為什麼 AI 偏偏先取代「高薪」工人？

想像一家公司宣布要導入自動化、要裁員。被裁掉的會是誰？

直覺答案通常是：表現最差、技能最低、最容易被機器做掉的那群人。

但 Daron Acemoglu 與 Pascual Restrepo 發表在 The Quarterly Journal of Economics 的研究「Automation and Rent Dissipation: Implications for Wages, Inequality, and Productivity」提供了一個不同角度：在有勞動市場摩擦的世界裡，自動化不一定先打最便宜的人，也不一定先打最沒技能的人。它可能先打那些公司帳上看起來最貴、但其中一部分薪資其實是 rent 的工作。

這個 rent 中文常翻成「租值」。它跟房租沒有直接關係，重點也不是房地產，而是：一個人坐在某個職位、某個公司、某個產業或某套制度裡，因此拿到高於外部選擇的那一段薪資。

你以為機器先取代最便宜的工人？

關於自動化，常見直覺有兩個。

第一個是「便宜論」：公司會先取代最便宜的工人，因為小錢積少成多。問題是，如果一台機器的月成本是五萬，卻要去取代月薪三萬的人，公司其實是在賠錢。便宜的勞動力反而很難被機器搶走，因為機器未必比他便宜。

第二個是「稀缺論」：公司會先取代高薪工人，因為他們最貴。這聽起來比較合理，但也不完整。如果高薪完全來自稀缺技能，表示這個人真的創造很高價值，公司不一定找得到便宜機器取代他。

真正有趣的地方在第三種情況：高薪裡有一塊不是稀缺技能，而是「位子本身」帶來的額外收入。

那個奇怪的 U 形

過去四十多年，美國工資分布有一個很有名的變化：中段工資表現最弱，低端沒有崩得那麼深，高端則繼續往上走。這常被稱為 wage polarization。

傳統說法是 routine-biased technological change：機器特別擅長做例行性工作，而例行性工作集中在中間收入職位，例如文書、組裝、櫃台、出納。因此中產職位被掏空。

這個說法很重要，但 Acemoglu 與 Restrepo 問的是第二層問題：除了「機器技術上能做什麼」，公司也會看「自動化哪一種工作最省錢」。而公司看到的工資，可能混著一塊租值。

工資裡的租值

想像兩個焊接工。技能一樣、產能一樣、做的東西也一樣。

位置月薪真實生產力假設多出來的部分
老牌大廠，有工會與福利NT$80,000NT$50,000NT$30,000
小型加工廠，薪資接近外部選擇NT$50,000NT$50,000NT$0

這裡的 NT$30,000 就是教學用的「租值」示意。它可能來自工會、公司內部薪資制度、產業獲利能力、效率工資、法規、牌照、內部職涯梯等因素。

現實世界不會這麼乾淨。薪資還會包含地理位置、辛苦程度、工時、風險、福利、職涯前景等成分。但這個例子的重點是：有些高薪不是因為那個人比較難被取代，而是因為那個位子本身比較肥。

公司帳本與社會成本的落差

公司帳本 vs. 社會真實成本

現在有一台機器手臂，每月成本 NT$60,000。公司會先取代誰？

從公司角度看：

選項帳面薪資機器成本公司是否想自動化
取代大廠焊接工NT$80,000NT$60,000省 NT$20,000，划算
取代小廠焊接工NT$50,000NT$60,000多花 NT$10,000，不划算

所以機器會先打大廠焊接工。

但從社會角度看，那 NT$30,000 租值不是被生產過程吃掉的真實資源，而是錢從公司流到工人身上。公司把這個人換成機器，帳上省了 NT$80,000；但社會真正少用掉的勞動機會成本，只有 NT$50,000。

公司看見的省錢數字，大於社會真正省下的資源。這個落差，就是 rent dissipation 這個機制的核心。

為什麼叫 rent dissipation？

如果只是單一公司、單一工人，這像是一個分配問題。但放到整個經濟裡，事情會變成配置問題。

公司導入自動化時看的是帳面工資，不是社會機會成本。於是自動化會被吸引到「高租值工作」，即使這些工作從社會角度看未必是最應該先被機器取代的工作。

工人受到兩層影響：

  1. displacement：原本的任務被機器取代，勞動需求下降。
  2. rent dissipation：即使工人仍然找到工作，也可能被推到租值較低的職位，原本那塊「肥位子」消失。

這會讓 wage losses 被放大。工人損失的不只是工作機會，也可能是原本工作裡的租值。

美國資料看到什麼？

作者用美國 1980 到 2016 年資料，將勞工拆成五百個 demographic groups，檢查不同群體暴露在自動化之下後，工資分布如何變化。

他們的核心發現包括：

  • 自動化暴露較高的群體，內部工資變化呈現符合模型預測的 U 形。
  • 自動化不只造成傳統的 displacement，也會把工人從高租值工作推往低租值工作。
  • 在作者的估計裡，自動化解釋了 1980 年以來美國 between-group wage inequality 上升的 52%；其中 rent dissipation 約占這個貢獻的五分之一。
  • 在 baseline calibration 下，自動化帶來的 gross TFP contribution 約 3%，但因為 rent dissipation 與配置扭曲，淨效果約只剩 0.3%；不同設定下，抵消幅度約為 60% 到 90%。

自動化生產力收益被租值流失抵消

這裡最值得注意的不是「自動化沒有用」。論文不是反自動化。它說的是：如果公司根據帳面工資做決策，而帳面工資混有租值，那自動化的私人誘因會和社會效率不完全一致。

幾個比較接近現實的場景

這篇論文不是在說所有高薪工作都該被懷疑。很多高薪確實來自稀缺技能、決策責任、風險承擔或極高生產力。

比較接近 rent dissipation 的場景，通常有幾個特徵：

  • 同樣技能的人，在不同產業或公司拿到明顯不同薪資。
  • 有些職位一旦被裁員，下一份工作薪資跌幅特別大。
  • 有些高薪位置的人不太主動離職，表示那個位置本身可能有高於外部市場的價值。
  • 工會、牌照、內部薪資制度、產業獲利能力或公司治理結構，讓某些工作形成穩定 wage premium。

把這個框架放到 AI 上，問題就變得更尖銳。過去的機器手臂主要打製造業任務；但 AI 能碰到的工作包括法律研究、顧問分析、會計對帳、程式樣板、客服知識工作、醫療影像輔助判讀。這些工作不一定是傳統意義的 routine task，但其中某些職位可能有很厚的制度性租值。

三個限制

第一，這不是說自動化是壞的。自動化仍然可能提高生產力，只是它的好處可能被配置扭曲吃掉一大部分。

第二，這不是說所有高薪都是租值。稀缺技能、創造力、決策責任、人脈、管理能力，都可能是真實生產力的一部分。

第三，量化數字依賴模型設定。60% 到 90% 的抵消幅度、52% 的 inequality contribution、3% 到 0.3% 的 TFP 對比，都應理解為作者在特定資料與模型設定下的估計，而不是放到每個國家、每個產業都必然成立的鐵律。

回到 AI

所以，AI 會不會先取代高薪工人？

更精準的說法是：AI 可能先被導入到那些「公司帳面成本高、技術上開始可替代、而其中一部分薪資來自租值」的工作。這些工作未必是最沒技能的，也未必是社會角度最該被自動化的，但它們對公司來說最像一筆可以節省的成本。

真正值得問的問題，可能不是「我的工作是不是高薪」，而是：

我的工作裡，有多少是稀缺能力？又有多少是我剛好坐在一個有租值的位置？

參考資料