美國參議員 Mark Warner 在 Big Technology Podcast 上丟出一句很容易被當成標題黨、但其實不該輕忽的話：美國近期應屆大學畢業生失業率大約在 9%，未來三到五年有可能升到 30%。如果只看這個數字，最直覺的反應當然是：太誇張了吧？但 Warner 真正值得重視的，不只是 30% 這個驚悚門檻，而是他在描述一個更具體、也更陰冷的變化：AI 不一定先把整體失業率炸穿，卻很可能先把白領職涯最前端的入口抽空。
“I want to be more optimistic, but I am terrified.” —— Mark Warner
這也是為什麼這段訪談有分量。Warner 不是單純站在反科技立場放話的政客；他長期關注科技政策，也和企業高層、華府監管圈與國防科技體系都有接觸。他的訊號不是抽象的末日焦慮，而是企業已經開始調整招聘、培訓與組織設計。用更白話的方式說：AI 對勞動市場的第一波衝擊，可能不是大量裁員，而是大量不再招人。
真正危險的，不是失業潮先來，而是『入口職缺』先消失
在訪談裡，Warner 提到幾個具體案例：有律所決定暫停招募第一年律師助理；有中型公司把後勤團隊從 23 人縮到 3 人；也有大型品牌企業直接把實習名額砍半，甚至整批取消。這些例子共同指向一件事：企業未必立刻裁掉資深員工，但非常可能先用 AI 去覆蓋初階知識工作，然後把原本用來養成新人的位置關掉。
這一點其實非常符合生成式 AI 的當前能力曲線。大型語言模型最擅長的，正好就是許多入門白領工作的核心內容：整理資料、做初步研究、摘要文件、寫第一版草稿、回覆標準化客訴、協助內部溝通、產出報告雛形、比對條款、撰寫程式樣板。換句話說，AI 最先吃掉的不是最複雜的工作，而是最模板化、最可切片、最容易被標準化評估的工作片段；而這些工作片段，偏偏就是新鮮人最常被分配到的部分。
這也是為什麼總體數據常常會落後於體感。整體失業率可能還看不出異常，因為資深人員沒有大規模離場，公司營收也還撐得住；但對剛畢業的人來說，市場已經變成另一個世界：職缺更少、要求更高、實習更難搶，企業甚至期待一個 junior 能同時操作多套 AI 工具、像過去的中階員工一樣產出。
Warner 的 30%，未必是精準預測，但它點中了最脆弱的位置
我不認為今天有任何人能嚴肅地把應屆畢業生失業率會不會到 30% 當成精準模型。這個數字更像是一個政策警報值，而不是統計學意義上的點估計。景氣循環、利率、企業支出、資本市場狀態、地緣政治與教育調整速度，都會影響最後路徑。但如果因此把 Warner 的說法當成危言聳聽，就有點天真。因為他真正指到的，不是小數點後的準確度，而是白領市場的結構性變化方向。
根據 Big Technology 的整理，ChatGPT 問世三年後，美國整體失業率大致仍在 4.4% 左右，表面上沒有出現機器全面取代人的災難場景。可這恰恰說明了另一件事：宏觀平靜不代表微觀無事。當技術的衝擊先集中在某幾類可數位化、可拆解、可遠距協作的知識工作時，它會先表現在招聘凍結、實習減量與職涯門檻上升，而不是立刻反映在全體勞工的平均數。
官方與研究數據怎麼看？目前線索其實比想像中更一致
如果把 Warner 的直覺和近年的幾份研究放在一起看，會發現它們的方向其實高度一致。首先，Anthropic 在 2025 年推出的 Anthropic Economic Index 用近百萬筆 Claude 對話分析 AI 在工作中的實際使用情境，發現 AI 使用高度集中在軟體開發、技術寫作、商業與知識密集型任務。研究指出，約 36% 的職業 已經在至少四分之一的工作任務上出現 AI 使用，而只有約 4% 的職業 在四分之三以上的任務中深度使用 AI。
這組數字的重要含義是：AI 並不是平均地、整包地替代工作，而是先在某些任務上局部滲透。這和新鮮人最危險的處境完全吻合。因為 entry-level 工作的價值，很多時候本來就來自承接那些比較模組化、可被拆分的任務。當這些任務被模型吸走，企業不需要『把整個職位砍掉』，只要少招兩個人，就已經是實質衝擊。
Anthropic 的資料還顯示，目前 AI 使用偏向 57% 增強、43% 自動化。這聽起來像好消息，因為它代表多數情況還不是完全取代，而是人機協作。但別忘了，對 junior 而言，所謂『增強』不一定是福音。過去一家公司需要三個新進分析師做資料蒐集、整併與初稿，現在可能只需要一個能熟練調用 AI 的人，加上一個資深主管做最後判斷。從公司角度看是增強，從求職者角度看卻是職缺蒸發。
再看 2023 年 NBER 的工作論文 Generative AI at Work。研究分析 5,179 名客服人員導入生成式 AI 助理後的表現，發現整體生產力平均提升 14%，而新手與低績效員工的提升更接近 34%。這份研究常被拿來作為『AI 會幫助年輕人』的證據；但它同時也提供了另一種解讀：當新手在 AI 輔助下能迅速達到過去中階員工的產出，公司就更有誘因縮短培訓、壓縮團隊規模，或提高單一職缺的要求門檻。
所以問題不是 AI 會不會創造新工作，而是新工作來得有沒有舊工作消失得快
每一波通用技術革命都會創造新職缺，這是樂觀派最常、也最合理的反駁。工業化沒有讓人類永遠失業，網際網路也沒有；AI 最後也很可能催生新的職務：AI product manager、workflow designer、資料治理專家、模型評估與安全職位、AI 導入顧問、垂直領域的人機協作編輯等等。問題在於，歷史上『長期會創造新工作』並不等於『短期不會讓一整代人卡住』。
尤其是白領市場的養成鏈，本來就比藍領更依賴低階職位作為訓練場。律所要有第一年助理，未來才有資深律師；投行要有 analyst，未來才有 associate 與 VP；研究機構要有研究助理，未來才有分析師與主筆。如果企業因為 AI 將最基礎的工作片段自動化，卻沒有同步重建新的養成路徑，那麼被破壞的不是單一年度的就業，而是整個專業階梯。
這正是 Warner 警告最應該被放大的地方：AI 對年輕人的傷害，可能不是『你會被裁員』，而是『你根本進不去』。而一旦第一份相關工作拿不到，履歷累積、技能信號、人脈建立、甚至自我認同都會延後。這種延後不一定會在一季內反映在 GDP，但會在五年後反映在中產階級的再生產能力。
樂觀派、悲觀派與中間派，各自看到了什麼？
樂觀派的核心論點是，AI 先提升的是生產力而非完全替代。這個觀點並非空話。NBER 的客服研究顯示，AI 能把高績效員工的最佳實務擴散給新手；Anthropic 的資料也顯示，現在多數使用情境仍偏向協作而不是全自動。若企業能因此降低進入門檻、放大人才杠桿，年輕人反而可能更快上手，更快跨過學習曲線。
悲觀派則會說，企業不會把技術紅利平均分配出去。資本市場獎勵的是效率、利潤與 headcount discipline，不是社會養成責任。若同樣的產出可以由更少的人完成，管理層的自然選擇通常不是『維持原本招聘量，讓更多年輕人進來學習』，而是『把人力成本砍下來』。在這個框架下，AI 的好處會先流向擁有模型、資本、資料與客戶關係的公司，以及最能駕馭 AI 的少數高能力工作者。
中間派的看法比較接近我自己的判斷：短期內不太像是全面失業，更像是結構性凍結。也就是企業保留高價值的資深員工、提升單位人均產出、減少大量初階招募，然後把進入門檻推高。這種局面最麻煩，因為它既不夠劇烈到立刻逼政府全面介入，也不夠溫和到可以忽略。它會像慢性病一樣，先把年輕人的選擇空間一點一滴地縮小。
華府現在的回應：方向有了，但速度遠遠不夠
Warner 最近和 Mike Rounds 推出的 Economy of the Future Commission Act，是目前比較值得注意的政策動作之一。根據 Warner 辦公室新聞稿，這個跨黨派委員會會在法案生效後 7 個月內提出中期報告，說明 AI 對就業變化的預期；在 13 個月內提出最終立法建議，涵蓋 AI 教育、再訓練、失業保險、稅制與維持美國競爭力等議題。
問題在於，這個節奏仍然像華府，不像 AI。模型能力、企業導入、資本支出與組織改造是以季度甚至月度在變；政策卻往往要用一年以上才形成較完整的可執行方案。更棘手的是，AI 不是單一部門議題，它橫跨勞動市場、教育體系、產業政策、稅收設計與社會安全網。這意味著即使國會開始動，也不可能靠一條『AI 法』就解決問題。
Warner 另一個重要主張，是要求企業與聯邦政府向勞工統計單位通報 AI 驅動的人力替代情況。這看似不起眼，實際上極關鍵。沒有資料，政策就只能在『AI 不會怎樣啦』與『AI 末日要來了』之間空轉。今天最缺的不是情緒，而是高頻、可驗證、可比較的就業替代與技能重組數據。
為什麼這很重要？因為這不是單純的青年就業問題，而是中產階級複製機制的問題
很多人談 AI 對工作的影響，會把焦點放在『哪個職業最容易被取代』。但更深層的問題其實是：一個社會要如何培養下一代的專業中產？過去幾十年，美國與其他先進經濟體的白領上升通道，靠的是大學學歷加上一段入門職涯：實習、助理、分析師、初級 PM、junior developer、研究助理。這套通道不是完美的，但至少提供了從學校接上企業的橋。
若 AI 讓企業認為橋樑可以省掉，或者把橋樑縮成只留給少數頂尖學校、頂尖背景、頂尖 AI 工具使用者，那接下來的結果就是更陡的階級分化：少數人藉由 AI 變得更強，更多人則因為缺少第一份可信的專業工作，長期停留在邊緣位置。這不只是勞動市場效率問題，而是社會流動性的問題。
更現實一點說，當被壓縮的開始不是工廠流水線，而是法務、會計、行銷、研究、媒體、客服、初階程式與行政支援時，政治效應也會完全不同。因為這些工作原本是中產家庭對下一代最直接的期待：讀書、進公司、累積經驗、往上爬。當這條路開始模糊，社會對 AI 的容忍度也會迅速下降。
延伸思考：下一個競爭點，不是會不會用 AI，而是能不能在沒有入口職位的市場裡證明自己
很多給年輕人的建議會停在一句話：『學 AI。』這當然沒錯，但也太空泛。真正的難題是，未來的新鮮人可能要在幾乎沒有傳統培訓與 mentorship 的情況下，直接證明自己能在高壓、快節奏、AI 介面的工作環境中產出結果。這等於把本來應該由公司承擔的一部分訓練成本，轉嫁到個人身上。
因此，最有競爭力的年輕人，未來不只是懂 prompt 而已。他們要能做四件事：第一，能把模糊問題拆成 workflow；第二，知道何時相信模型、何時驗證模型；第三，能把 AI 產出轉成對業務真正有用的交付物；第四，能和資深決策者協作，而不是只把模型當作文書加速器。換句話說，市場要的不是『會用 ChatGPT 的新鮮人』，而是『能把 AI 變成工作成果的新鮮人』。
對企業與政府來說，這又帶出另一個問題：如果大家都同意 AI 會改寫初階工作，那麼教育與職訓系統就不能再只教抽象工具，而是要更接近真實工作任務。否則我們只會得到一批會喊 AI 口號、卻沒有作品集、沒有流程感、沒有 domain judgment 的畢業生。那時候，Warner 的 30% 就算沒有真的發生，也會以另一種形式出現：長期低就業、低薪資與低流動。
Mark Warner 真正的警告，不是失業數字，而是白領市場開始失去培養下一代的耐心
如果你硬要問，應屆畢業生失業率到底會不會衝到 30%？答案是：未必，但這不是重點。真正該怕的是，企業已經在用 AI 重新計算『一個 junior 值不值得招』，而政治、教育與社會安全網還遠遠沒跟上。這種落差，才是未來三到五年最危險的地方。
所以 Warner 的話最好不要被理解成一則聳動預言，而應被理解成一個結構判斷：AI 正在壓縮知識工作的邊際需求；最先被壓縮的，通常不是頂層決策者，也不是最底層體力工作，而是那些原本負責學習、協助、整理、轉譯與承接的初階白領。當社會的第一階階梯開始消失，問題就不再只是就業，而是整個職涯體系如何延續。
這也是為什麼這件事值得每一個企業主管、教育工作者與政策制定者現在就開始正視。因為如果我們只看到 AI 帶來的效率，卻沒看到它正在掏空年輕人的入場通道，那最後失去的，不只是一些職缺，而是一整代人進入專業世界的機會。這比 30% 更值得害怕。