核心概念

AI 浪潮下，大眾普遍預期工作機會將大規模消失，但實際數據指向相反方向：科技業軟體工程師職缺持續創新高。這個反直覺現象，可用 19 世紀的 Jevons Paradox 解釋。

Jevons Paradox

1865 年，英國經濟學家 William Jevons 觀察到蒸汽機效率提升後，煤炭消耗量反而增加。邏輯鏈：效率提升 → 使用成本下降 → 更多人用得起 → 總需求爆增。效率的提升不讓資源用得更少，而是讓整個市場變得更大。現代驗證：UC Davis 2025 年研究顯示，道路擴寬 10%，長期車流量增加 8–10%。

AI 版本的 Induced Demand

把「蒸汽機」換成「AI」，把「煤炭」換成「人力需求」：

  • AI 壓低每個 task 的完成成本
  • 原本不划算做的事，突然值得做了
  • 公司開始執行更多事情
  • 需要更多人來判斷、管理與交付

TrueUp 2026 年 4 月報告：科技公司軟體工程師職缺超過 67,000 個，為三年來最高，2026 年開放職缺數量跳升 30%，AI 相關職缺用創辦人 Amit Taylor 的話形容：「exploding」。

Gartner 預測：至 2030 年，AI inference 成本下降逾 90%，但企業 AI 總支出反而上升，因為便宜後大量原本不可行的 use case 開始變得划算。IEA 數據呼應：全球資料中心用電量預計至 2030 年翻倍至 945 TWh，AI 效率持續提升，但總消耗同步爆增。

OECD 三股力量框架

AI 對就業市場同時存在三股拉力：

力量 說明 現況位置
Displacement（取代效應） AI 自動化特定 task，直接減少人力需求 當前市場恐慌感知的主要來源
Productivity（生產力效應） 產出增加 → 成本下降 → 需求擴張 → 公司招更多人 Jevons Paradox 作用的階段
Reinstatement（新任務效應） AI 創造全新工作類別（Prompt Engineer、AI 系統架構師等） 長期持續演化

三股力量同時作用，問題的核心不是哪一個會贏，而是在特定產業與角色中，哪股力量的影響更強。

關鍵要點

  • 招聘數據已分類：2025 年美國完整招聘數據研究顯示，容易被自動化的職位招聘量下降 17%，「augmentation-prone」（適合被 AI 增強）的職位招聘量上升 22%
  • BIS 歐洲研究：導入 AI 的公司，勞動生產力平均提升 4%，短期內對整體就業人數無負面影響，且員工薪資更高
  • Sequoia 分析：AI 正從「賣工具」轉向「賣成果」——企業每花 1 元買軟體，就花 6 元買服務。保險經紀 $140–200B、會計審計 $50–80B、IT 管理服務 $100B+ 都是 AI 正在創造需求的市場
  • 會計師案例：美國過去五年少了 34 萬個會計師，75% CPA 即將退休，AI + 人的組合讓每個會計師能處理更大的工作量，打開了整個市場的總需求
  • 核心問題不是「取不取代」：而是「你的工作核心是 AI 要替換的，還是 AI 會放大的」。工作核心為 judgment（決定做什麼、怎麼做、做到什麼程度）的角色，稀缺性因 AI 而提升；工作核心為「按規則執行 intelligence work」（填表、翻譯規格、跑報表）的角色，確實面臨 -17% 的壓力

實務應用

歷史模式的重複：蒸汽機沒消滅工廠工人（觸發工業革命）、ATM 普及後美國銀行櫃員人數反而增加、Excel 沒消滅會計師而是讓更多公司請得起會計師。生產力工具革命的固定模式：成本下降 → 需求擴張 → 市場總量變大 → 工作整體增加。

個人定位策略：尋找「AI 放大 output 而非取代你」的角色定位。越偏向 judgment、orchestration、AI-assisted output 的工作，稀缺性越高。TrueUp 創辦人的描述：「Maybe AI makes great engineers so leveraged that companies fight even harder over them.」——+22% 的招聘成長就是這句話的數據版本。

相關頁面：LLM主流地位與替代路徑、AI 輔助後端工程師技能地圖

延伸觀點

分配不均才是真正的問題（arXiv 2025 實證研究 + Windfall Trust 整合分析雙重驗證）：Jevons Paradox 的樂觀論述關注的是「總量不減反增」，但更重要的問題是分配。Augmentation AI（增強型 AI）對高技能職業產生正向效應——新工作增加、薪資上升；Automation AI（自動化型 AI）則對低技能職業產生負向效應——新工作減少、就業下降。AI 不是一台均勻分配紅利的機器，而是一台放大技能差距的加速器。

時間差是真實的痛點（Substack / George Hoyem）：歷史上每次技術革命，工作損失往往是尖銳且集中的（某個職業、某個地區迅速崩潰），而 Jevons 式的新工作創造則展開緩慢且分布不均。「真正的痛苦存在於這個間隙中」——這是 Jevons Paradox 樂觀論述最常被忽略的警語。總量最終可能增加，但轉型期間的結構性失業是真實的。

實證研究的空白（Windfall Trust 整合分析）：截至 2025 年，學術文獻中 Jevons / induced demand 機制的實證驗證仍是空白。美國企業中只有 9.7% 實際使用 AI（資訊業 25%、餐飲業 2.5%），在整體採用率突破門檻之前，宏觀就業效應仍受限。這意味著目前對 Jevons Paradox 的引用，更多是理論框架而非確立的規律——值得追蹤，但不宜過早斷言。

反向連結

以下頁面引用了本頁：