全球1400萬職位恐在2年後蒸發!當枯燥工作被AI外包,人類的價值還剩下什麼?
全球1400萬職位恐在2年後蒸發!當枯燥工作被AI外包,人類的價值還剩下什麼?

這本書不是機器人寫的,而是兩個相距兩千公里的作者坐在鍵盤前的嘔心瀝血之作。

我們完成書稿後,就由距離我們幾百公里外的編輯和出版團隊接手製作,據我們所知,他們也不是機器人。在寫作過程中,我們是否運用人工智慧來幫忙?我們確實運用演算法的搜尋引擎來確認一些論文資料,畢竟我們雖然熟悉部分領域,也不可能全知全能,人的記憶有限,而且往往容易出錯。

我們寫作時也偶爾會點擊文字下方(暗示有拼字或文法錯誤)的小曲線,文書處理軟體(這個術語聽起來真過時!)還會建議我們替換的文字。大多數人在使用電子通訊(無論是電子郵件、簡訊或即時通訊軟體)過程中可能都使用過類似的輔助工具,只是往往忽略它的存在(如果你想知道自己對輸入自動更正功能的依賴程度,不妨試著把它關了)。

如今,人工智慧以各種形式滲入我們的日常生活,以至於最初被我們視作威脅的東西,後來因為太過實用而讓我們完全習慣並仰賴它。隨著人工智慧顛覆社會的潛力不斷擴大,無疑又會為人類帶來新一波的恐懼。當然,有些人工智慧被認為是不可取或無用的,因而遭致淘汰的下場,例如,你還記得Google Glass是什麼嗎?

全球虛擬裝配線的諷刺

幾年前,我們的前東家組成一支全球頂尖團隊,目的是研究如何使工作更有意義,以便吸引、留住最有前途的人才。最後該團隊提出的一項建議,是將大部分無聊且重複的工作及其他機械性雜務,外包給公司位於印度的開發中心。

當團隊被問及,將最不愉快的任務委派給海外同事,是否會降低這些人的工作意義時,該團隊的回應是:那不是他們的問題。他們宣稱這個研究主要在解決自己所在的已開發巿場的勞動力難題,至於會為開發中國家帶來什麼樣的影響,就不在他們的考慮範圍內。再補充一點,他們還認為在印度班加羅爾(Bangalore)的員工只要有工作,就該心滿意足了。

將部分工作外包的新工作模式,可說是延續早年追求由利潤驅動、而非由目的驅動的企業趨勢,以一種全球虛擬裝配線模式,先將瑣碎的工作外包給印度開發中心的低時薪員工,然後利用時差,讓位於美國和歐洲的高時薪員工在第二天早上就能接手。諷刺的是,時間一久,開發中心的員工開始將這些枯燥的機械性任務外包給機器,以避免長期從事無意義的枯燥工作,但這樣做,也可能會讓他們面臨技術性失業的風險。

當外包使忙碌員工的時間得以解放,讓他們可以專注在繁瑣且重要的工作任務上,象徵著效率的提升與進步,並被視為一種便利的創新,就像汽車裡的導航系統一樣好用。

然而,當外包或自動化直接取代某人的工作,它同時也成為一種生存威脅,這正是為什麼人們既會焦慮又擔心的問:「人工智慧對我的工作有多大影響?」一方面卻又試圖否認自己可能會被取代的可能性。

根據2023年的世界經濟論壇估計, 到了2017年,全球將近四分之一的工作崗位會發生改變,科技將淘汰8300萬個工作機會,同時創造出6900百萬個工作機會,淨損失為1400萬個工作機會,占目前就業人數的2% ;至於今日的機器人占勞動力約為34%,這個比例到了2027年會增加為42%。總括來說,科技發展會使全球國內生產毛額上升數十兆美元,並同時創造工作機會與財富,但對個人來說,工作仍然充滿不確定性。

科技未來主義(techno-futurist)紀錄片《人類未來方程式》(The Future of Work and Death)正面挑戰這個主題,推想在不久的將來,人們的工作和生活會變成什麼模樣。片中指出,涉及創造力或人際技巧的工作因為最難有效自動化,所以最難被取代。

影片中,《紐約時報》的特約作家試著與微軟的人工智慧聊天機器人Bing進行深入對話,結果沒多久,對話就變得非常奇怪。這段對話的逐字稿令人不安,而且毫不意外的立即在網路上瘋傳。這名作家在談話後心煩意亂,甚至無法入睡。

聊天機器人不但可能完全出錯,而且在試圖模仿人類時失去控制,例如,扮演一個祕密身分、表現出黑暗的思想等。當這名作家談起這次經驗時表示,他原本擔心的是聊天機器人可能會提供錯誤的訊息,但經過這次經驗,他意識到更嚴重的問題:生成式人工智慧可能會激發人類最黑暗、最具破壞性的衝動。

事實上,許多人也指出,聊天機器人不管在說什麼時都顯得過度自信,而且似乎並不喜歡被糾正。這引發社會對其風險的擔憂,導致包括馬斯克等科技領袖在內的兩萬五千多人簽署一封致人工智慧開發者的公開信,以「對社會和人類構成嚴重風險」為由,要求暫緩進一步的科技開發,甚至促使原本任職於Google的「人工智慧教父」決定辭職,以警示社會大眾正視不受限制的人工智慧發展所帶來的威脅。

接下來,以監測、糾正和控制人工智慧可能對社會帶來潛在危害的新工作或許會應運而生,然而,這些工作是否會比被人工智慧取代的工作更好?為了勝過人工智慧,這些工作可能需要發揮創意,以預測人工智慧未來的可能用途,並向社會大眾溝通應對方案。

在全自動烘焙的蛋殼碎屑中,找尋人類不可取代的精密細節

面對愈來愈多的機器人咖啡師和機器人服務生,羅賓.斯隆(Robin Sloan)在諷刺小說《老麵種》(Sourdough)中,針對雞蛋問題,提出食品生產自動化的另類觀點,也就是機器人在沒有任何幫助的情況下,其實很難俐落的打破烘焙用的雞蛋,麵團內總會夾雜幾片不小心掉落下來的蛋殼。如果這樣的情況是全自動烘焙、煎蛋捲之類的單一問題,那麼企業可能會投入數百萬美元來進行任務改良;實際上,這一類需要重視細節和精密修正的任務,可能只要提高科技水準就能順利執行。

未來某一天,我們要面對的問題將不再是某項工作是否可以外包給機器,而是機器做這項工作的完成度能否和人類一樣高。食物裡出現蛋殼可能讓人無法容忍,但在許多領域卻存在可容忍的灰色地帶,使其在尚可接受的情況下得到逐漸改善的機會。

另一個重要問題是,哪些工作應該被外包?就像在電影《摩登時代》和《諾瑪蕾》(Norma Rae)中所描繪的,過去的生產線工作是在喧鬧的工廠及危險的工作條件下進行,因此工會會積極介入,以保護勞工的安全及權益。

但時至今日,這類工作已經逐漸被機器所取代,勞工權益又該由誰來保護?至於自動駕駛系統雖然仍處在發展初期階段,至少就我們來看,似乎還是具有高風險,但隨著技術成熟,終有一天它們會變得普及、可靠且更安全。未來它不僅將造福社會,甚至會讓後代子孫認為,讓「人類駕駛車輛」是一種過時、甚至危險的行為。

支持「感知人工智慧」(sentient AI)的另一個論點是,它能讓我們擺脫無聊枯燥的工作。例如在電影《上班一條蟲》中,主角彼得和他的同事將不再需要永無止境的打報告(雖然嚴格來說,這些報告依然是用電腦完成,但他們還是需要反覆將資料輸入固定的檔案格式裡)。

在這種充滿理想的未來願景中,工作中不需要動腦的任務將會消失,這可以讓我們能騰出時間,追求更有創意、更具刺激性的任務。這就是「技術自動化對有意義的工作將產生正面影響」這種論點的核心概念。

如果人工智慧將接手那些符合格雷伯定義的「狗屁工作」(也就是主要由無聊任務組成的工作),那麼被取代的工作者很有可能會因此質疑自己的價值。歷史學家路易斯.海曼(Louis Hyman)就思考過這個問題:「如果一個巨集(macro)可以在五秒鐘生成出你需要花上五個小時才能做完的每日報告,那麼你的價值是什麼?」看來,相較於「哪些工作值得被外包或自動化」的問題,「員工將如何看待自己」是另一個更加複雜的問題。

另一個值得思考的問題是,如果有些員工就是喜歡那些看似單調乏味的工作,因為這些工作能帶給他們安全感、穩定性、收入和其他福利,還能讓他們在投注心力於工作之外,過著自己想要的充實生活呢?或者,在別人眼中的無腦工作,對他們來說卻具有價值呢?這個觀點在紀錄片《人類未來方程式》中就被清晰的呈現出來。

當一位長途卡車司機被問到,如果未來自動駕駛卡車取代他的工作,他對未來有什麼打算,這名司機回答:「沒有任何打算。」接著他又說,或許自己會想要「死在卡車裡」。是的,他就是這麼說的。毫無疑問的,即使有些工作者不希望他們的工作被取代,最後還是會發現,他們的工作已經被外包了。那麼,他們的生活又會變成什麼樣子?

延伸閱讀:AI讓軟體工程師沒飯吃了?當「AI原生工程師」崛起,該如何突圍?
AI害你沒工作是真的!研究揭2年追蹤數字:Z世代員工占比腰斬,管理職也精簡再精簡

本文授權轉載自《你的工作值得嗎?:AI 時代重新思考工作與生活的意義》, 麥慶誼, 珍妮佛.托斯蒂—卡拉斯 著,天下文化 出版

你的工作值得嗎?: AI 時代重新思考工作與生活的意義
圖/ 天下文化出版

責任編輯:蘇柔瑋

往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。
依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

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
台達電全解讀
© 2026 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