觀點
黃偉豪：破解AI Becker困局：避免大學「畢業生」頓成「失業生」
【明報文章】在人工智能（AI）下，人類社會正面臨一場深刻的勞動市場變革。傳統的職業培訓模式正被AI顛覆，這不僅威脅到就業機會，更挑戰人力資本的積累機制。經濟學家Luis Garicano今年7月在博客「Silicon Continent」上提出的「AI Becker問題」（AI Becker problem；註），正是對這一現象的剖析。他借鑑諾貝爾經濟學獎得主Gary Becker的人力資本理論，揭示AI如何放大企業在通用技能培訓上的「挖角困境」（poaching problem），導致入門級職位減少、新人難以取得實戰經驗，從而形成惡性循環。這不僅是關乎企業成本效益，更是社會不平等加劇的隱患。
這場變革中，大學作為人力資本的首要培養者，肩負重任。它們不能僅停留於傳授知識的傳統角色，而須轉型為AI時代的「元認知工廠」。對香港而言，這一問題尤為緊迫。作為國際金融中心，香港的專業服務業（例如銀行、法律、會計）高度依賴入門級人力培訓；若不妥善應對，香港青年將面臨更大鴻溝，甚至面對畢業即失業的困境。
AI徹底顛覆人力資本投資模式
Gary Becker於1964年出版的經典著作《人力資本》（Human Capital），開創了人力資本理論，將教育與培訓視為投資行為。Becker指出，企業願意投資員工的「特定技能」（firm-specific skills），因為這些技能不易被挖走；但對「通用技能」（general skills，例如數據分析或策略思維），企業卻會猶豫，因為員工學成之後易被競爭對手用高薪誘走。
這就是著名的「Becker poaching problem」。傳統解決之道是「聯合產品模型」（joint-product model）：入門級員工一邊學習，一邊產生收入（如律師助理的計費小時），企業藉此收回培訓成本。這一模式在知識經濟裏運作良好，支撐了專業服務業的階梯式晉升。
惟AI的出現，徹底顛覆這一平衡。Garicano於「The AI Becker problem」一文指出，生成式AI（如ChatGPT或Gemini）擅長處理例行任務（routine tasks），例如生成報告、清洗數據或初步診斷，取代了新人原本的「計費小時」機會。以金融業為例，投資銀行高盛已用AI平台取代初級分析師的Excel工作，新人無法透過實戰累積「元認知能力」（meta-cognitive skills），如經濟直覺或危機判斷。結果，企業減少培訓投資，寧願僱用已具備經驗的人才或直接依賴AI。這導致「AI Becker問題」：高階AI工程師薪酬暴漲，但中低階職位蒸發，新人陷入「無門而入」困境。
這種情况在全球各大專業服務行業正迅速擴散。諮詢公司McKinsey的內部AI平台「Lilli」，每月處理逾50萬個查詢，節省三成以上的顧問研究時間；Allen & Overy等國際律師事務所，則已採用AI工具自動審核合約、做盡職調查，極大壓縮了原本由實習律師負責的工作；美國矽谷不少初創公司，甚至停止聘請低於中階職級（如L5）以下的工程師，因為初階任務已被AI替代。根據風險投資公司SignalFire對職場人才平台LinkedIn數據的分析，新畢業生的聘用率自疫情後下降了25%；紐約聯邦儲備銀行數據則顯示，大學生失業率自2023年起上升了30%。
大學角色 前所未有地重要
這些現象共同指向一個事實——AI不僅取代了工作，更摧毁了工作所提供的學習階梯。
在這樣的背景下，大學的角色變得前所未有重要。過去，大學被視為知識傳授者，課堂的目的在於令學生學會某種技能或理論；但於AI時代，僅僅傳授知識已遠遠不足——大學必須蛻變為「超越AI能力」的培養基地，訓練學生具備判斷、批判、創新與倫理的元認知能力，協助他們跨越「AI監督門檻」（supervision threshold），成為能夠使用與監督AI的專業人才。
筆者在香港中文大學教授的畢業論文課程，正是基於這樣的理念設計：與其禁止學生使用AI，不如徹底打破傳統和禁忌，老師們選擇在課程上100%開放AI使用，讓學生在導師指導下，學會如何正確使用AI工具執行英語潤色、搜尋資料、分析案例等任務。我也要求學生反思和解釋AI的輸出：AI答案是否正確？是否存在偏差？是否有缺乏上下文理解的問題？於這個過程裏，學生不再是AI的被動使用者，而是成為積極的判斷者與質疑者。
AI並未削弱教師的角色，反而讓教師成為不可或缺的引導者與對話者。正如筆者在近日的聯合國教科文組織國際研討會「AI Ethics in Global Education」裏分享，學生需要的是一個安全空間，能夠自由地與教師討論AI的使用方式和倫理界線。這樣的空間，正是高等教育應該提供的。
發展真正的AI素養
在同一場研討會中，來自瑞典烏默奧大學的碩士學生Tuva Falk，也分享了她作為學生的觀察。她指出，許多學生對使用AI仍存疑懼，擔心違反規定或被視為作弊，導致他們不是完全避免使用AI，就是過度依賴AI產出的內容。這樣的兩極化現象，正反映當前高等教育在AI應用上的制度真空與指引缺失。
Tuva強調：「我們需要學會如何與AI一起思考，而不止是學會是否能用AI。」她呼籲大學應提供開放對話的空間，讓學生能夠安心討論AI的使用、了解其潛力與限制，從而發展出真正的AI素養。這種素養，不僅是技術層面的操作能力，更是一種理解AI邏輯、辨識AI偏誤、做出人類判斷的能力。
深層持久的社會重構
我們必須清楚意識到：AI不是一場短暫的科技浪潮，而是一場深層次和持久的社會重構。它改變的不止是工具本身，更是學習方式、工作內容與人才養成。一旦我們放任AI取代初級工作，而不作出制度回應，整個社會將面臨人才斷層、階級固化與創新力流失的巨大風險。
「AI Becker問題」如同一面鏡子，映照出人力資本於AI時代的脆弱與潛力。若企業退縮，大學須挺身而出，培養超越AI的「人類資本」。破解「AI Becker問題」，不能只靠企業、政府或學生單方面努力，而是需要大學為自己的課程內容和教學模式重新定位。正如Becker所說，教育是一種投資。在AI時代，這項投資的報酬，不再只是經濟效益，更是社會的可持續發展與人類的共同未來。
註：Garicano, L. (2025, July 23). The AI Becker problem: Who will train the next generation? Silicon Continent.
作者是美國史丹福大學行為科學高等研究中心院士
（本網發表的時事文章若提出批評，旨在指出相關制度、政策或措施存在錯誤或缺點，目的是促使矯正或消除這些錯誤或缺點，循合法途徑予以改善，絕無意圖煽動他人對政府或其他社群產生憎恨、不滿或敵意）
