AI 搶飯碗的話題說了幾年，數字一直是估計值，各家機構的預測差異大到讓人懷疑有人在胡編。
高盛（Goldman Sachs）最近做了一件有價值的事：把 AI 每月實際消滅多少個工作量化成了一個具體數字。
每月淨減少 16,000 個。
數字是怎麼來的
高盛經濟學家 Elsie Peng 把美國勞動市場數據和 AI 暴露指數結合，拆解了 AI 替代和 AI 增強兩種效應：
| 效應 | 每月影響 |
|---|---|
| AI 替代（工作消失） | 每月減少 25,000 個 |
| AI 增強（新工作產生） | 每月新增 9,000 個 |
| 淨變化 | 每月淨減少 16,000 個 |
方法論是把標準 AI 暴露分數和 IMF 開發的互補性指數結合，區分兩類職位：
- 替代型：AI 能接管大部分核心任務（保險理賠、帳單處理、資料輸入）
- 增強型：需要人類判斷、實體存在或專業知識（法律、工程管理、醫療）
數字來自過去一年的實際數據，不是預測。
哪些職位在消失
受影響最大的是可重複的白領工作：
- 資料輸入
- 客服支援
- 法律助理級別的支援工作
- 帳單和理賠處理
- 行政類任務
這些職位的共同特點：任務固定、不需要專業判斷、可以用文字或表格描述清楚。AI 可替代率不是理論值，是已經在發生的替換。
一個反直覺的結論：體力勞動職位目前反而更安全。建築工程管理、醫護操作、現場服務這類需要實體在場的工作，AI 還沒有有效的替代路徑。白領比藍領更先受衝擊，這和很多人的直覺相反。
Z 世代為什麼扛得最重
高盛的分析有一個具體數字：AI 暴露指數每提升一個標準差，年輕工人的薪資差距就擴大 3.3 個百分點。
邏輯鏈很清晰：
- 年輕人通常進的是入門級職位——資料輸入、客服、初級分析
- 這些職位的 AI 替代率最高
- 年輕人沒有積累的專業判斷力做緩衝，經驗不足以快速轉向需要人類專業技能的職位
- 求職競爭更激烈，議價能力更弱
這和史丹佛 2026 年報裡提到的 22 歲程式設計師職位減少了 20% 形成了一條邏輯鏈：不是老員工先被裁，是新人的入門門檻直接被堵死了。老員工有經驗護城河，應屆生沒有。
數字被低估了嗎
高盛自己承認了研究的局限：這組數據沒有充分計入 AI 基礎設施建設帶來的新就業，比如數據中心建設、電力系統擴容、硬體製造。
如果把這些算進去，淨消滅數字會更小。
但這裡有個關鍵問題：數據中心建的是工程職位，消滅的是客服職位。兩者技能要求、薪資水平、受影響人群幾乎沒有重疊。就業數據上的平衡不等於對那每月 16,000 個受影響的人有任何幫助，他們不會因為達拉斯多建了一個伺服器農場就重新找到工作。
公司們怎麼反應
有些公司的做法值得參考：
BetterUp（AI 增強案例）：把 AI 接管日程安排任務的員工，重新分配去做候選人深度反饋和職位挖掘——保住了職位，把人推向了 AI 替代不了的環節。
Snap、Atlassian、Block：用 AI 進步作為裁員背書。HR 圈子裡已經出現批評聲——將 AI 當作裁員藉口，在沒有配套重新部署計畫的情況下裁人，會傷員工也傷組織。
Fortune 報導中一位 Fortune 500 的 CHRO 說得很直接：我們裁員時根本沒有足夠的戰略考量。
結論很直接
每月淨 16,000，一年接近 20 萬個工作。不是特別大的絕對數字，但它在朝一個方向持續走，而且沒有減速的跡象。
更值得關注的不是總量，是分布：消失的是白領初級職位，新增的是工程職位和專業職位。兩批人基本不重疊。勞動市場的這種結構性位移，不是靠再培訓一下就能解決的事情。
參考來源：CocoLoop、AI is cutting 16,000 U.S. jobs a month — and Gen Z is taking the brunt, Goldman Sachs says（Fortune）；Top HR leaders warn against using AI as cover for mass layoffs（Fortune）