AI搶了你飯碗,卻助攻實現「不勞而獲」的未來?
AI搶了你飯碗,卻助攻實現「不勞而獲」的未來?

本文摘自《2030年僱用大崩壞:AI人工智慧讓你失去工作,還是不用工作?》,大牌出版

我認為在純粹機械化經濟,最能夠保障勞工所得來源的制度是「基本收入」。「基本收入」(Basic Income,以下簡稱BI)指的是,無收入水準限制,所有人都無條件給付最低限度生活費的制度。此外,其特徵是以個人為單位進行給付,而不是以家庭為單位。例如,不分男女老少,每個月都給付全體國民7萬日圓。把BI看成是「小孩津貼+大人津貼」,也就是「全民津貼」,應該比較好理解。

而現代版的BI則是源於加拿大的思想家道格拉斯(Clifford Hugh Douglas)提出的「國民股利」(分配公共利益),以及美國經濟學家暨諾貝爾得主傅利曼(Milton Friedman)提倡的「負所得稅」,即政府透過稅收制度,補助低收入者。

荷蘭、芬蘭展開社福實驗

BI是一種社會保障制度,但也有「國民股利」的含意。例如,伊朗跟阿拉斯加等地,政府將開採石油的獲利分配給國民或當地居民,這也是BI的其中一個類型。

也就是說,BI除了具有「社會保障制度」的面向之外,還有「國民股利」的面向。道格拉斯的提案比較接近後者。

主要的已開發國家當中,還沒有任何一個國家,採取能夠保障最低生活水準的BI制度。美國在1968年,從左派的杜賓(James Tobin)和高伯瑞(John Kenneth Galbraith),到右派的傅利曼和海耶克等,超過1千2百位的經濟學家,公開要求政府推行BI政策。

由此可知,不分意識型態,只要是有邏輯地分析經濟問題的人,任誰都能夠理解BI的效益。尼克森總統接受了建言,嘗試推動《家庭扶助方案》,但因反對聲浪大,最後只好作罷。

在那之後,BI成為歐美熱烈討論的議題,而今年熱議的程度,幾乎可以將2016年稱為「基本收入元年」。荷蘭於2016年1月起,於烏特勒支等幾個都市實施基本收入政策,進行社會實驗。瑞士於2016年6月,針對是否推行BI進行了公投,可惜投票結果是反對。芬蘭政府則開始著手進行BI的大規模社會實驗,美國也有相關的社會實驗計畫。

雖然跟歐美相比晚了些,從2008年左右,BI在日本也逐漸受到大眾矚目。一開始主要是人文學者從思想理論的角度討論BI,而現今有越來越多的經濟學者開始主張,BI是比生活補助金更有效率的制度。

我也認為BI是相當好的社會保障制度,無論未來AI技術發達與否,都應該儘早推行。

政府財源根本不是問題

接下來讓我們思考BI財源的問題。在推行新政策之際,經常會討論財源從何而來,但我認為那是愚蠢的問題。有人會說「政府財源有限」,但財源根本沒有限制,因為只要加稅就可以解決了(透過發行公債來彌補財政赤字,在經濟蕭條時反而更加有效)。如果是可以提升全體國民生活品質的政策,即便是加稅,也應該實行。

當然,那個時候也必須考量加稅對國民生活帶來的影響。但BI是相當有效的社會保障制度,即便加稅可能對國民帶來負擔,若可以因此提升國民生活品質的話,沒有理由不實施。

BI制度的效果能否持續,相關討論都圍繞在通貨膨脹的問題上。當BI的給付額增加,不工作的人可能就會增加。如此一來,國家的生產活動就會降低,總供給量下降。當總供給量減少,低於總需求量時,就會發生通貨膨脹。

此外,當給付額提高,消費需求就可能會增加。當總需求量增加,但總供給量卻不足時,也會發生通貨膨脹。

雖然不時可見「BI會降低國民工作意願」或是「會引發惡性通貨膨脹」等批評,但是否真的會落得如此下場,則跟給付金額息息相關。如果只是每月給付1萬日圓左右的金額,應該不太可能造成尼特族顯著增加,或是發生嚴重通貨膨脹的現象。但如果給付金額高達每月40萬日圓的話,發生嚴重通貨膨脹的可能性就會相當高。

總而言之,BI的給付金額,必須設定在不會引發嚴重通貨膨脹的水準。一般而言,適當的通貨膨脹率大約是2到3%。我推估,若每月給付7萬日圓左右,應該可以控制住通貨膨脹率,不至於引發惡性通貨膨脹。

儘管如此,本書假設每人每月給付7萬日圓不會引發嚴重通貨膨脹,據以討論BI財政方面的問題。在那樣的給付額條件下,全體國民的總給付額大約是一年100兆日圓。我們假設政府從所得稅跟消費稅等稅收來填補不足的預算。

有人可能會認為增加一百兆日圓的稅收,對國民施加的負擔似乎太過沉重,應該做不到吧。不要太早放棄,這邊應該要注意的,不只是加稅額,還有加稅額跟給付額的差額。若「給付額減加稅額」差額為正,是為純受益,若差額為負,則為純負擔,每個人的差額皆不同。理論上,全體國民的差額加減下來應該為零。也就是說,對全體國民而言,既沒有損失也沒有獲利。

但假如越有錢的人加稅額越高的話,富裕階層會產生損失,窮困階層會獲益。而中產階級的人則正負相抵為零,繳的稅金成了給付金回到自己的口袋,就跟回力鏢一樣會回到自己的身邊。

如果是這樣的話,各位可能會覺得,像生活補助金一樣,單純地實施所得重分配,讓有錢人多繳稅,然後把錢補助給窮人不就好了,沒必要如此大費周章吧。然而,實際上,實施生活補助金的成本比BI高。為什麼呢?

生活輔助金才更耗費成本

首先,為給付每人每月7萬日圓所需的100兆日圓,並非實質上的成本。因為錢再怎麼用也不會用罄。我們使用的錢,會成為他人的所有物。因此,國家使用的錢,也會成為某人的所有物。錢不會憑空從世上消失。這個時候,全體國民繳納的100兆日圓稅金,會回到全體國民的手上。

請注意,不要把國家當成是個人或個別企業。雖然個人拿出錢消費後,那筆錢會從那個人身上消失,但並不會從國家中消失。未能了解這點的話,便無法理解為何BI是如此有效率的方法。

反而是像生活補助金這種所得重分配的制度,因實施過程中需要審核補助對象,因此耗費行政成本,這才是實質上的成本。如前面所提,在審核補助對象時所發生的成本不容小覷。

對國家經濟而言,實質成本並非給付的金額,而是背後的人事成本。只是,實施BI時也會發生行政成本。因此問題在於,實行給付程序要多少行政手續,需要花費多少人事成本。

然而,如果是採取固定每月匯款到全體國民銀行帳戶的方式,運作成本幾乎為零。因此,只要利用日本自2016年1月起開始實施的個人編號制度,只要聯結個人銀行戶頭與個人編號,就可以為BI建構出低成本的政策實施環境。

關鍵字: #人工智慧
往下滑看下一篇文章
數據驅動體驗升級!全台唯一上櫃電商「美而快」如何打造成長引擎
數據驅動體驗升級!全台唯一上櫃電商「美而快」如何打造成長引擎

當電商市場告別流量紅利,企業的成長路徑也面臨改變。廣告投放的邊際效益不再、社群觸及率下滑,加上第三方 Cookie 的正式退場,使得傳統「廣撒網」的行銷模式失靈。面對變局,擁有百萬會員的服飾集團美而快,在導入直通國際ESi的一站式 CDP(Customer Data Platform)後,有效提升分眾溝通效率與顧客經營精準度,讓數據應用從行銷部門逐步滲透至營運節奏規劃,成為推動企業成長的新引擎。

流量為王的時代過去,顧客經營必須深化

「這幾年電商獲客成本增加很多,品牌若無法將流量轉為有效會員,很快會失去競爭力。」美而快總經理王志仁指出,在數位廣告成本飆升、新客轉換日益困難的趨勢下,「私域經營」就成了品牌必修課;依賴流量已不夠,如何讓顧客留下、回購、持續互動更是關鍵。

為了深化會員經營,美而快團隊開始深入分析會員行為,區分出長期未購、已回訪未結帳、潛在高價值等類型客群,再依據行為進行對應溝通與內容推播。然而,分眾管理極為繁瑣,需仰賴大量人力與反覆操作,「每天都得手動撈資料、打包受眾、分眾投遞。」王志仁直言,這是一項曠日費時、卻無法逃避的任務。

直通國際
圖/ 數位時代

對此,美而快選擇導入直通國際的客戶數據平台 CDP,以系統思維出發,打造可長期營運、可擴張、可迭代的顧客管理模式。

對美而快而言,導入 CDP 後最直觀的改變就是「效率」。例如:過去每日需手動處理的「180 天未購會員」分眾任務,現在可藉由自動化流程完成,釋放行銷人力,專注策略性規劃。同時,團隊也開始盤點冗餘的 LINE OA 投遞對象,刪除一年以上無回應的 LINE 會員,反而讓開封率與點擊率雙雙提升,ROAS 更一舉翻倍。

打通線上、線下任督二脈,CDP 為 OMO 鋪路

當 CDP 不再只是行銷工具,而是轉變為驅動企業營運的中樞系統,其價值即體現在資料整合、流程優化與策略制定的全面提升。美而快導入直通國際 CDP 後,另一個有感的突破就是線上、線下數據的打通,成功串聯集團旗下多元品牌通路,重構消費者旅程。

以 2023 年底開幕的 UR Living 實體門市為契機,美而快同步推動 App 積點與會員綁定機制,鼓勵實體顧客登入線上會員系統;同時,透過 CDP 將線下交易資料完整回收,不只實現會員輪廓識別,也為 OMO 策略奠定基礎。這套整合機制迅速展現成效——以主力品牌 PAZZO 為例,實體店開幕後,線上會員與營收成長 25%,其中近半新客來自實體通路。

「線下其實是很有效的新客來源,像 PAZZO 的新會員裡,有一半都是從線下來的,」總經理王志仁分享,若從會員結構觀察,不同品牌在線上、線下的表現其實有所差異,例如 PAZZO 線上與線下客群各占一半,而部分新品牌則在線下更具導流優勢。

有了 CDP 整合數據,美而快得以建立「雙向引流、數據貫通」的 OMO 策略,聚焦顧客行為與場域偏好,讓每一個接觸點都更精準、更有價值。

CDP 驅動商品決策,預測力成關鍵競爭力

讓數據真正驅動企業運作,關鍵在於能否跨出行銷部門,擴展至商品、內容與營運等決策核心。對美而快而言,這樣的延伸雖仍在逐步建立,卻已有方向。

服飾業的商品多為非結構化資料,細節如剪裁、材質、風格等變化極大,加上時尚週期更迭快速,除了基本的品類與顏色,很難建立細緻穩定的分類模型。即便如此,美而快仍透過 CDP 進行購物行為分析,掌握哪些商品高瀏覽但未轉換、哪些品項吸引新客,並回饋給內容與商品團隊,作為優化依據。「我們希望透過 CDP 協助商品開發,更細緻地理解交易失敗的新客行為,去改善、去優化,」王志仁表示。

「對零售業來說,不管是 AI 還是數據,最終目標都是『預測』。預測商品熱度、預測顧客行為、預測營收走向——能預測,才能控制成本、降低風險。而『數據』是每天必須做到的基本功。如果沒有奠定基礎,就無從發揮後續價值。」王志仁強調,一步一步把數據的基本功打穩,紮實累積、系統性整合,CDP 才能發揮價值,為預測力打下基礎。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
AI全球100+台灣50
© 2025 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓