Microsoft Research：「安全區」已轉移──金融與法律如今站在人工智慧（AI）破壞的最前線

Microsoft Research 的一項突破性研究打破了長期以來高技能、高收入職業不會被自動化取代的既有認知。該研究分析了用戶與生成式AI（Generative AI）之間的真實互動，顯示金融與法律等需要大量認知處理與文字產出的白領職務，如今正最容易受到技術性衝擊。

這一變化標誌著勞動自動化史上的根本性轉折。不同於過去針對體力勞動與重複性物理任務的產業革命，生成式AI浪潮直接瞄準了「知識經濟」。根據 Microsoft 的研究，擁有學士學位已不再是抵禦自動化的保護傘；事實上，它可能成為更高脆弱性的標記。

The Methodology：超越理論模型的方法

此研究與以往理論性文章的不同之處在於其依據的是實證資料。研究人員沒有僅僅根據職務敘述估計哪些任務「可能」被自動化，而是分析了 2024 年末到 2025 年期間超過 200,000 次匿名的 Microsoft Copilot（前稱 Bing Chat）互動。

研究團隊將這些真實世界的提示對應到美國政府的 O*NET 工作分類系統，並計算出各職業的「AI 適用性評分」（AI Applicability Score）。該評分量化了一份工作中的核心任務與當前大型語言模型（Large Language Models，LLMs）能力之間的重疊程度──特別是在資訊檢索、摘要、內容創作與複雜數據分析等領域。

結果提供了迄今為止最清晰的「AI 風險地貌」圖景，識別出高教育門檻與高 AI 適用性之間的明顯相關性。

新的脆弱性：金融與法律服務

研究指出，金融與法律領域的職業在「高暴露」類別中佔比過高。這些產業建立在處理大量資訊、詮釋結構化規則與產出精準文本的基礎上──而這些正是生成式AI的原生語言。

法律領域的衝擊

法律專業人士，特別是法律助理與法務助理，其 AI 適用性評分位居高位。這類角色的日常工作流程通常包括：

• 審閱大量案件檔案以擷取相關判例。
• 起草標準合約與法律信函。
• 摘要證詞與法庭文件。

Microsoft 的數據顯示，用戶頻繁使用 Copilot 完成這些任務，常常在幾秒內得到原本需人類數小時才能達成的結果。雖然高層策略與法庭辯護仍然是典型的人類職責，但法律工作中的「繁重基礎作業」正迅速被演算法外包。

財務分析師的兩難

類似地，金融部門正快速將 AI 整合進核心工作流程。財務分析師與個人理財顧問發現，AI 代理人能夠以越來越高的準確度執行複雜的資料綜整與報告產出。

研究指出，像市場趨勢分析、財報摘要與初步投資研究等任務，已被 AI 能力大幅覆蓋。這並不必然意味著財務分析師會消失，而是暗示該角色將從「資料處理者」徹底重構為「策略詮釋者」。

數據分解：高暴露與低暴露職業

最容易受到 AI 影響的工作與最能抵抗的工作之間的差異極為明顯。下表說明了 Microsoft Research 研究的發現，依據 AI 適用性評分對職務進行分類。

Comparison of AI Exposure by Profession

暴露與替代：重要的區別

Microsoft 的研究人員謹慎區分「暴露」與「替代」。高 AI 適用性評分意味著該職務中有相當比例的任務可由 AI 執行或被 AI 大力輔助，但這並不自動等同於工作被取代。

對許多高技能專業人士而言，這種暴露更可能以增強（augmentation）的形式出現，而非完全取代。使用 AI 起草合約的律師不一定會被替代，但預期其生產力會顯著提升，事務所可能因此減少所需的初級員工數量。

然而，「任務位移」的風險是真實存在的。若一名初級分析師 80% 的工作量都在摘要試算表──而這是 AI 現在能立即完成的任務，職涯階梯的入門級職位可能會實質消失。這將產生潛在的「經驗差距」，使初級專業人士難以獲得成為高階專家的必要訓練。

「人性元素」的免疫力

該研究強化了 AI 社群中日益增長的共識：在 21 世紀，最具持久性的技能是那些根本屬於人類的能力。

需要「高接觸」互動、情緒智力與身體適應性的工作，在目前這波生成式AI浪潮中仍大致免疫。涉及直接病人照護的醫療職務（如護理）在適用性評分中位居較低。同樣地，需要在不可預測的物理環境中操作的技術工種（例如電工、配管工）與大型語言模型的能力重疊甚微。

這暗示了勞動市場價值可能出現倒置。隨著認知性任務被廉價的 AI 運算所商品化，對身體靈巧性與情感勞動的溢價可能上升，挑戰數十年來「藍領」與照護導向職業的薪資停滯。

未來展望：適應 AI 時代

Microsoft 的研究影響超越個人職涯選擇，延伸至組織策略與教育政策。

1. 轉型為策略導向的再技能培訓：金融與法律領域的專業人士必須從「內容創作者」轉向「策略審核者」。價值增益將轉向判斷力、倫理與客戶關係管理。
2. 教育改革：目前以資訊記憶與標準化輸出為優化目標的大學，可能需要重新設計課程，強調批判性思維與人際互動技能，因為 AI 正使死記硬背式的資訊檢索過時。
3. 組織重整：公司可能會以少量高階專家搭配 AI 代理人運作，而非維持龐大的初級支持人力金字塔。

隨著生成式AI持續演進，「技能」的定義正在被改寫。Microsoft 的研究是一記重要的警鐘：在 AI 時代，坐在辦公桌後處理資訊已不再是最安全的位置。