AI 會不會搶走大量白領工作？先看看 ATM 發生了什麼

每一次重大科技革命出現，幾乎都伴隨相同的預言：這一次，機器真的要讓大量人類失業了。

生成式 AI 當然也不例外。

自 ChatGPT 在 2022 年底問世後，從程式設計、客服、翻譯、行銷、金融分析到行政工作，大量白領職業都被列入可能遭 AI 取代的名單。

但 Vanguard 首席經濟學家提出了一個不同的觀察角度。

如果回頭研究過去數十年的銀行自動化歷史，會發現「技術能夠自動完成某項工作」與「這個職業因此消失」，其實是兩件不同的事情。

最經典的案例，就是 ATM。

1980 年代大家也以為銀行櫃員要消失了

ATM 在 1980 年代逐漸普及後，當時一個非常直覺的預測是：既然機器可以讓客戶自己提款，銀行還需要那麼多櫃員嗎？

這個預測只對了一半。

ATM 確實降低了每一家銀行分行處理提款、存款等例行交易所需要的櫃員人數，但另一個經濟效果同時發生了。

自動化降低了銀行分行的營運成本，使銀行開設更多分行變得更具有經濟效益。

結果是，單一分行需要的櫃員可能減少，但分行數量增加，在兩股力量互相抵銷之下，美國銀行櫃員的總就業人數從 1980 年到 2010 年大致維持穩定。

因此，如果你是一名 1980 年代正值職涯中期的銀行櫃員，ATM 對工作的實際威脅，遠低於當時許多人的想像。

這段歷史揭示了一個重要現象：自動化一項工作任務，不一定等於消滅一個職業。

ATM 沒有單純消滅工作，反而改變了銀行裡「人要做什麼」

ATM 普及之後，銀行內部的人力需求也開始改變。

當機器負責更多簡單、重複性的交易工作後，銀行開始增加其他類型的人才，包括：

• 貸款專員
• 信用分析師
• 個人銀行顧問
• 詐欺防治人員
• 風險管理專家

銀行分行的角色因此逐漸改變。

過去櫃員大量時間花在處理現金與交易；自動化普及之後，分行開始更重視貸款、金融產品、客戶服務與關係管理。

換句話說，ATM 自動化的是銀行工作中的一部分「任務」，而不是直接消滅銀行分行存在的理由。

甚至可以說，部分人類工作因此向更高技能與更高附加價值的方向移動。

Vanguard 認為，這可能正是目前 AI 正在發生的事情。

真正重創銀行櫃員的，其實不是 ATM

銀行業真正的大規模轉折，要等到大約 2010 年之後。

這一次的關鍵技術是行動銀行（Mobile Banking）。

ATM 和行動銀行最大的差別，在於兩者自動化的範圍完全不同。

ATM 自動化的是「到銀行之後需要完成的一項工作」。

行動銀行則直接消除了很多情況下「去銀行」這件事本身。

當轉帳、繳費、查詢帳戶、存款管理與其他金融服務逐漸轉移到手機與網路之後，消費者不再需要為許多日常金融活動前往實體分行。

這才真正改變了銀行分行的經濟價值。

根據文中引用的數據，2007 年仍有 36% 的銀行客戶將實體分行視為主要銀行服務管道；到了 2025 年，這個比例只剩 9%。

銀行櫃員的就業人數也隨之下降。

這個差異非常重要。

ATM 改變了一項任務；行動銀行改變了整個工作流程。

技術本身還不夠，法律與制度也必須跟著改變

銀行數位化也提供了另一個容易被忽略的案例：科技革命通常不是單靠科技本身完成的。

美國在 2000 年通過《全球與國家商務電子簽章法》（Electronic Signatures in Global and National Commerce Act），讓電子簽章取得與傳統紙本簽章相同的法律效力。

這項制度變化對完全數位化的金融服務非常重要。

如果法律仍要求大量金融程序必須親自到銀行完成紙本簽署，即使智慧型手機與網路技術已經成熟，銀行仍很難把整個服務流程搬到線上。

因此，真正造成銀行業結構性轉變的並不是某一項單獨技術，而是多個條件同時成熟：

網路與智慧型手機 + 數位支付 + 電子簽章法律 + 新銀行工作流程 + 消費者行為改變。

當這些因素結合起來後，技術才真正開始重塑整個產業。

舊工作減少，同時又出現以前不存在的新工作

行動銀行確實降低了傳統銀行分行與櫃員的需求，但數位金融體系也創造了一批新的職業。

例如：

• 資安分析師
• 數位產品經理
• 支付平台工程師
• 資料平台營運人員

因此，技術造成的結果往往不是簡單的「機器取代人類」。

更常見的情況是，一部分工作消失、一部分工作重新設計，同時另一批以前不存在的工作出現。

這也是 Vanguard 用來理解 AI 勞動市場影響的核心框架。

ChatGPT 問世近四年，白領失業潮在哪裡？

生成式 AI 的情況可能正在重演 ATM 的歷史。

自 ChatGPT 在 2022 年底出現後，市場上曾出現大量非常激進的預測，認為 AI 將快速消滅大量白領職位。

然而接近四年之後，目前勞動市場並沒有出現如此明確的結果。

Vanguard 指出，目前對 AI 暴露程度最高的職業，並沒有普遍出現大規模就業下降。

相反地，高 AI 暴露職業的就業成長整體仍大致跟得上、甚至部分超過 AI 暴露程度較低的職業。

裁員率仍然偏低。

雖然企業招聘確實有所放緩，但這種放緩並非高度集中於最容易受到 AI 影響的產業，而是呈現更廣泛的勞動市場現象。

因此，目前還缺乏足夠證據證明生成式 AI 已經造成全面性的白領工作崩跌。

今天的 LLM，可能只是 1980 年代的 ATM

這也是 Vanguard 提出的核心比喻。

今天的大型語言模型，可能更接近 1980 年代的 ATM。

它們非常強大，可以自動完成大量原本需要人工處理的任務，例如：

• 撰寫與整理文字
• 搜尋與摘要資訊
• 分析文件
• 協助程式設計
• 處理客服問題
• 建立報告初稿
• 協助資料分析

但如果企業原本的組織架構、審核制度、責任分工、客戶互動方式與商業模式都沒有改變，那麼 AI 很可能只是被塞進現有工作流程裡，成為提升員工生產力的工具。

就像 ATM 讓銀行櫃員不必花那麼多時間處理提款一樣。

這種情況下，AI 可能大幅改變「工作怎麼做」，但不一定立即改變「這份工作是否存在」。

真正的 AI 就業衝擊，可能要等到「行動銀行時刻」

這並不代表 AI 永遠不會造成大規模勞動市場變化。

Vanguard 的論點反而是：真正的變化可能需要更深層的企業重組。

也就是 AI 不再只是幫員工寫 Email、整理 Excel、生成程式碼或摘要文件，而是企業開始圍繞 AI 重新設計完整流程。

例如，一個原本需要十幾個步驟、跨越多個部門的業務流程，如果未來被重新設計成由 AI 系統處理大部分資訊流動、人類只負責少數決策與責任節點，那才比較接近銀行業從 ATM 走向行動銀行的轉變。

這時候改變的就不只是某項工作任務，而是：

• 公司需要多少人
• 哪些職位仍然存在
• 哪些技能具有價值
• 組織如何分工
• 客戶如何與企業互動
• 企業如何提供產品與服務

這才可能形成真正的大規模勞動市場重組。

AI 能做什麼，與企業真的怎麼用 AI，是兩回事

這也帶出 AI 就業討論中一個很重要的差異。

很多研究會計算某個職業有多少工作內容可以被 AI 完成，並據此推估這個職業受到 AI 的「暴露程度」。

但技術能力並不會自動轉化為組織變革。

一家公司即使知道 AI 可以完成某項工作，仍然需要考慮準確性、責任歸屬、資安、資料隱私、法規、客戶接受度，以及既有 IT 系統能否整合等問題。

因此，AI 模型能力提升只是第一步。

真正決定就業市場結果的，很可能是企業是否願意、以及是否有能力圍繞 AI 重新設計整套工作流程。

如果 AI 是下一個通用技術，新工作可能還沒有名字

Vanguard 進一步提出，如果 AI 最終真的成為類似電力、個人電腦一樣的通用目的技術（General-Purpose Technology），那麼它的長期影響可能遠遠超過今天看到的聊天機器人與 Copilot。

電力出現時，人們很難預測後來完整的家電與工業體系；個人電腦普及初期，也很難完整預測網路、電子商務、社群媒體、雲端運算與智慧型手機產業。

AI 也可能創造今天尚未存在的產品、服務、商業模式與職業。

因此，只計算「AI 可以取代多少現有工作」，可能低估了另一半問題：AI 又會創造多少目前還不存在的工作？

銀行業就是一個縮影。

ATM 與數位銀行降低了部分傳統工作的需求，但資安、數位產品、支付工程與資料平台等工作也因此成長。

Vanguard：現在可能還只是 AI 的「ATM 階段」

Vanguard 對目前 AI 勞動市場的判斷因此相對謹慎。

AI 最終仍可能像行動銀行改變零售銀行業一樣，深刻改變白領工作的組織方式。

但截至目前的就業數據，還不足以證明這場結構性轉變已經全面發生。

今天的 AI 更像是 1980 年代剛開始普及的 ATM：它已經能夠自動化大量任務，也正在提高部分員工的生產力，但企業與產業的基本結構仍然大致存在。

真正值得觀察的下一步，因此可能不是下一代模型又提升多少 benchmark，而是企業是否開始重新設計自己的工作流程、組織架構與商業模式。

因為歷史告訴我們，真正改變就業市場的往往不是「機器突然變得更聰明」的那一天。

而是整個產業終於找到一種方式，讓原本需要人類參與的流程變得不再需要以原來的方式存在。

如果 Vanguard 的判斷正確，那麼 AI 的真正「行動銀行時刻」，可能還沒有到來。