AI投資能讓經濟規模變大，卻不一定帶來相應數量的新工作。這正是世界經濟論壇（WEF）在《Chief Economists’ Outlook: September 2026》中提出的核心憂慮：AI採用預期將持續增加，資料中心投資也可支撐成長，但61%的受訪首席經濟學家不認為它會顯著創造全球職位。

問題不在於AI或資料中心「沒有經濟價值」，而在於初期效益可能主要來自每名員工產出提高、成本下降與資本投資增加；調整成本則可能更集中地落在剛要踏入相關職業的人身上。

經濟成長，不等於工作同步增加

國內生產毛額（GDP）可以因企業投入資料中心、運算設備與AI系統而上升。若AI讓員工更快完成任務，或讓公司在有人離職後不再補人，企業也可能以相同人力產出更多。

這種組合能提升生產力與成長，但不需要大規模招聘。WEF調查中，97%的受訪首席經濟學家預期AI採用將增加；79%預期資料中心擴張會遭遇顯著反彈，而61%不預期它帶來顯著的全球就業創造。

換句話說，這是一種「生產力提高、就業未必按比例增加」的情境：投資推升產出，但新增職位可能有限、延後出現，或集中於少數專業職務，未必廣泛擴散至整體勞動市場。

美國的早期警訊：入門職缺正在縮減

目前最有力的證據，並未證明AI已造成全經濟、普遍性的就業替代。史丹佛數位經濟實驗室研究人員使用截至2026年6月、涵蓋數百萬名美國勞工的ADP高頻薪資資料，沒有發現廣泛的全經濟職位排擠證據。2

但年輕工作者的結果出現明顯分歧。在AI高曝險職業中，22至25歲勞工的就業人數，比起若能與同齡、較低曝險職業者維持相同趨勢時的推估水準，低了約19%；有經驗的工作者則沒有出現可相比擬的落差。2

這個區別很關鍵。勞動市場的變化不必從大規模裁員開始，也可能先表現在「進不去」：初階職缺變少、招聘放緩，人們取得晉升所需實務經驗的機會減少。史丹佛的研究指出，這項模式主要集中在年輕勞工，同時也提醒外界，不應將其解讀成AI已在整體經濟中大舉消滅工作。2

「AI導致裁員」是訊號，不是完整因果證明

企業若在裁員公告中提到AI，確實值得關注；但單靠這類公告，無法證明AI是唯一原因。企業重組、需求轉弱、過去招聘過多，以及其他營運條件，都可能同時影響人力決策。

從薪資資料能較穩妥得出的結論較為收斂：在某些職業中，AI曝險與年輕勞工就業結果惡化存在關聯，而這個現象看來主要反映在招聘減少，而非全經濟範圍內離職或解僱激增。2

對新鮮人與轉職者來說，這點尤其重要。若企業把原本交由初階人員處理的部分任務自動化，問題不只是如何補回消失的職位，更是如何保留可信的「第一階」機會，讓人累積判斷力、領域知識與實作經驗。

軟體業說明了：需求仍在，入口卻可能變窄

軟體開發常被當成檢驗AI是否取代知識工作者的代表案例，但現有證據其實更複雜。

史丹佛的政策簡報指出，程式撰寫密集職業的就業成長雖已放緩，但仍維持正成長；在AI曝險最高的職業中，也幾乎沒有證據顯示AI已廣泛壓低就業或職缺刊登數。過去一年，軟體開發人員的線上職缺成長甚至快於其他職業。

不過，另一項涵蓋41國的研究發現，採用AI的企業在五年間，資深職位人數增加6.7%，初階職位則減少3%；初階人員占整體就業的比率下降1.9個百分點。11

綜合來看，這些結果不足以證明AI消滅了軟體工作，但確實指向一項合理的分配問題：企業可能更重視能定義需求、驗證結果、整合AI產出的資深工作者，同時減少處理標準化初階任務所需的人手。於是，一個職業整體仍有需求，進入該職業的道路卻可能更難走。

當生活成本上升，不均衡轉型會更有感

整體經濟成長不等於生活水準改善。WEF調查中，88%的受訪者預期食品成本上升，83%預期電力成本上升；多數地區的實質收入則預期停滯或下滑。

這使AI收益如何分配變得更重要。一個家庭若同時面對薪資成長疲弱、求職更困難，以及民生必需支出上漲，AI帶來的宏觀成長未必會轉化為可感受的改善。資料中心擴張尤其受到關注，因為它伴隨基礎設施需求，也預期會引發顯著的地方反彈。

風險在於宏觀數字與家庭處境脫節：投資與生產力數據變好，但實質收入受限，剛起步的工作者取得機會的空間反而縮小。

財政支援轉弱，讓調整更棘手

政府過去常藉由所得支持、職業訓練、公共投資等財政措施，緩衝經濟衝擊。但WEF調查顯示，這類支援未來可能較有限：69%的首席經濟學家認為，自2020年以來財政支持是全球經濟韌性的關鍵來源；但只有28%預期未來一年仍會扮演同樣角色。

若財政空間收緊，要資助勞工度過結構性轉型所需的制度——有效訓練、教育、就業流動支持與地方投資——可能更困難。這不代表政策無法推動，而是更需要精準設計與有效鎖定資源。

政策開始把焦點放在轉型本身

美國政策界與機構正開始針對AI的勞動市場影響建立對應機制。聯邦參議員Mark Warner與Mike Rounds提出跨黨派的《Economy of the Future Commission Act》，目標是研擬可行措施，強化勞工訓練，並協助勞工因應AI下工作型態的變化。17

美國企業研究院（AEI）與都市研究所（Urban Institute）也在2026年6月成立跨黨派的「人工智慧與美國勞動力委員會」（Commission on Artificial Intelligence and the American Workforce）。該委員會由Gina Raimondo與Paul Ryan共同主持，任務是評估AI對工作、技能與收入的影響，並為勞工、雇主與政府提出政策選項。

結論：真正的考驗，是別讓職涯第一階消失

WEF受訪經濟學家的看法並不矛盾：AI與資料中心可透過投資和生產力支撐全球成長，但兩者都不保證廣泛創造工作。

目前的美國證據應帶來審慎，而不是宿命論。尚無證據顯示全面性的就業崩跌，但AI高曝險工作中的早期職涯缺口已相當明顯，招聘減少是其中關鍵。2 政策的挑戰在於：如何確保一波生產力成長，不會掏空人們累積技能、收入與長期經濟流動性的入門職涯路徑。

AI投資能讓經濟規模變大，卻不一定帶來相應數量的新工作。這正是世界經濟論壇（WEF）在《Chief Economists’ Outlook: September 2026》中提出的核心憂慮：AI採用預期將持續增加，資料中心投資也可支撐成長，但61%的受訪首席經濟學家不認為它會顯著創造全球職位。

問題不在於AI或資料中心「沒有經濟價值」，而在於初期效益可能主要來自每名員工產出提高、成本下降與資本投資增加；調整成本則可能更集中地落在剛要踏入相關職業的人身上。

經濟成長，不等於工作同步增加

國內生產毛額（GDP）可以因企業投入資料中心、運算設備與AI系統而上升。若AI讓員工更快完成任務，或讓公司在有人離職後不再補人，企業也可能以相同人力產出更多。

這種組合能提升生產力與成長，但不需要大規模招聘。WEF調查中，97%的受訪首席經濟學家預期AI採用將增加；79%預期資料中心擴張會遭遇顯著反彈，而61%不預期它帶來顯著的全球就業創造。

換句話說，這是一種「生產力提高、就業未必按比例增加」的情境：投資推升產出，但新增職位可能有限、延後出現，或集中於少數專業職務，未必廣泛擴散至整體勞動市場。

美國的早期警訊：入門職缺正在縮減

目前最有力的證據，並未證明AI已造成全經濟、普遍性的就業替代。史丹佛數位經濟實驗室研究人員使用截至2026年6月、涵蓋數百萬名美國勞工的ADP高頻薪資資料，沒有發現廣泛的全經濟職位排擠證據。2

但年輕工作者的結果出現明顯分歧。在AI高曝險職業中，22至25歲勞工的就業人數，比起若能與同齡、較低曝險職業者維持相同趨勢時的推估水準，低了約19%；有經驗的工作者則沒有出現可相比擬的落差。2

這個區別很關鍵。勞動市場的變化不必從大規模裁員開始，也可能先表現在「進不去」：初階職缺變少、招聘放緩，人們取得晉升所需實務經驗的機會減少。史丹佛的研究指出，這項模式主要集中在年輕勞工，同時也提醒外界，不應將其解讀成AI已在整體經濟中大舉消滅工作。2

「AI導致裁員」是訊號，不是完整因果證明

企業若在裁員公告中提到AI，確實值得關注；但單靠這類公告，無法證明AI是唯一原因。企業重組、需求轉弱、過去招聘過多，以及其他營運條件，都可能同時影響人力決策。

從薪資資料能較穩妥得出的結論較為收斂：在某些職業中，AI曝險與年輕勞工就業結果惡化存在關聯，而這個現象看來主要反映在招聘減少，而非全經濟範圍內離職或解僱激增。2

對新鮮人與轉職者來說，這點尤其重要。若企業把原本交由初階人員處理的部分任務自動化，問題不只是如何補回消失的職位，更是如何保留可信的「第一階」機會，讓人累積判斷力、領域知識與實作經驗。

軟體業說明了：需求仍在，入口卻可能變窄

軟體開發常被當成檢驗AI是否取代知識工作者的代表案例，但現有證據其實更複雜。

史丹佛的政策簡報指出，程式撰寫密集職業的就業成長雖已放緩，但仍維持正成長；在AI曝險最高的職業中，也幾乎沒有證據顯示AI已廣泛壓低就業或職缺刊登數。過去一年，軟體開發人員的線上職缺成長甚至快於其他職業。

不過，另一項涵蓋41國的研究發現，採用AI的企業在五年間，資深職位人數增加6.7%，初階職位則減少3%；初階人員占整體就業的比率下降1.9個百分點。11

綜合來看，這些結果不足以證明AI消滅了軟體工作，但確實指向一項合理的分配問題：企業可能更重視能定義需求、驗證結果、整合AI產出的資深工作者，同時減少處理標準化初階任務所需的人手。於是，一個職業整體仍有需求，進入該職業的道路卻可能更難走。

當生活成本上升，不均衡轉型會更有感

整體經濟成長不等於生活水準改善。WEF調查中，88%的受訪者預期食品成本上升，83%預期電力成本上升；多數地區的實質收入則預期停滯或下滑。

這使AI收益如何分配變得更重要。一個家庭若同時面對薪資成長疲弱、求職更困難，以及民生必需支出上漲，AI帶來的宏觀成長未必會轉化為可感受的改善。資料中心擴張尤其受到關注，因為它伴隨基礎設施需求，也預期會引發顯著的地方反彈。

風險在於宏觀數字與家庭處境脫節：投資與生產力數據變好，但實質收入受限，剛起步的工作者取得機會的空間反而縮小。

財政支援轉弱，讓調整更棘手

政府過去常藉由所得支持、職業訓練、公共投資等財政措施，緩衝經濟衝擊。但WEF調查顯示，這類支援未來可能較有限：69%的首席經濟學家認為，自2020年以來財政支持是全球經濟韌性的關鍵來源；但只有28%預期未來一年仍會扮演同樣角色。

若財政空間收緊，要資助勞工度過結構性轉型所需的制度——有效訓練、教育、就業流動支持與地方投資——可能更困難。這不代表政策無法推動，而是更需要精準設計與有效鎖定資源。

政策開始把焦點放在轉型本身

美國政策界與機構正開始針對AI的勞動市場影響建立對應機制。聯邦參議員Mark Warner與Mike Rounds提出跨黨派的《Economy of the Future Commission Act》，目標是研擬可行措施，強化勞工訓練，並協助勞工因應AI下工作型態的變化。17

美國企業研究院（AEI）與都市研究所（Urban Institute）也在2026年6月成立跨黨派的「人工智慧與美國勞動力委員會」（Commission on Artificial Intelligence and the American Workforce）。該委員會由Gina Raimondo與Paul Ryan共同主持，任務是評估AI對工作、技能與收入的影響，並為勞工、雇主與政府提出政策選項。

結論：真正的考驗，是別讓職涯第一階消失

WEF受訪經濟學家的看法並不矛盾：AI與資料中心可透過投資和生產力支撐全球成長，但兩者都不保證廣泛創造工作。

目前的美國證據應帶來審慎，而不是宿命論。尚無證據顯示全面性的就業崩跌，但AI高曝險工作中的早期職涯缺口已相當明顯，招聘減少是其中關鍵。2 政策的挑戰在於：如何確保一波生產力成長，不會掏空人們累積技能、收入與長期經濟流動性的入門職涯路徑。