無名周記：AI除了搶飯碗外，還會……

【明報專訊】今年初開始，英美傳媒不時報道初階職位減少、大學畢業生失業率攀升等，一些評論更稱之為「jobpocalypse」（工作浩劫）。職位減少一大原因固然是經濟不明朗，但ChatGPT等生成式人工智能興起亦加速初階職位流失。新人過往可以在資深員工帶領下完成簡單任務，從而汲取經驗，但現在資深員工可以單靠AI工具完成工作，毋須再「帶新人」。這發展當然令新鮮人輸在起跑線，但長遠而言造成的影響可能更甚於短期的職位流失，那就是人類技能的流失。

英美傳媒今年初便不時報道大學畢業生愈來愈難找工作。紐約聯儲銀行數據顯示，22至27歲大學畢業生的失業率在2025年第二季平均為5.3%，較2022年第二季約4%為高；同期的整體失業率則由2022年5月的3.6%增至2025年5月的4.2%。大學生失業率的升幅約三成，高於整體失業率升幅的17%。

人才梯隊現斷層

大學生失業率升幅高於整體失業率升幅，背後是因為初階職場低迷。經濟不明朗固然是一大原因，但2022年ChatGPT的出現更是不能忽視的因素。LinkedIn的首席經濟機會官（Chief Economic Opportunity Officer）Aneesh Raman今年5月在《紐約時報》撰文，稱AI對工作的衝擊已見於職涯階梯的最底層。他指出，以科技領域為例，撰寫簡單程式碼與除錯的任務本是初階程式開發人員累積經驗的途徑，但這些任務正被先進的AI工具取代；至於在律師事務所，初級助理與入職第一年的年輕律師往往要耗費數周審查文件，但今天已由AI工具僅花數小時完成。零售業中原本分配給年輕助理的簡單工作也被聊天機械人與自動化客戶服務工具接手。

雖然他相信AI將創造大量職位，但現時受初階職場低迷影響的畢業生，將輸在起跑線，日後收入都會大受影響。初階職位本來是初入職場者學習技能及建立人脈的起點，沒有初階職位，缺乏人脈或優勢背景的人將更難在職場立足。

AI取代初階職位，影響的不止是個人職涯，更動搖企業的長期發展。初階員工原是企業的人才庫，隨着歷練逐步晉升；初階職位消失，組織結構便由傳統三角形轉為「鑽石型」：頂端仍是總裁，中層管理依舊龐大，但原本支撐日常營運的基層人力銳減，工作由AI等技術接手。短期運作或許無礙，惟人才梯隊出現斷層，日後可供晉升中層管理的人才自然減少。

技能靠互動傳承

但問題並不止這樣。加州大學聖塔芭芭拉分校教授Matt Beane在去年出版的The Skill Code: How to Save Human Ability in an Age of Intelligent Machines（技能法則：如何在智能機器的時代拯救人類能力）仔細探討了這個問題。

Beane指出，人類最寶貴的技能（skill）千年以來都是依靠專家跟新手（novice）的互動及傳承。我們都是透過觀察專家工作，或跟專家一起工作而學到技能。這對不同行業的人並不陌生，無論是車房學徒、實習醫生，還是初出茅廬的記者和律師，都是跟着師傅或前輩學習，初時只做一些簡單工作，慢慢在指導下漸漸做一些複雜的工序，過程中當然少不免犯錯捱罵，但也得到及時指導，最終掌握技能之餘還可以教人。這些例子差不多俯拾即是。技能不是簡單的知識傳授，而是涉及人與人之間的連結。

Beane歸納出專家與新手的工作關係，實為人類精進技能所需的3個重要元素，即挑戰（challenge）、複雜（complexity）與連結（connection）。簡單地說，「挑戰」即新手在師傅監督下在自身能力邊界承擔真實責任與風險；「複雜」所指的是新手學習的不止是單一步驟，而是接觸全局與多變情境；「連結」指的是新手跟專家建立穩定的信任與回饋關係。

新人失實戰機會

不過Beane認為，機械人及AI等科技興起雖然令生產力短期增長，但也將本來可以讓新手參與、犯錯及獲得指導的環節拿走，無意間將新手排除在外，令新手難以像過往般掌握技能。Beane在廚房、手術室、貨倉等觀察技能習得的過程，以及科技如何改變專家跟新人的互動。書中提到的一個例子是手術機械臂的引入。他跟着26歲的外科實習醫生Kristen參與兩場極精細的泌尿科手術，第一場手術不涉機械臂操作，手術仍然由主診醫生操刀，但也需要實習醫生在旁協助，執行一些較簡單的工作，例如切開及縫合等，主診醫生也讓她嘗試做一點神經分離的過程，雖然時間很短，但她心滿意足，技術也得到提升。第二場是機械臂手術，主診醫生在控制室遙距操作，幾乎像操控iPhone一般。機械臂讓主診醫生能獨立完成更多步驟，出於風險考慮，他不敢把手術手臂交給Kristen操控，Kristen只能做觀眾。Beane事後問主診醫生，該名醫生指，絕大多數操作機械人的醫生根本不具備應有的技術，因為他們沒有實戰經驗，只是看別人操作而已，「看電影並不能讓你成為演員」。

這例子生動說明科技如何讓專家更能獨立完成工作、減少對資淺人員的依賴，同時也剝奪了新人的學習機會。僅僅觀看與親手上陣截然不同；若此發展持續，關鍵技能將難以傳承。

怎樣回應這挑戰？是否完全不用科技呢？這當然不切實際，因為科技的確改善了生產力。Beane認為，科技發展有時反而可以鞏固技能傳承的三大元素。他在書中以爆炸品處理（EOD）專家為例，指出雖然引入機械人PackBot輔助，但並沒有阻礙技能育成，反而提升專業能力。Beane觀察到，EOD專家帶着學徒工作時，讓學徒親自操作機械人，自己則專注戰場感知和戰術部署，並有時間透過提問培養學徒的技能。機械人反而讓學徒能夠更輕鬆地在實戰中學習。

不能只顧生產力

Beane相信，要挽救人類技能的傳承，需要從組織架構及技術應用入手，要有意識地培育技能傳承，保護技能的三大元素，讓專家和新手一起探索新技能，不能只顧追求生產力。上文提到的手術機械臂令實習醫生減少實戰機會，書中提到一些大學已從機械操作設計入手，讓主診醫生和實習醫生一起操作機械臂，令實習醫生可以有實戰經驗，又減少風險。他相信，AI、機械人等科技可以幫助世人為21世紀所需的技能建立基礎設施。

《技能法則》的調子是樂觀的，認為AI等科技發展既是挑戰，也是機遇，有待我們加以塑造。不過，書中大量案例亦顯示，科技的確侵蝕了人類固有學習技能的路徑；在利潤明顯提升的誘因下，企業和組織會否仍然會花資源鞏固技能傳承，未必令人樂觀。未來世界的技能不平等（skill inequality）是否可以扭轉？當大部分操作都自動化，只有小撮人具備監督所需的關鍵技能時，欠缺相關能力者又如何在智能時代中得到滿足及成長？又如何跟專家以至整個社會連結？這已不僅僅是企業治理問題，而是關乎社會運作與機會分配的課題，恐怕已不是一本書能夠解答，相信也要不同領域的專家學者共同思考。

文˙林康琪

編輯˙林曉慧

fb﹕http://www.facebook.com/SundayMingpao