當答案與勞動都變便宜，人還要做什麼？
凌晨兩點，一座工廠仍然亮著燈。
輸送帶繼續移動，機械臂在固定節奏裡抓取零件，輪式機器人把物料送到下一個工位。幾台具身機器人在沒有觀眾的角落裡，重複白天學會的作業。
它們不需要回家，也不會因為夜深而降低專注。
這幅畫面很容易被講成兩種相反的故事。
第一種故事說，人類終於把重複、危險與勞累的工作交給機器，獲得更多自由時間。第二種故事則說，人的工作、收入與社會位置將被機器逐步拿走，只剩下少數擁有技術與資本的人分享成果。
兩種故事都有可能包含真實的一部分。
技術不會自動決定哪一個版本成真。相同的生產力進步，可以縮短工時、提高安全與擴大公共服務，也可以集中財富、強化監控，讓更多人失去議價能力。
因此，當 AI 能大量產生答案、機器人能逐步承接物理勞動時，真正的問題不是「人類還有沒有工作可做」。
更深的問題是：
當能力不再是唯一瓶頸，誰決定這些能力服務什麼目的，成果如何分配，而人的價值又是否仍被綁在經濟產出上？
這一章不預測一個沒有工作的烏托邦，也不宣布大規模失業不可避免。
它想處理的是一個更長期的轉變：當文明一次次降低某種稀缺，新的稀缺會在哪裡出現？
一、每一次豐富，都會把瓶頸推向別處
人類歷史可以用許多方式理解。
本書提供一個簡化但有用的視角：文明的變化，往往不是把所有問題消滅，而是把主要瓶頸從一個地方推向另一個地方。
農業提高了糧食供給，人類才有可能讓部分人口不必全日投入食物生產，城市、工匠、行政與知識活動因而擴大。
工業化提高了商品產能，問題便逐漸從「做不做得出來」，轉向「如何運輸、銷售、分配與創造需求」。
電腦與網路降低了資訊複製與傳播成本，新的難題又變成如何搜尋、驗證、排序，以及如何在過量訊息中保有注意力。
AI 正在進一步降低文字、圖像、程式、分析與部分決策建議的生產成本；具身機器人則試圖把相同邏輯帶進物理世界，降低某些操作與勞動的成本。
這不代表歷史按照「農業—工業—商業—資訊—人文」整齊排隊前進。不同社會同時存在多種經濟形態，糧食、住房、醫療與能源在許多地方仍然稀缺；產能增加也不等於每個人都能公平取得成果。
但這個框架能提醒我們一件事：
一項技術最成功的時候，它所解決的問題常常會退到背景，而原本被遮住的下一個問題才浮上來。
當答案變得便宜，驗證會變得昂貴。
當執行變得便宜，方向會變得昂貴。
當內容變得便宜，注意力與信任會變得昂貴。
當勞動力變得充足，分配、尊嚴與意義會變得更難迴避。
二、答案可以大量生成，判斷卻沒有因此自動增加
生成式 AI 已經證明，一個人可以在幾秒鐘內取得過去需要數小時甚至數天整理的文字、程式與圖像。
這種能力很容易讓人產生一個錯覺：答案的數量增加，就等於知識增加。
但一百個答案不會自動告訴你哪一個是對的。
模型可以產生流暢而錯誤的說法，也可能引用不存在的研究、忽略資料限制，或在價值衝突中假裝存在唯一最佳解。當產生內容的邊際成本接近零，辨識來源、檢查證據與承擔決策後果的成本反而更加重要。
因此，AI 時代真正稀缺的第一樣東西，不只是資訊，而是可信的判斷。
可信判斷至少包含四個層次：
- 知道一項說法依據什麼證據；
- 知道證據在哪些條件下成立；
- 能分辨事實、推論與價值選擇；
- 願意為採用這項判斷所造成的結果負責。
AI 可以協助前三者，也能提醒風險，但責任不能只靠一句「系統建議如此」消失。
醫生、工程師、管理者、法官與公共決策者使用 AI 時，真正重要的能力不再只是記得更多答案，而是知道何時不該相信一個看起來很完整的答案。
這也是為什麼教育如果只把重點放在讓學生更快生成內容，可能會錯過最重要的轉變。未來更需要訓練的，可能是問題界定、證據評估、跨領域判斷、倫理推理與清楚說明不確定性的能力。
答案的產量越高，判斷的品質越不能被當成附屬品。
三、AI 會提出問題，但它是否真正「在乎」問題，是另一回事
「AI 只會解題，不會提問」是一句常見說法。
到了 2026 年，它已經不夠準確。
模型可以主動提出研究問題、列出假設、找出資料缺口，甚至生成看起來相當新穎的科學構想。它也能在對話中追問，幫助人重新界定需求。
真正的差別不在句尾有沒有問號。
一個問題之所以改變文明，往往不是因為它在語言上新奇，而是因為有人把生命、資源與責任押在它上面。
「怎樣讓城市對輪椅使用者更友善？」可能來自長期被樓梯與狹窄空間阻擋的生活經驗。
「為什麼醫療系統讓某些人更難獲得照護？」可能來自疾病、照顧與制度不公的直接撞擊。
「我們是否應該讓機器決定誰能獲得資源？」則涉及權利、歷史與權力，而不只是最佳化函數。
AI 可以幫助形成這些問題，卻目前沒有可驗證的自身生命利害。它不會因一座城市無障礙設施不足而被困在家裡，也不會因醫療決策失誤失去親人。
所以更準確的說法是：
AI 能生成問題；人類仍必須決定哪些問題值得被追求、誰的痛苦應優先被看見，以及願意為答案付出什麼代價。
這不是永久宣告機器不可能形成自己的利害，而是截至目前的現實分工。
問題生成可以自動化，價值正當性卻不能只由語言流暢度決定。
四、工作不是一個按鈕，而是一組彼此交織的任務
每當新技術出現，人們很自然地問：「它會取代哪些工作？」
但一份工作很少只有一項任務。
護理師不只量血壓，也要觀察病人的恐懼、與家屬溝通、處理突發狀況；倉儲人員不只搬箱子，也要辨認異常、協調流程、處理破損與安全問題；設計師不只產生圖像，也要理解客戶、取捨限制、說服團隊與承擔結果。
技術通常先改變其中一部分任務，而不是整個職業在同一天消失。
國際勞工組織 2025 年更新的全球職業暴露指數估計，全球約四分之一的工作可能受到生成式 AI 影響，但對多數職業而言，較可能出現的是工作內容轉型，而不是完整自動化。行政與文書職位的暴露程度最高，女性在高收入國家的暴露比例也較高，顯示技術影響會沿著既有職業結構與性別分工分布。
這個結論同樣適用於機器人。
機器人可能先接手搬運、重複抓取、危險巡檢與部分清潔，而人仍負責例外處理、關係、判斷與協調。之後，隨著可靠性與泛化提升，任務邊界會再移動。
因此，「有沒有被取代」不是唯一值得追蹤的指標。還要看：
- 剩下的工作是否更安全，還是節奏更緊；
- 人是否得到更多自主權，還是被演算法逐秒監控；
- 新增技能是否帶來更高薪資，還是只提高雇主要求；
- 生產力收益是否分享給工作者，還是只轉化成資本回報；
- 失去原有任務的人，是否有時間與資源重新學習。
相同的機器人，可以成為工人的工具，也可以成為管理者壓低人力成本與議價能力的手段。
技術效果不是設備規格表能單獨決定的。
五、生產力提高，並不保證每個人都獲得更多自由
一台機器讓一名工人完成過去三人的產量，社會理論上可以有多種選擇。
可以把工時縮短，維持收入； 可以擴大產量、降低價格； 可以提高工資； 可以裁減人力，把收益集中到股東； 也可以把省下的資源投入照護、教育與公共服務。
機器本身不會選擇哪一條路。
歷史上的生產力進步，確實提高了平均生活水準，也曾伴隨長工時、危險工廠、失業衝擊與極端財富集中。勞動法、工會、公共教育、社會保險與稅制，都是社會在技術之後補上的制度。
具身智能也不例外。
如果機器人的所有權高度集中，資料、模型、場景與維修網路都被少數平台控制，生產力的提高可能強化既有權力。小型企業與勞工可能只是租用能力，卻無法分享長期資產價值。
如果公共機構、合作組織與中小企業也能取得可負擔、可互操作的機器人，並且工作者參與部署與收益分配，技術可能創造不同結果。
所以機器人經濟最核心的問題之一，不只是價格，而是所有權。
誰擁有機器？
誰擁有它收集的工作資料？
誰決定模型如何評估人？
誰承擔故障風險？
誰得到節省下來的時間？
如果這些問題沒有答案，「解放人類勞動」很容易只解放擁有機器的人。
六、注意力、信任與合法性，會成為新的基礎資源
資訊過剩之後，注意力成為稀缺資源，這已經不是未來式。
社群平台、廣告系統、短影音與推薦演算法，都在爭奪人的有限時間。生成式 AI 進一步讓內容供給接近無限：文章、圖像、音樂、廣告與虛擬人物可以全天候產生。
在這種環境裡，讓人看見只是第一步。
更難的是讓人相信。
當偽造影像、合成聲音與大量自動內容變得普遍，來源、聲譽、可驗證紀錄與長期關係會比單次流量更重要。
但信任也不能只變成品牌的私有資產。
醫療、司法、新聞、教育與公共行政需要的不只是「很多人相信」，而是有正當理由值得相信。這包含透明程序、利益衝突揭露、可追溯資料、申訴機制與外部監督。
因此，未來稀缺的第三樣東西，是合法性。
AI 可以建議一項政策，機器人可以執行一項決定；但公民為什麼應接受它？誰有權設定目標？受影響的人是否能反對？錯誤時是否能補救？
效率只能回答「如何更快完成」，不能回答「誰授權我們這樣做」。
當技術能力擴大，合法性不會自動跟著擴大。
七、照護、關係與選擇困難，可能比效率更重要
人類做的許多事情，價值並不來自最短時間完成。
父母陪孩子走路，可以用推車更快；朋友聽另一個人反覆訴說失戀，也沒有資訊效率；有人花多年練習一首曲子，不是因為世界缺少更好的錄音。
這些行為的重要性，來自關係與投入。
機器人可以協助照護：提醒服藥、搬動重物、監測跌倒、提供陪伴與基本對話。對高齡社會而言，這些能力可能非常有價值。
但照護若被理解成一串可完成任務，也可能忽略被照護者真正需要的是被看見、被尊重，以及仍能參與自己的生活決定。
一個老人不只需要有人把水端到床邊，也需要有人記得他喜歡哪個杯子、願意聽他說一段重複的故事，並在他拒絕時承認拒絕的權利。
機器可以參與這些互動，但制度不能因為機器更便宜，就把所有人際關係當成可刪除成本。
同樣地，未來的人類也可能更重視「選擇困難」。
在一個 AI 可以立即生成音樂、文章與設計的世界，有人仍會親自寫、親自畫、親自學一門樂器。這不是因為他比機器有效率，而是因為過程會改變做事的人。
困難不一定都是值得保留的。危險、剝削與無意義重複不應被浪漫化。
但人主動選擇的練習、照顧、工藝、運動與探索，會形成身份、能力與關係。若便利消滅了所有需要投入的過程，人可能得到更多成果，卻失去形成自己的路徑。
文明需要區分「應該被消除的負擔」與「值得被選擇的困難」。
八、人的尊嚴不能建立在永遠比機器有用
面對自動化，人們常用一句安慰保護自己：機器只能做重複工作，人類永遠更有創造力、同理心與判斷。
這種說法可能暫時有效，卻把人的尊嚴放在一場不必要的能力競賽上。
如果有一天機器在更多創意任務上表現優秀，人是否就變得沒有價值？
如果一個人生病、失能、年老，無法創造高經濟產出，他的尊嚴是否也應下降？
一個文明若只在「仍然有用」時尊重人，早就會先傷害許多無法符合市場效率的人。
因此，機器人時代最重要的倫理轉向，也許是把人的價值與生產力部分分離。
人有權獲得基本生活、照護、教育、參與和尊重，不應只因為他能比機器更便宜地完成某項工作。
工作仍然可以帶來收入、身份、共同目標與成就感，但它不應是取得完整公民地位的唯一證明。
這個觀點不等於所有人都停止工作，也不等於某一種收入制度必然正確。
它只是指出：當技術逐步削弱「必須以大量人力才能維持生產」的前提，社會有責任重新思考收入、工時、照護與公共參與，而不是要求每個人不斷證明自己仍比下一代機器更值得雇用。
九、意義不是技術替人找到的答案，而是共同安排生活的能力
當人問「如果機器替我做完所有事，我要做什麼」，問題看起來很私人，答案卻不完全私人。
一個人是否有能力追求興趣，取決於住房、醫療、教育、時間與安全感；能不能照顧家人，也取決於工作制度與公共支持。意義不是在真空中憑意志產生。
所以未來真正稀缺的第四樣東西，是共同安排生活的能力。
這包括：
- 讓人有時間參與家庭與社群；
- 讓學習不只服務下一份工作；
- 讓照護得到資源與社會承認；
- 讓技術收益轉化成更安全、更自由的生活；
- 讓被自動化影響的人參與決策；
- 讓不同文化仍能定義自己認為值得的生活。
「人文文明」若要成為有意義的概念，不能只表示創作者、品牌與影響力變得更值錢。
如果注意力成為下一種礦產，信任成為下一種商品，人文也可能被更深地商業化。
真正的人文轉向，應該是技術能力愈強，制度愈重視人的目的性、關係、自治與多樣生活，而不是只找到更精準的方式影響人。
這正是「從稀缺到意義」的真正含義。
我們不是離開物質世界，進入純精神時代。糧食、能源、住房與安全仍然重要；人類只是開始看見，能力與產量增加之後，仍有一些東西不能靠生產更多來解決。
可信的判斷、合法的方向、被尊重的關係，以及共同安排生活的能力，會成為下一個時代真正困難的基礎設施。
當一把錘子變得足夠有力，最危險的問題便不再是它能不能敲下去。
而是誰握著它、敲向哪裡，以及其他人是否有權說不。
這就把我們帶到全書最後一章：分寸。
本章判讀
- 已驗證事實：生成式 AI 對工作的主要影響往往是任務重組而非整個職業立即消失；職業暴露程度在地區、性別與職種之間並不平均。
- 產業趨勢：機器人與 AI 的收益如何分配，將受所有權、勞動制度、教育與公共政策影響，無法只由技術能力推導。
- 思想框架：「農業—工業—商業—資訊—人文」是觀察文明瓶頸轉移的框架，不是單線歷史定律；「可信判斷、合法方向、關係與共同生活」是本書提出的四種新稀缺。
本章參考資料
- International Labour Organization, Generative AI and Jobs: A Refined Global Index of Occupational Exposure, 2025. https://www.ilo.org/publications/generative-ai-and-jobs-refined-global-index-occupational-exposure
- International Labour Organization, “One in four jobs worldwide is potentially exposed to generative AI, but transformation—not replacement—is the most likely outcome,” 2025. https://www.ilo.org/resource/news/one-four-jobs-worldwide-exposed-generative-ai-transforming-not-replacing-workers
- OECD, OECD Employment Outlook 2023: Artificial Intelligence and the Labour Market, 2023. https://www.oecd.org/employment-outlook/2023/
- UNESCO, Recommendation on the Ethics of Artificial Intelligence, 2021. https://unesdoc.unesco.org/ark:/48223/pf0000381137
- Acemoglu, D. & Restrepo, P., “Robots and Jobs: Evidence from US Labor Markets,” Journal of Political Economy, 2020. https://doi.org/10.1086/705716
