DeepMind 風險長：AI 不會消滅 50% 白領工作，但你得重新理解「協作」這件事

本文整理自 AI Across Borders Podcast 2026 年 1 月 24 日發布的單集，由 Dr. Ayesha Khanna 主持，來賓為 Google DeepMind VP of Frontier AI Global Affairs Tom Lue。

誰在說話？

Tom Lue 是 Google DeepMind 前沿 AI 全球事務副總裁，負責管理法務、公共政策與前沿安全治理。他的父母來自臺灣，他本人從哈佛到白宮再到矽谷，橫跨法律、公共政策和科技三個領域。在這集 Podcast 中，他從 DeepMind 內部的視角談 AI 對工作的影響——而且他的團隊裡就有一位世界級勞動經濟學家在做這方面的研究。

主持人 Dr. Ayesha Khanna 是新加坡 AI 教育公司 Amplify 創辦人，長期關注 AI 對亞洲社會的影響。

「AI 會消滅 50% 白領工作」——這個說法對嗎？

這大概是過去兩年 AI 領域最常被引用、也最容易引發焦慮的預測。Tom Lue 的回答很直接：不對，至少在可見的未來不會。

他引用了 Google DeepMind 資深副總裁 James Manyika 和 MIT 勞動經濟學家 David Autor 共同發表在《The Atlantic》的文章。這篇文章的核心論點是：AI 自動化的單位是「任務」（tasks），不是「職業」（jobs）。絕大多數工作包含多種任務，AI 會接手其中一些，但不會端對端地取代整個職業。

Tom Lue 用了一個形象的比喻：你不應該試圖跳過峽谷，而是要一步步搭橋走過去。

兩個極端案例：醫師和自駕車

為了說明「協作」和「全自動」各自適用的場景，Tom Lue 舉了兩個他最熟悉的例子。

第一個是醫療診斷。假設 AI 可以透過視網膜掃描偵測出患者是否有糖尿病視網膜病變，這個診斷工具確實強大。但身為醫師，你掌握的是 AI 沒有的脈絡：這個病患的完整病史、過去就診的表現模式、患者本人對治療方案的偏好和期望。AI 給出數據，醫師做出判斷——這種人機協作產出的結果，遠比任何一方單獨操作更好。

第二個是自駕車。Tom Lue 在加入 DeepMind 之前待過 Waymo，他解釋了為什麼自駕車反而要設計成全自動：因為在駕駛這件事上，半自動比全自動更危險。你不會希望車子在搞不定的時候才把方向盤交回給一個毫無準備的駕駛人——那恰恰是最危險的時刻。所以 Waymo 刻意設計成完全自主，因為在這個特定場景下，全自動化實際上更安全。

這兩個例子劃出了一條清晰的判斷線：當人類的脈絡判斷不可或缺時，走協作路線；當人類介入反而增加風險時，走全自動路線。大多數工作屬於前者。

下一代怎麼辦？

訪談中，主持人 Ayesha Khanna 提出了一個切身的擔憂：年輕世代正在被 AI 的悲觀敘事包圍，就像幾年前氣候變遷的焦慮讓高中生畢業時對世界感到沮喪一樣。如果年輕人只看到「AI 要搶走你的工作」，他們不會有那種捲起袖子解決問題的動力。

Tom Lue 對此有親身感受。他提到自己剛升上六年級的兒子的學校，在返校夜上花了整整二十分鐘講「學校怎麼看待 AI」。他認為學校的態度算是進步的——他們理解，教會下一代正確使用 AI，不只攸關個人職涯，更關係到整個社會能否運用 AI 來應對氣候變遷、資源短缺等挑戰。

他給出的思維框架是：把 AI 想成增強創造力和生產力的工具，而不是取代你的威脅。他承認這個訊息還沒有真正傳遞到高中生的層級，「我們還有一段路要走」。

保留那些混亂的人性

訪談的最後，Tom Lue 被問到怎麼看待 AI 的本質。他的回答毫不猶豫：AI 是工具。不是有意識的存在，不是有獨立道德份量的自主體——至少在可見的未來不是。

然後他說了一段值得細想的話。他告訴自己的孩子：用 AI 去加速那些能釋放你創造力和人性的事情。人類本來就是混亂的、情緒化的、不合邏輯的、思緒四處飄蕩的——而這些特質恰恰是重要的，因為正是這些「缺陷」讓我們能進行道德上的角力，去處理社會中那些真正困難的議題。

他舉了一個具體的使用方式：當你正在跟某人爭論一個棘手問題時，AI 可以幫你盤點對方可能的論點、正反兩面的考量、各種解決方案的利弊。但最後做決定的那個人——帶著情感、偏見、直覺和良知——必須是你自己。

我的觀察

臺灣的企業在導入 AI 時，最常見的對話框架就是「AI 取代人」。老闆想的是能省幾個人力，員工怕的是自己被省掉。這個框架從根本上就走偏了。

Tom Lue 和 David Autor 提出的「任務自動化 vs. 職業自動化」區分，對臺灣的意義特別大。臺灣的產業結構以中小企業為主，大多數工作本來就高度依賴個人的經驗判斷、客戶關係和臨場應變——這些正是 AI 最不擅長取代的部分。一個跑了十年的業務，他對客戶脾氣的理解、對產業淡旺季的直覺、對報價彈性的拿捏，這些全都是 Tom Lue 所說的「人類脈絡」。AI 能幫他整理客戶資料、生成報價初稿、分析歷史銷售數據，但取代不了那個判斷。

真正的挑戰不在於 AI 會不會搶走工作，而在於大部分臺灣工作者——從工廠到辦公室——根本還沒學會怎麼跟 AI 協作。Tom Lue 的兒子在美國的學校已經花二十分鐘講 AI 教育策略了，臺灣多少學校做到了這一步？這不是技術問題，是教育和心態的問題。如果我們繼續用「取代 vs. 被取代」的零和思維看待 AI，就會錯過真正的重點：重新設計工作流程，讓人做人擅長的事，讓 AI 做 AI 擅長的事。