你越強，AI對你的衝擊反而越大？兩份最新研究告訴我們誰受益誰受害

收入減少百分之五，對很多人來說將會有非常大的影響。如果以月薪四萬元計算，百分之五就是兩千元，可能是一些人一整個禮拜的餐費。

三名美國學者研究全球最大的線上外包工作平臺，發現在ChatGPT推出之後，寫作與校對相關工作者的酬勞應聲下跌，跌幅就超過百分之五，而且相關職缺也同步減少（Hui et al.，2023；也可參考Burn-Murdoch，2023）。同樣地，在DALL-E 2和Midjourney這兩大圖像生成AI工具上線之後，接案工作的繪師不但案量變少，而且酬勞也明顯降低。

但是，這可能還不是他們最驚人、最恐怖的發現。

當高技能的工作者失去優勢

在思考「誰會被科技取代」的時候，我們經常有一個想像：如果新科技會淘汰一些工作者，那總該是從最弱的人開始淘汰起吧？換句話說，如果我是這個領域的佼佼者，應該是最後被衝擊到的人吧？事實上，我們甚至可能會以為，高技能的工作者更有機會可以利用新科技，反而讓自己的效能更高，更不容易被取代才對。

但這三位學者研究最新的實際資料，發現事情並非如此。在他們研究的平臺Upwork上，表現好的接案工作者會獲得系統給予的「優良標章」；此外，平臺也會讓雇主回報工作結果是否達標，因此可以算出每一位接案工作者的「成功率」。最後，從接案工作者的開價高低，我們也能推知不同工作者在市場競爭中的定位有多高級。

這篇研究藉由這三項指標發現，在寫作與校對產業中，頂尖的工作者「案量流失」跟「酬勞減少」的幅度，不比其他人來得低；而在繪圖領域中，證據甚至讓我們有足夠的信心，可以說頂尖工作者所受到的衝擊反而更大：過去酬勞較高的那群人，在DALL-E 2和Midjourney出現之後，案量減少百分之七，酬勞甚至減少百分之十四，與其他人的減少比例達到統計上的顯著差異──面對生成式AI的潮流，高技能並不保證能夠置身事外。

為何如此？三位作者在這篇研究中沒有提出很詳細的解釋或猜想，但他們提到一個關鍵詞──技能偏向的科技改變（skill-biased technological change，常簡稱為SBTC）。這是勞動經濟學和社會學中的經典概念，簡化來說是這個意思：科技進步會影響工人的生產力，但每位工人進步的幅度可能不一樣；同時，科技進步也會影響雇主對不同工人的需求，但對不同種工人的影響也會不一樣。

傳統上，科技進步通常是讓「高技能」的工人生產力提高更多，而且變得更為搶手。以電腦科技為例：電腦科技越進步，本來就越懂得用電腦的工人，就越能用電腦做到更多事，而老闆們也就更需要會用電腦的人；反過來說，不會電腦的工人能做到的事就越少、越不值錢。換言之，科技進步通常是讓高技能的人賺到更多錢，低技能的人賺更少、甚至失業──事實上，對於美國在1980年代薪資差距為何擴大，這就是經濟學界的主流解釋之一。

就這點而言，AI可能跟這些科技很不一樣：生成式AI本身就可以產出品質很不錯的成品，而且使用的門檻很低，這點反而弭平了高低技能工人之間的差異，業主反而不需要發案給高技能、高收費的自由工作者──要這麼貴？那我不如給AI做就好了！

在AI幫助下，低技能者追平高技能者

而另一份最新研究 (Dell’Acqua et al., 2023) 既能補充這個現象，讓我們更瞭解背後的成因，也能幫助我們找到不那麼悲觀的理由，看到在AI時代專業技能將扮演的角色。

這群研究者同樣發現，生成式AI對低技能的工作者幫助反而比較大，所以對高技能的人不利，會消弭高技能者的優勢。團隊在一間大型顧問公司展開實驗，發現AI可以提升所有人的報告寫作品質，但提升的幅度不同：根據外部評分的結果，「低技能組」使用AI後效率大幅提升，工作品質平均分數增加43%，但「高技能組」卻只增加17%。同樣重要的是，在沒有辦法使用ChatGPT時，高低技能組表現差異很大，但可以使用ChatGPT之後，低技能組的表現卻幾乎快要追平高技能組。

回到先前「技能偏向的科技改變」的討論，這意味著對技能較差的人來說，這項科技對生產力的提升反而更明顯，雇主對低技能者的相對需求反而更可能增加──用白話文來說：花那麼多錢請超強的人來幹嘛？找個一般人、讓他用ChatGPT，不也能做得差不多好？

這是否表示大家都不用精進技術了呢？倒也不是。哈佛的團隊發現，在某一類任務上，高技能還是有優勢的，那就是「真的很難」的任務。在他們的研究中，指的是複雜的分析：要先仔細閱讀文字敘述，再來分析統計數據。

面對複雜任務，使用AI的策略有兩種

既有質性又有量化，要理解、要比較又要表達，這些事情就是目前AI也無能為力的事情，這使得低技能的人有AI也沒有用，甚至高技能的人也發現AI幫不太上忙。事實上，面對這種任務，可以使用AI之後，人們產出的品質不升反減，平均而言下降19%。

但研究者發現，還是有一些「很厲害」的人，在面對這種任務時依然能夠善用AI。而且他們發現，這些人使用AI的方式並不完全一樣，可以區分為兩大類：一類人是讓AI產生初稿後自行檢查、修正，發現有問題再來修改「詠唱」方式，讓AI產出更好的答案；另一類人則是與AI分工合作，把一些任務交給AI，另一些任務則不假手AI工具，依然交由自己處理。

更具體來說，第一類聰明人會使用的技巧包含：在指令中要求AI以特定「身分」提供答案；要求AI以特定的方式「編輯」先前提供的答案；把任務「拆分」成幾個小步驟，讓AI分別回答；要求AI「提供更多細節」；要求AI「驗證」某一個結果；直接跟AI說「前一個解答為什麼可能是錯的，請重新考慮」。

至於採取第二類的「分工」策略的聰明人，則比較常請AI專注於這些任務：請AI就一個問題提供一般性的資料，幫助自己快速掌握大方向；詢問AI解決問題的可能方式；在自己產出初稿之後，再請AI協助潤飾。

延伸這樣的發現，我們或許可以這麼說：在AI的時代，技能還是重要的，但技能的意義已經不一樣了。如果是那些靠AI就能夠做得很好的技能，用處就很有限，因為雇主可以乾脆改用AI來做就好，或是用較低的酬勞聘請技能較低的人使用AI產出成果。真正吃香的技能，是面對複雜的任務時，「利用AI把事情做得更好」的技能。具體而言，這可能是「判斷AI給的答案不夠好，找到方法要求AI做更好」，也可能是「辨別哪些任務適合AI，把那些任務分給AI做，剩下的自己處理」──在未來的教育中，這樣的技能才是更值得培養的。