Showing Posts From
職涯
AI 不會讓你失業，它會把你這份工作的門檻往上抬——Box 執行長 Aaron Levie 的『Jevons 悖論』怎麼讀？
打開任何一個財經社團，關於 AI 的貼文幾乎清一色是同一種情緒：焦慮。「AI 會不會取代業務員？」「保單試算被自動化了我還剩什麼？」這半年我讀了太多這類文章，方向幾乎一面倒——先嚇你，再賣你一個護城河。 所以當我聽到 Box 執行長 Aaron Levie 在 2026 年 7 月 2 日的 My First Million 這一集（主持人 Sam Parr 與 Shaan Puri）講出一套「反向樂觀」的框架時，我停下來重聽了三次。他沒有安慰你，他遞給你一把尺。 Aaron Levie：用一個 19 世紀的經濟學悖論，把「AI 焦慮」翻譯成「標準升級」 Levie 是那種你會想聽他講 AI 的人——他不是自媒體，是真的在賣 AI agent 給企業、每天看著客戶怎麼用的執行長。他在 LinkedIn 的長文〈Jevons Paradox for Knowledge Work〉（2026 年）裡，把整個 AI 對工作的衝擊，濃縮成一個大多數人沒聽過的概念：Jevons 悖論（Jevons Paradox）。 這個悖論來自 19 世紀的英國經濟學家 William Stanley Jevons。他發現：當蒸汽機讓燒煤變得更有效率、每單位產出用的煤更少之後，英國的煤炭總消耗量不但沒下降，反而暴增。為什麼？因為煤變「划算」了，於是原本因為太貴而不會啟動的用途——工廠、鐵路、鋼鐵——全部一起冒出來，需求整個被打開。 效率提升，不會讓需求萎縮；它會讓需求爆炸。 這就是 Levie 拿來看 AI 的那把尺。 核心邏輯：AI 每做掉一份工作的一部分，這份工作的「定義」就往上長一層 Levie 最狠的一句話是這個："Even as AI progresses to accomplish more of an entire workflow, we will simply expect more from the work that we're doing. Ultimately ensuring that today's jobs are tomorrow's tasks." （即使 AI 進步到能完成整個工作流程裡越來越多的環節，我們也只會對自己產出的『工作』要求更高。最終的結果是：今天的『一份工作』，會變成明天的『一個任務』。）讀慢一點。他說的不是「AI 幫你分擔工作量」，而是「AI 把整個標準往上抬」。你今天要花一整天做的事，明天會被壓縮成一個按鈕；但你不會因此提早下班，你會被期待去做那些過去根本不會啟動的事。 他舉了一個實證的例子。1970 年代的美國，行銷相關職位大概只有幾十萬人；到了今天，是好幾百萬人。中間發生了無數次「效率革命」——CRM、分析軟體、設計工具、投放平台——每一次都號稱要取代人力。結果呢？職位不減反增五倍以上。因為工具讓行銷變便宜、變簡單，於是原本請不起行銷的小店、小公司，全部都開始做行銷了。需求被工具打開，而不是被工具吃掉。 然後他把這句話對準了知識工作者："The vast majority of AI tokens in the future will be used on things we don't even do today...the software projects that wouldn't have been started, the contracts that wouldn't have been reviewed, the medical research that wouldn't have been discovered." （未來絕大多數的 AI 運算，會被用在我們今天根本不做的事情上……那些原本不會被啟動的軟體專案、原本不會被審的合約、原本不會被發現的醫學研究。）這就是那把尺的刻度：AI 省下來的時間，不是拿去放假的，是拿去把「這件事該做到什麼程度」的標準整個抬高的。 技巧一：把你的工作拆成「舊定義」與「被抬高後的新定義」兩層 做法： 拿一張紙，把你現在做的事分成兩欄——「AI 明年就能做掉的」和「AI 做掉之後，我該補上的更高一層」。 這不是抽象的思考練習，是一個很具體的動作。以保單規劃為例：舊定義（會被做掉的）：試算保費、比對條款、整理需求摘要、寫文書、回覆「這個理賠賠不賠」的標準問題。 被抬高後的新定義（你該補上的）：判斷這個家庭三年後的現金流會不會崩、在客戶自己都說不清楚需求時幫他把問題問對、處理那些沒有標準答案的複雜個案、以及承擔「如果建議錯了，是我負責」的責任。Levie 的框架告訴你的殘酷真相是：如果你的工作內容，全部落在左邊那一欄——那 AI 確實會取代你。但這不是因為 AI 太強，是因為你從來沒有把自己的工作定義往上抬過。門檻抬高的時候，站在原地就等於後退。 技巧二：把 AI 當成「需要你給脈絡的實習生」，而不是「會自己交件的外包」 做法： 每次用 AI 前，先問自己「這個任務缺的脈絡是什麼，只有我知道？」——那個部分，就是你不可取代的價值。 Levie 在文章裡特別澄清了一件事，這點很多 AI 樂觀論者不敢講：AI agent 不是丟進去就會產出價值的。他說，把這些被自動化的任務「串進一個更大的工作流程去產生真正的價值，仍然需要人的判斷，還有大量的力氣（a ton of effort）」，因為 AI agent 需要「管理、監督，以及大量的脈絡（substantial context）才能發揮全部的效益」。 翻成白話：AI 很會做「一個任務」，但它不知道這個客戶上個月剛離婚、他嘴上說要高報酬其實半夜睡不著、他媽媽的長照費用是全家不能說的秘密。這些脈絡，是你坐在客戶對面三年才累積出來的東西。AI 的產出品質，上限就卡在「你餵給它的脈絡」有多深。 所以真正的分水嶺不是「你會不會用 AI」，而是「你手上有沒有 AI 拿不到的脈絡」。前者一個週末就能學會，後者是你這份工作真正的護城河。 技巧三：用「Jevons 尺」重讀每一則 AI 恐嚇文 做法： 下次再看到「AI 取代 XX 職業」的貼文，把它翻譯成一個問句——「這件事變便宜之後，會打開哪些過去沒人做的需求？」 這是我覺得 Levie 這套框架最實用的地方：它是一副眼鏡。戴上它，你看 AI 新聞的視角會整個翻轉。 「AI 能秒算保單」→ 那些過去嫌麻煩、根本不做規劃的一般家庭，現在有沒有可能開始想做了？市場是不是被打開了？ 「AI 能寫出 80 分的衛教內容」→ 那 80 分變成免費之後，客戶會不會反而更渴望那個「只有真人才給得出來」的判斷與陪伴？ 需求從來不是固定的一塊餅。Levie 整篇文章要說服你的，就是這件事：你一直以為 AI 在跟你搶同一塊餅，但真相是,餅正在因為 AI 而變大，而且大出來的部分，是給那些願意把自己往上抬一層的人。 當然，這套框架不是無條件的安慰。它有一個很硬的前提：你得真的動起來，把自己的工作重新定義到更高一層。站在舊定義裡不動的人，Jevons 悖論救不了他。這把尺量的不是「AI 有多可怕」，而是「你有沒有跟著把標準抬上去」。📎 這篇只拆了 Levie 框架的骨架。My First Million 那一集（Ep. 838，2026 年 7 月）其實聊得更廣——他講到 Box 當年怎麼從消費性市場轉向企業市場、拒絕鉅額收購的心路、創業者的焦慮與看心理諮商的經驗，還有他自己看好的幾檔 AI 軟體股。想聽他完整的「反向樂觀」論調怎麼串起來，值得去聽整集 podcast；而想讀他把 Jevons 悖論寫成文字、附上更多產業數據的版本，直接看他那篇 LinkedIn 長文最完整。