The $6.6 Trillion Opportunity: Why Skilling is the Missing Link in AI Economics
人工智慧（artificial intelligence, AI）長期以來被宣稱能帶來革命性的效率與自動化未來。然而，在達沃斯舉行的 World Economic Forum 發布的一項新研究顯示，未來十年真正的經濟引擎並非技術本身，而是人力能否掌握並運用該技術。Pearson 的一項突破性研究表明，將 AI 投資與強而有力的員工技能提升相結合，到 2034 年可為美國經濟注入多達 6.6 兆美元的價值。相反地，忽視「學習差距」可能會讓數兆美元的生產力提升被白白放棄。
對企業領導者與決策者而言，訊息很清楚：購買最快的晶片與最聰明的模型僅僅是入場費。真正的競爭優勢——以及宏觀經濟的提振——將來自於向以人為本的發展策略轉變。
The Economic Stakes of the "Learning Gap"
該報告標題為 "Mind the Learning Gap: The Missing Link in AI's Productivity Promise," 以前所未有的精確度量化了生成式人工智慧（generative AI）對美國經濟的潛在影響。根據 Pearson 的經濟模型，若成功將 AI 整合入勞動力中，在未來十年內可為美國的毛增加值（Gross Value Added，GVA）增加 4.8 兆美元至 6.6 兆美元不等。為了讓這個數字更具體，上限估計大約相當於目前美國國內生產總值（Gross Domestic Product，GDP）的 15%。
然而，這筆意外之財並非必然。研究指出組織在採取 AI 的方式上存在重要分歧。許多企業目前的發展軌跡是大量資本支出用於基礎設施——資料中心、雲端運算與企業授權——卻沒有相應投入於培訓勞動力以有效使用這些工具。
這種脫節造成了經濟學家所謂的「生產力悖論」。儘管數十億美元湧入 AI 實施，但企業層級的生產力提升在軟體工程等特定領域之外仍難以顯現。Pearson 的研究指出，瓶頸在於人的能力。若不縮短學習差距，技術將依然是昂貴的工具，掌握它的勞動力不知道如何發揮最大效用。
Augmentation vs. Replacement: A Strategic Pivot
研究的核心發現挑戰了普遍認知——即 AI 主要是用來降低勞動成本的工具。研究指出，最高的投資報酬（ROI）並非來自將職位自動化消除，而是來自對現有職務的「增強」，以達成更高的產出與品質。
當公司僅以替代人力為目的使用 AI 時，往往會觸發士氣下降、組織知識流失，以及難以適應的僵化運營結構。相反地，增強策略則著重將例行且重複的任務交由 AI 代理處理，讓人類員工能專注於具有高價值的活動，例如策略規劃、複雜問題解決與創意創新。
下表概述了這兩種策略取向所導致的不同結果：
Table: Comparative Analysis of AI Adoption Strategies
| Strategy Dimension | Tech-Centric Approach (Replacement) | Skill-Centric Approach (Augmentation) |
|---|---|---|
| Primary Goal | 成本降低與裁員 | 生產力成長與價值創造 |
| Investment Focus | 硬體、模型與授權 | 勞動力培訓與工作流程重設 |
| Employee Sentiment | 恐懼、不確定與抵抗 | 賦能、投入與適應力 |
| Economic Outcome | 邊際效率提升 | 顯著的毛增加值成長（最高可達 $6.6T） |
| Long-term Risk | 停滯與「生產力悖論」 | 可持續的競爭優勢 |
The "Power Skills" of the AI Era
若經濟紅利取決於人與機器的協同作業，那麼這種合作關係會是什麼樣子？報告強調，隨著技術性 AI 素養的提升，對「Power Skills（Power Skills）」——本質上屬於人類的能力——的需求也會同步上升。
雖然操作工具仍需技術性技能，能讓員工脫穎而出的差異化能力將是 AI 不易複製的技能。這些包括：
- 批判性思考與判斷力： 評估 AI 輸出之準確性、偏見與相關性的能力。
- 複雜問題解決： 在不確定性中導航，並將 AI 的洞見整合入更廣泛的商業策略。
- 領導力與同理心： 在技術轉型中管理團隊，並在客戶關係中維繫人際連結。
- 持續學習： 隨著 AI 模型快速演進，具備適應新工具的敏捷性。
Pearson 的執行長 Omar Abbosh 在報告發布時強調了這一轉變。「AI 將推動企業與產業深遠且長期的變化，」Abbosh 表示。「但領導者面臨的壓力是必須快速採用 AI 並展現投資回報，同時還要帶領憂心的員工共同面對這一巨大轉變。任何對這個由 AI 驅動的未來的正面情景，都是建立在人的發展之上。」
Sector-Specific Impacts and Opportunities
這種轉變的影響在經濟各部門並不均衡。研究指出，白領「知識型工作」將最能從 AI 增強中獲益。高度依賴資訊處理、資料分析與內容創作的職務，其構成任務中有 30% 到 46% 可被生成式人工智慧（generative AI）增強。
這種對白領部門的影響集中，顛覆了傳統自動化最初先影響藍領與體力工作的敘事。現今，像建築、專業工藝與實體醫療服務等體力工作，較不易受到生成式人工智慧的衝擊，目前大型語言模型能自動化的任務通常不到 1%。
對以服務業與知識工作為主的美國經濟而言，這代表巨大機會。透過重新設計白領工作流程以整合 AI，金融、法律服務與科技等部門就能達到達成 6.6 兆美元預測所需的累積性生產力成長。
A Roadmap for Leaders
為了釋放這些價值，報告建議組織領導者必須超越試點計畫，並將學習視為核心策略支柱。鑒於技術進展的速度，「觀望」已不再可行。
Key Recommendations for Executives：
- 在任務層級診斷： 超越籠統的職務描述。分析角色以識別可由 AI 增強的具體任務，並重設工作流程以配合此一轉變。
- 將學習嵌入工作流程： 傳統的教室訓練速度太慢。整合於日常工具中的 AI 輔導代理與「即時」學習模組，能在不打斷生產力的情況下提供持續的技能提升。
- 優先建立心理安全： 員工必須感到可以安全地嘗試使用 AI，而不用擔心其精熟度會導致被取代。「一邊工作一邊學習」的文化能促進更快採用。
- 衡量技能進展： 以與財務指標相同的嚴謹度對待技能獲取。追蹤勞動力使用 AI 工具的熟練度，並將其與生產力成果相關聯。
Conclusion
關於 AI 會奪走工作崗位的敘事，正被數據所改寫。真正的風險不在於技術本身，而在於對人類潛能想像的失敗。當美國經濟站在 6.6 兆美元機會的邊緣時，前進的道路很明確：公司今天最聰明的投資不僅是投入人工智慧，而是投入能掌握它的人類智慧。未來的工作將不會由取代人的機器定義，而會由那些學會與機器協作的人，擊敗那些未學習者。
