更少鍛鍊自己。把它當對話者、教練、反對者、測試者，它就更像可內化的工具。你可能變得更會問、更會拆解、更會驗證。
個體能動性的最低標準可以濃縮成四個保留。保留問題設定，保留路徑選擇，保留驗證責任，保留後果承擔。AI 可以幫你產出，但不能替你決定什麼算好、什麼算真、什麼值得做。
這也是會前閱讀最貼近日常的一段。每次用 AI 後都可以問，工具拿掉後，我多了什麼能力。若答案一直是沒有，那它提供的是租來的能力。
七、三個尺度的能動性設計
把這些材料合起來，可以得到三個尺度的行動框架。
個人尺度的核心，是能力能否內化。把 AI 當教練、對話者、批判者、測試者。用它來暴露盲點、產生反例、檢查推理、整理材料。避免讓它接管目標、判斷與責任。最小行動是建立個人使用規則，每次使用後記錄自己學到的概念、方法或判準。
組織尺度的核心，是能否再生產專業者。導入 AI 前，先盤點任務。哪些適合自動化，哪些需要互補，哪些是新手訓練任務，哪些可被重組成新任務。組織不能只衡量產出速度，也要衡量新人是否更快理解脈絡、是否得到更好回饋、是否能成長成能負責的人。
社會尺度的核心，是能否把技術方向變成公共選擇。政府與公共機構可以透過採購支持親勞工 AI，透過教育政策重建入口階梯，透過青年職缺與實習監測及早發現斷梯，透過競爭政策與資料治理限制平台權力，透過稅制降低偏向機器替代人的誘因。
三個尺度不能互相替代。只談個人學習，會把制度壓力丟回個人。只談組織效率，會犧牲人才再生產。只談公共政策，會忽略工具每天如何改變人的思考習慣。
八、會前請帶著這些問題來
第一，你最擔心 AI 改變的是收入、能力、身分，還是社會位置。
第二，你希望 AI 幫你自動化掉什麼，又希望它幫你學會什麼。
第三，你所在的組織如果導入 AI，哪些新手任務會被拿掉。拿掉之後，學習階梯要如何補回來。
第四，你覺得後工作更像值得爭取的解放，還是需要管理的風險。
第五，什麼樣的 AI 才算親勞工。它要讓誰的專業更值錢，要創造哪些新任務，要由誰來判斷。
第六，如果工作不再承擔所有收入、身分、目的功能，哪些功能應該由別的制度承擔。
九、建議閱讀路線
若時間有限，先讀本文與前期研究，再看簡報。
若要讀書籍原文，建議先讀 Susskind 的 Introduction、Chapter 2、Chapter 6、Chapter 7，掌握任務視角、摩擦性失業與結構性失業。再讀 Srnicek 與 Williams 的 Chapter 1、Chapter 4、Chapter 6、Chapter 7，掌握 folk politics、synthetic freedom、四項要求與新常識。
若要讀 Acemoglu，建議順序是 2024 年的 The Simple Macroeconomics of AI，2019 年的 The Wrong Kind of AI?，2020 年的 AI and Jobs，最後讀 2026 年的 Building Pro-Worker Artificial Intelligence。
讀的時候請不要只問作者是否預測對了。更重要的是問，他把問題放在哪個尺度。總體、任務、職涯入口、工作意義、政治制度，每個尺度看到的 AI 都不一樣。
來源與證據
- 前期研究。〈AI 與工作，在焦慮與實證之間〉。https://pro.mashbean.net/reports/2026-06-13-ai-work-anxiety-reality/
- Daron Acemoglu。The Simple Macroeconomics of AI。NBER Working Paper 32487, 2024。https://www.nber.org/system/files/working_papers/w32487/w32487.pdf
- Daron Acemoglu, Pascual Restrepo。The Wrong Kind of AI? Artificial Intelligence and the Future of Labor Demand。NBER Working Paper 25682, 2019。https://www.nber.org/system/files/working_papers/w25682/w25682.pdf
- Daron Acemoglu, David Autor, Jonathon Hazell, Pascual Restrepo。AI and Jobs, Evidence from Online Vacancies。NBER Working Paper 28257, 2020。https://www.nber.org/system/files/working_papers/w28257/w28257.pdf
- Daron Acemoglu, David Autor, Simon Johnson。Can We Have Pro-Worker AI? Choosing a Path of Machines in Service of Minds。MIT Shaping the Future of Work Initiative, 2023。https://shapingwork.mit.edu/wp-content/uploads/2023/09/Pro-Worker-AI-Policy-Memo.pdf
- Daron Acemoglu, David Autor, Simon Johnson。Building Pro-Worker Artificial Intelligence。NBER Working Paper 34854, 2026。https://www.nber.org/system/files/working_papers/w34854/w34854.pdf
- Nick Srnicek, Alex Williams。Inventing the Future, Postcapitalism and a World Without Work。Verso, 2016。
- Daniel Susskind。A World Without Work, Technology, Automation, and How We Should Respond。Metropolitan Books, 2020。
- David Krakauer。C-LAB 0610 deck 補充段落，第 21 頁之後。https://mashbean.net/decks/c-lab-0610/#21
- ACCUPASS。〈文化前線II｜在被 AI 離職與不工作之間選擇躺平〉活動頁。https://www.accupass.com/event/2606090251212495630930