我們或許會因為科技進步跟AI的發展而失去工作 ... - Medium

隨著AI人工智慧的科技發展，多數人都很擔心未來機器是否終將取代人類，有工作的朋友們擔心因此失業，還在求學的學子們則煩惱會不會一畢業自己所學的 ... GetunlimitedaccessOpeninappHomeNotificationsListsStoriesWritePublishedin經濟金融人的工作日常我們或許會因為科技進步跟AI的發展而失去工作?摘要隨著AI人工智慧的科技發展，多數人都很擔心未來機器是否終將取代人類，有工作的朋友們擔心因此失業，還在求學的學子們則煩惱會不會一畢業自己所學的技能就被機器取代。

科技發展的速度是不等人的，在這個人類會不會被取代的關鍵時刻裡，專家學者們又是如何看待此事？本文摘要學者Ramaswamy（2018）「技術進步、自動化及就業之理論與實證」Graetz,Georg,andGuyMichaels（2018）「機器人與工作」兩篇文章，整理出學者們的相關看法。

當機器能完成以前需由人類完成的工作時，就稱為自動化。

自動化的發展可能減少就業機會，以及機器將取代人類的想法，已為各國帶來焦慮。

Ramaswamy（2018）回顧近期相關文獻發現，自動化或可解釋近期美國勞動市場面臨市場對低技術勞工的需求大幅下降，以及高中低技術職業間薪資不平等的現象。

此外，相關文獻亦指出，自動化及機器人的應用使生產效率提高，降低產出的價格，亦帶動整體產業新的勞動需求，因此自動化似乎並不會導致就業機會減少，惟低技術勞工將更可能失業，而未來職業則需新專業技能的勞工。

總體來說，自動化對未來就業的影響程度仍充滿未知，若自動化僅能替代例行等低技術工作，結果可能尚屬樂觀；惟若自動化可以取代除例行工作以外的範圍，則將嚴重衝擊勞動市場。

可以確定的是，自動化已加劇各國勞動市場的不確定性，未來政府應強化勞工多樣化技能的培養，以因應自動化所帶來的挑戰。

PhotobyFranckV.onUnsplash本文當機器可以完成以前需由人類完成的工作時，代表自動化的發生，該術語泛指可能被人工智慧（AI）取代的勞動及認知工作。

媒體報導相關研究預測自動化及數位科技將導致勞工失業，加劇人們的擔憂。

2017年9月，全球服務諮詢公司HfS預測，截至2022年，印度IT部門將因自動化而失去70萬個低技術工作。

Ramaswamy（2018）文獻回顧近期技術進步、自動化及就業市場的相關研究，並提出重點如下：一、自動化的發展或可解釋近期美國勞動市場面臨勞動份額下降、就業「極化」，以及高、中、低技術職業間薪資不平等的情況。

DavidAutor（2015）指出，美國正面臨2大情勢：（1）1979至2012年間非大學教育男性的薪資下降；同時（2）高中畢業男性的實質全時週薪資降低15%，高中肄業男性則低降25%。

25–39歲男性就業人數占總就業人數的比率降低，且其收入也下降。

這2項情勢加上國民所得中勞動份額下降的事實，被解釋為市場對低技術勞工的需求大幅下降，亦即在美國，低教育程度的成年人無法找到合理薪資的工作，此等同於技術性失業。

此外，目前美國及歐洲亦面臨就業「極化」的問題，以及高、中、低技術職業間薪資不平等的情況。

上述現象被認為與當前生產技術自動化有關。

目前探討自動化及就業間關係的分析模型有兩種，皆能解釋技術進步對就業市場的影響，模型簡述如下：（一）因素擴增的技術進步（factoraugmentingtechnology）模型，可解釋勞動所得份額降低的現象。

因素擴增的技術進步模型採替代恆定彈性（CES）生產函數，技術進步對於函數中一般勞動（L）及資本技術（或高技術型勞動）（K）的擴增影響（指改善K或L的生產力）並非對稱而具有偏向性，其關鍵參數為替代彈性（σ）。

若σ>1，表示兩要素為毛替代，K相對於L邊際產量增加，稱為資本技術偏向型（K-biased（skill-biased）），此類型技術進步將導致廠商增加資本投資（或增加高技術型勞動的需求）；若σ<1，表示兩要素為毛互補，L的邊際產出相對增加，為勞動偏向型（L-biased）。

當σ>1時，資本所得份額與資本深化之間存在直接關係，亦即，資本偏向型的技術進步可解釋勞動所得份額下降的現象。

惟在此模型中，不會產生技術進步取代勞動的情況，因此模型須經修改，以探討自動化及機器人對就業及薪資的影響。

（二）例行任務技術進步（routine-biasedtechnologicalchange（RBTC））模型，可進一步探究因自動化導致職缺改變的影響。

Autor,LevyandMurname（2003）提出科技發展如何改變工作及工作技能需求的簡易理論。

此架構中嘗試將工作任務歸類為例行或非例行，若該等工作可藉由明確的程式所完成，則歸類為「例行性」。

由於模型假設機器能取代人類執行例行工作，因此被稱為例行任務技術進步（routine-biasedtechnologicalchange）。

任務歸類法的生產函數採Cobb-Douglas形式，函數中包含例行（routinelabor,LR）、非例行（non-routinelabor,LN）勞動及電腦資本（computercapital,CC）。

該模型可預測，LR工作密集的產業將減少LR的勞動需求並以CC取代之，同時增加對LN勞動的需求。

實證發現，在1970至1998年間，美國例行操作密集型工作的勞動占比大幅下降。

此外，在1970、1980及1990年代，工業電腦化（在工作中使用電腦的勞工百分比）及例行工作產出變化之間呈現負向關係。

AutorandDorn（2013）再延伸任務歸類法模型，將服務業納入考量，以解釋美國就業極化的現象。

首先，該文指出美國1980至2005年間，就業技術呈現明顯的U型。

亦即，中技術的相對就業份額下降，惟兩端（高技術及低技術）就業占比上升，此稱為就業極化。

其次，該文建構一個基於工作任務的模型來解釋極化。

在該模型中，技術進步代表例行工作的電腦化成本下降，而經濟體存在兩個部門分別生產「商品」及「服務」。

其中，「商品」定義包含製造業、銀行及教育等技術服務，而「服務」則專指低技能的面對面服務，包括剪髮、管家、食品等。

經濟體中有3種類型的勞動，分別為操作勞動（manuallabor,LM）、例行勞動（routinelabor,LR）及抽象勞動（abstractlabor,LA），另有電腦資本（computercapital,CC）為第4個投入要素。

該模型中，CC與LA為互補關係，而與LR為替代關係（見表1）。

若假設CC及LR間的生產替代彈性相對高於商品及服務的消費替代彈性，則隨CC的價格下降，CC將取代LR，使LR產生剩餘，在LR供過於求的情況下，LR的薪資將下降，而當LR薪資低於從事服務業LM的薪資時，將使LR由生產商品轉向服務業，導致經濟中的就業極化。

例行工作易於程式化，而家務或清潔服務等操作勞動工作的程式化成本仍高。

因此，隨電腦化成本下降，商品生產中的例行工作將被自動化（使就業份額下降），而抽象勞動的生產力則提高。

自動化降低LR的薪資，使LR勞動力轉而投入服務業的操作勞動。

因此，就業極化出現在勞動力市場中，中技術勞動力的比例降低，高技能及低技能職業的比例則升高。

二、自動化及機器人的採用似未導致總體就業機會減少，惟職缺間的替代效果部分抵消技術進步創造新工作的效果。

Bessen（2017）觀察到，一項職業中的所有工作若能完全自動化，將導致工作的淨損失，惟部分工作自動化卻不會。

1980年出現的電腦文書軟體，導致出版業中部分工作自動化而消失，如排字員及排版師，卻也創造出新的就業機會，如圖像設計師。

在該情況下，一個職業被另一個職業取代，技術進步使職業間產生替代或互補效果。

電腦的使用使勞動生產力增加，因而降低服務的價格。

某個職業可能因電腦的使用而使某要素提高生產率，此稱為要素擴增（factoraugmentation）。

要素擴增導致職業的增減，取決於要素間的替代彈性、消費者對產品的需求彈性，以及該職業的薪資。

Bessen認為電腦使用與職業的「自動化程度」高度相關，其藉由分析美國1984至2003年間317種職業使用電腦的情況，確實發現使用電腦的職業替代了其他職業。

亦即，職業間的替代部分抵消電腦科技所帶來新的職缺，平均而言，電腦科技導致就業小幅增加，並未造成職缺減少。

三、自動化對就業方面的影響，取決於勞工被取代的程度（負面）、特定產業因自動化產出增加而提升勞動需求的效果（正面），以及自動化提高整體產業勞動需求的效果（正面）。

AcemogluandRestrepo（2017）利用美國勞動市場數據（依通勤區劃分）研究機器人如何取代人類。

文中提出影響勞動需求的三種不同因素（為模型推導出之部分均衡）：（a）取代效果（displacementeffect）：機器人（自動化）將取代勞工，並減少廠商對勞動的需求；（b）價格–生產效果（price-productivityeffect）：自動化將降低特定產業的生產成本（並降低產出售價），使產出增加並帶動廠商對勞動的需求;（c）規模–生產效果（scale-productivityeffect）：生產成本的降低導致整體產業的總產出增加，亦提高整體勞動需求。

因此，自動化對就業方面的最終影響（總和上述3種效果的一般均衡），取決於取代效果以及價格–生產效果與規模–生產效果的大小。

該文採用迴歸分析1990至2007年（金融危機前）美國722個通勤區，工業機器人對當地就業的影響。

估計發現1993至1997年間，美國機器人採用速度約為每千名勞工增加1台機器人，相當於同期增加120,000台機器人，並發現受機器人影響的通勤區平均減少0.37個百分點的就業率。

在不同假設下估計發現，美國經濟體導入1台機器人，其就業機會減少範圍約在3（僅製造業）和5.6（總經濟體）個勞工之間，失去的工作總數約為360,000至670,000（AcemogluandRestrepo,2017,page36）。

美國整體經濟中，機器人使用導致1990至2007年期間每年損失的工作約在21,000至39,000之間。

四、自動化及機器人的應用使生產效率提高，降低產出的價格，且並未顯著降低總就業數，惟可能減少低技術勞工的就業份額。

Graetz及Michaels（2017）利用各國使用機器人的數據來衡量機器人對生產力、工資及就業的影響。

該跨國研究使用1993至2007年17個國家中14個產業機器人使用的追蹤資料。

首先，研究發現6個先進國家的機器人價格大幅下降。

2005年經品質調整的工業機器人價格約為1990年的5分之1（見圖2），此外，17個國家的機器人密度（每百萬小時的機器人存量）在此期間從0.58增至1.48，增幅逾150%，且機器人密度快速增加的產業，其勞動生產率的增速也高。

該文採用任務型模型，假設勞工能執行所有工作任務，而機器人僅能執行有限的工作。

廠商可以選擇同時採用機器人及勞工，或完全採用勞工。

在機器人可執行的任務中，機器人和勞工是完美的替代品，而機器人的租金為r。

廠商的選擇規則為：當使用機器人的利潤超過採用勞工時，則採用機器人。

模型證明，當機器人成本降低時，對就業的影響取決於2個關鍵參數：替代彈性（σ）和需求彈性（ε）。

若且為若ε>σ（εσ（即消費者需求的增加程度，大於廠商對機器人相對價格下降的反應），對產出的需求增加將導致對勞動力的相對需求增加。

增加機器人使用量對勞動生產率的成長貢獻約0.37個百分點，且沒有顯著降低總就業數。

文中亦分別估計高技術（大學畢業），低技術（高中肄業）及中技術勞工的工作小時數，並發現採用機器人對低技術組的影響為負向，因此機器人被認為與低技術勞工的就業份額減少有關。

不同於其它文獻（Autor,LevyandMurname（2003）,Goos,ManningandSolomon（2014）amongothers），該研究並未發現自動化對中技術勞工有負面影響。

五、機器人對未來就業的影響還是未知數，若機器人僅能替代例行工作，結果可能是樂觀的；惟若機器人可以取代除例行工作以外的範圍，則將嚴重衝擊勞動市場。

綜觀目前相關文獻的研究結果，機器人對未來就業的影響還是未知數。

若機器人僅能替代例行工作（AcemogluandAutor（2011）andothers）其結果尚屬樂觀，因大量不適合自動化的職業仍將存在，且勞工具比較優勢的新工作亦可能出現（AcemogluandRestrepo,2016），可抵消由於自動化導致的工作消失。

惟若現實如同Susskind（2017）論文所假設，則機器人可取代勞工的範圍則擴大許多。

Susskind（2017）將資本區分成「傳統資本」及「先進資本」，前者指的是無法執行勞工工作的機器，後者為可執行複雜勞工工作的機器（如辨讀機器人（readrobots））。

簡言之，在此假設下，機器人甚至可執行原先被認為勞工具有比較優勢的非例行複雜工作。

勞工與傳統資本間具互補關係，惟先進資本則與勞工競爭，並取代所有勞工的工作，最終勞工的工作份額將急劇縮小。

自動化及機器人技術的進步，或可以看到這種悲觀的情景，惟現階段仍很難預測實際結果以及不同經濟單位對自動化威脅的可能反應。

六、結論與建議：自動化對目前就業市場已產生影響，未來政府應強化勞工多樣化技能的培養，以因應自動化所帶來的挑戰。

（一）自動化似未使就業機會減少，惟將不利低技術勞工，未來職業亦需新專業技能。

根據現有文獻回顧，可歸納出以下3點現象：（1）加速採用自動化及機器人似未導致總體就業減少；（2）例行工作的低技術勞工更易遭受工作損失；（3）未來的職業將需要新型技術勞工或新專業。

例如現今美國對電腦理解人類語言的軟體工程師需求增幅超過其他技能的勞工。

簡言之，未來對多樣化技能的需求可能發生巨變，且學習新技能亦可能對勞工形成挑戰，並需要大量投資（Bessen,2017）。

（二）各產業雖不一定會因機器人成本降低而完全自動化，惟自動化仍為未來趨勢。

近年來工業機器人的功能正迅速提高，且其成本逐漸下降。

新型機器人可更加靈活的完成更多工作。

在美國汽車業中，焊接機器人的成本從2005年182,000美元降為2014年的133,000美元，預計到2025年將進一步下降到103,000美元（BCG,2015）。

另外，美國電子及電氣設備產業中，現階段通用機器人系統的成本估計為每小時28美元，預計到2020年將降至每小時20美元以下，低於人工勞動成本。

機器人成本降低出現在不同的產業中，惟仍無法達到100%的工作自動化，其原因為：（1）產業間存在採用機器人相對成本效益的差異；且（2）特定工作或產業採用機器人的難易程度不同。

第一個因素較為直接，根據經驗法則，人工成本超過總成本15%或30%的產業，將更有誘因採用機器人。

此外，勞動成本高的國家，如澳洲（2014年每小時55美元）將比印度（2014年為5.24美元）更加積極地採用機器人。

第二個因素則在發展中國家相對重要，因勞力密集型產業的某些工作不適合使用機器人，或具成本效益的機器人尚未出現。

比如，自動切割機已可供使用，而具備縫製技術的機器人稱為—「SewbotsTechnology」，惟相較採用機器人，拾起布料、對齊並將之送到縫紉機縫製成服裝的工作採用人工仍較有效率。

這種細緻動作的工作，採用機器人每小時的成本仍然非常高，因此對發展中國家的低技術勞工威脅較小。

鞋類製造亦面臨相同問題，自動化所生產鞋子的成本仍高於手工組裝。

Nike投資自動化並生產名為Flyknit的高端運動鞋，一般NikeRoshe球鞋售價75美元，而Flyknit價格則高達130美元。

Nike仍持續投資自動化，目前已與Flex、Grabit等技術合作公司開發多種自動化創新技術，如雷射切割、自動黏合等，以使生產製程更接近美國高端客戶。

（三）技術創新提高產業內的生產力，亦可帶動整體產業新的勞動需求，如何透過適當的教育及培訓，以滿足對新技能的需求，將是未來的挑戰。

新技術有助於提高生產力，同時亦創造與生產及服務互補的勞動力需求。

亦即，機器人除了在同一產業內創造出新工作的需求外，亦可提高生產效率，並因此產生對其他部門及產業的勞動力需求。

未來面臨的挑戰是，如何透過適當的教育及培訓，來增加所需技術的勞動供給，以滿足不久的將來對多樣化技能的需求。

總體而言，透過自動化及就業相關的文獻回顧可了解，雖然自動化對總體經濟的影響尚未明朗，但顯見的是，技術的創新發展將大大增加各國勞動市場中就業及薪資的不確定性。

摘譯自：1.K.V.Ramaswamy,(2018),“Technologicalchange,automationandemployment:ashortreviewoftheoryandevidence,”IndiraGandhiInstituteofDevelopmentResearch,WP-2018–002,Jan.https://ideas.repec.org/p/ind/igiwpp/2018-002.html2.Graetz,Georg,andGuyMichaels(2018),“Robotsatwork,”ReviewofEconomicsandStatistics,Feb.http://personal.lse.ac.uk/michaels/Graetz_Michaels_Robots.pdfMorefrom經濟金融人的工作日常研究所主修財務金融，已在金融圈研究部門工作多年，工作中常常接觸經濟金融相關外文論文，有鑑於論文給人高深莫測的感覺，希望藉由自己的翻譯專長，摘錄一些有趣的論文與大眾分享!Readmorefrom經濟金融人的工作日常AboutHelpTermsPrivacyGettheMediumappGetstartedChenJung在金融業從事研究工作，喜愛翻譯/摘譯外文論文與大眾分享。

FollowHelpStatusWritersBlogCareersPrivacyTermsAboutKnowable