AI 到底是否已經開始取代人類的工作？受衝擊最深的會是哪些人（行業別、工作性質、年齡）？它的衝擊會以多快的速度擴散到人類各個社會？很多人都想知道這些問題的答案，國內外的新聞記者也捕風捉影地急於報導，暢銷書作家更以此為題胡亂出書，還有許多中小學教師迫不急待地給學生出「AI 作業」。
連史丹佛大學的教授也在2025年八月發表研究報告（Canaries in the Coal Mine? Six Facts about the Recent
Employment Effects of Artificial Intelligence）指出：根據2021年至2025年各年齡層的就業人口總數和薪資結構的變化，人工智慧對勞動力市場的影響很可能已經開始，尤其是22歲至25歲的軟體工程師和客戶服務人員所受影響最為顯著。
然而我相信真正的第一波災民不會是出現在美國，而是會出現在印度和菲律賓。這篇文章概略說明理由，以及介紹一部相關的深度報導（紀錄片） "Outsourcing Jobs In India and Philippines Are Changing - And Workers Are Feeling It"。
捕風捉影的線索，不敵確鑿的事實
前述史丹佛大學的報告把第一波受害者稱為「媒礦坑裡的金絲雀」，那是因為早期媒礦坑裡往往會發生一氧化碳中毒事件，英國皇家學院院士 John Scott Haldane 在 1890s 建議礦工帶著小動物（金絲雀或小老鼠）進礦坑，一但有無色無味的一氧化碳溢出，它們會因為較快的新陳代謝與對於一氧化碳較低的容忍極限而先昏倒。於是金絲雀變成一氧化碳的第一波受害者與「警示號誌」。
然而這篇報告是分析、拼湊許多間接數據所達成的「推測」，完全沒有任何直接證據。而且，這篇報告的證據與分析遠不如同年發表的兩篇研究報告來得直接、確鑿（其中一篇是 MIT 的 "The GenAI divide: State of AI in business 2025"），所以我最終採信的是後面這兩者（詳見預期在七月份出版的新書《全民版 AI 識讀：原理、應用、幻覺與誤區》的第七章）。
再加上前一篇網誌 ‹AI 的性能還有在提升嗎？› 裡的證據和討論，我是更加堅信 AI 的技術還沒有成熟到能大規模取代人類的地步，甚至於還處於早期的摸索階段。
最近又看了一部深度報導（新加坡公共電視的紀錄片）"Outsourcing Jobs In India and Philippines Are Changing - And Workers Are Feeling It"，又再度強化我的前述信念，並且信心十足地認定：當 AI 海嘯真正衝擊人類社會時，第一波的受害者（金絲雀）將會是印度與菲律賓的代工產業，而不是美國的軟體業或服務業。
AI 海嘯的可靠警訊——真正的「金絲雀」們
不管是各種基準測試，或者 MIT 的研究報告，都顯示最容易被 AI 取代的是低階的軟體程式寫作，以及後端的客服——尤其是其中量大且重複性高的部分。然而美國的大科技公司早就已經將這兩大工作外包給印度和菲律賓。
將公司業務（客服、會計、財務、人資、採購、IT 程式寫作與維護等）外包簡稱 BPO（Business Process Outsourcing），美歐公司的需求佔全球約 56%，印度是全球最大的外包勞動力供應國（約450萬就業人口），菲律賓居其次（約170萬），兩國合起來佔全球海外 BPO 的 62%（數據出處在此）；另一說是印度從事外包產業的勞動人口約567萬，產值高達印度總 GDP 的 7%。
這些外包的業務內容恰恰吻合「量大且重複性高」，因而自動化（被 AI 取代）的效益最鮮明；它們又是最低階而不敏感（容錯性強）的工作，因而即便在 AI 技術尚未高度成熟時就已經做有機會被成功地取代（進入門檻低）。此外，MIT 的報告也印證了：成功地被 AI 取代的案例基本上都高度吻合這兩大特性。基於這些理由，如果 AI 真的已經成熟到可以開始大規模取代人類的程度，印度與菲律賓的這些勞動力將會是 AI 海嘯下最顯著而易見的第一波災民。
初露徵兆的訊息
2025年八月初印度最大的 IT 業務承包公司 TCS（Tata Consultancy Services）宣布要裁減 12,000 個職位，被許多媒體解讀為 IT 海嘯登陸印度的先兆。儘管這個人數貌似驚人，其實它只佔該公司的 2%人力。而且，該公司宣布此舉與 AI 無關，而是公司在因應未來變局的提前準備。
不過，如果你要以最廣義的方式定義「AI」，那麼 67%的電話客服都已經使用語音辨識技術來確認來電者身份與基本資料核對，28%的對話是運用聊天機器人來處理。這些變化當然會影響勞動力市場的人力需求。但是，你可以說因為這些技術而失業的人是「自動化」的受害者，也可以說他們是「AI」的受害者。
事實上，類神經網路數十年前就已經被用來進行一些簡單的自動化（洗衣機的洗潔劑添加量判斷、照相機的光圈與快門自動設定等）；1998年類神經網路成功地被用來辨識手寫文字（英文字母和阿拉伯數字），其目的是為了自動化美國的郵件分類。我在退休前則是協助台灣廠商研發電路板焊件的焊點瑕疵辨識，這些都是類神經網路在自動化的應用。
追根究底，你很難在「自動化」與「AI」之間劃出一道明顯的界線，因此我一直把 AI 和聊天機器人都視為人類過去數百年來工程界「自動化」技術持續性演變過程的最新環節，而不把它看成「從石頭裡蹦出來」（與過去毫無交集、截然不同，斷裂式的革命）的神奇事物。也因為這個緣故，我們很難說清楚哪些人是被「自動化」所取代，哪些人是被「AI」所取代。想要純憑統計數據就去推斷「AI 已經取代Ｘ％人力」是更加不可能——往往會把被自動化所取代的人當作被 AI 取代的人。
在這樣的背景認知下，下圖印度五大 IT 公司員工人數在 2024年的減少可以局部解讀為對於 2023年過度膨脹的修正，2025年的增量甚少可以被解讀為預期 AI 將會逐漸取代部分人力（但屬於對未來的預期，而不必然是 AI 海嘯的前緣已然登陸）。
 |
| 印度五大 IT 公司員工人數年度淨增減，原出處：路透社 |
如果你再仔細聆聽紀錄片 "Outsourcing Jobs In India and Philippines Are Changing - And Workers Are Feeling It" 中的專家證詞，應該就會同意我的綜合判斷：AI 的海嘯甚至都還沒登陸印度，只不過有識者深知其影響對印度而言甚為鉅大，而已經開始提高警覺並預做準備。
至於未來，盯緊印度的相關報導，不只會比聽網路上一大堆 IT 業者的揣測更準確，甚至也有機會比大多數學術界的最新研究更準確（除非它是現場的實際調查，而非根據統計數據進行的間接推估）。
