芝加哥大學教授 Alex Imas 接受 Bloomberg 訪談，提出傳統經濟學家評估 AI 就業衝擊的框架存在根本性盲點：以往每次技術革命後，勞動市場最終都能補償並恢復平衡，但 AI 的擴散速度是蒸汽機或電腦無法比擬的指數曲線。
（前情提要：OpenAI 900 職業研究打臉 AI 失業恐慌：18% 高風險族群飯碗反而最穩？怎麼回事）
（背景補充：AI 算力成本年降 60%，但帳單只漲不跌？傑文斯悖論下的陷阱）
蒸汽機花了一個世紀才真正改變就業市場的全貌，AI 可能只需要十年，而這個速度差異，正是傳統經濟學家最容易忽視的致命盲點。
芝加哥大學經濟學暨應用人工智慧教授 Alex Imas 近日接受 Bloomberg Odd Lots Podcast 專訪，提出了一個讓人不安的論點：過去數百年每一次技術革命後，勞動市場最終都恢復平衡的歷史規律，這次很可能不適用。
新工作會出現：一個太過自信的假設
目前對 AI 衝擊就業的樂觀回應，有一套根深蒂固的敘事框架：是的，某些工作會消失，但生產力提升後需求會擴張，新的職位類別會隨之誕生。
蒸汽機消滅了紡紗工，卻創造出鐵路工人和工廠管理員；電腦淘汰了打字員，卻催生了軟體工程師和資料分析師。這套邏輯在過去兩個世紀屢試不爽。
但 Imas 的研究指向了一個關鍵的結構性差異：速度。前幾次通用技術革命，從發明到大規模普及往往需要數十年，給予勞動市場足夠的調適時間：工人可以再培訓，教育體系可以跟上，政策工具可以應對。
AI 的擴散曲線卻呈指數型態，壓縮了所有緩衝空間。
哪些工作的風險被嚴重低估？
傳統的「AI 風險職業」評估框架，多半以任務的「例行性」作為判斷標準：重複性高、規則明確的工作（如資料輸入、流水線作業）被列為高風險，而需要創造力、社交情境判斷的職業（如藝術家、治療師、談判員）則被視為相對安全。
然而這個框架在面對大型語言模型時已開始崩解。Imas 的研究框架聚焦在認知任務的「可替代性」：許多過去被視為需要「專業判斷」的白領工作：法律文書分析、初級程式碼撰寫、市場研究報告，正在迅速進入 AI 的能力射程。
值得注意的是，風險最高的族群往往是那些剛剛踏入職場、正在累積工作經驗的初級專業人員。OpenAI 對 900 個職業類別的大規模研究雖然指出整體失業恐慌有所誇大，但也同步確認：高技能知識型工作者中，約 18% 面臨顯著的職務重組壓力，而這些人恰恰是教育投資最重、重新培訓成本最高的群體。
速度才是決定性變數
Imas 的論點中，最具顛覆性的一環在於：經濟學家評估技術衝擊的模型，本質上是建立在「衝擊速度可控」的前提上。當調適時間被壓縮到數年甚至數月，所有依賴「時間換空間」的補償機制：職業訓練、社會安全網重建、新產業形成，都面臨嚴峻的時序挑戰。
政策工具的盲點
這對政策制定者意味著什麼？傳統應對技術性失業的政策組合：職業再培訓補貼、擴大失業保險覆蓋、鼓勵新興產業投資，在設計上都預設了一個「緩坡」型的衝擊曲線。
Imas 的研究暗示，AI 帶來的可能是一個「陡峭斷崖」：某些職業類別的需求可能在政策還未反應之前，就已經結構性萎縮。這也在政治現實層面隱藏了一個更深的焦慮：當機構開始以 AI 作為縮減人力的理由，誰來承擔過渡期的社會成本？
📍相關報導📍
兩個200億美元：OpenAI和Nvidia在打「推理戰爭」
DWF Ventures：AI已佔據DeFi 19%交易量，但在複雜交易中表現不足人類1/5
