如果說人工智慧可能影響泰國數百萬名勞工，人們很容易聯想到軟體大規模取代人力。但最新資料顯示，這場轉變其實更複雜。
泰國國家經濟與社會發展委員會（NESDC）把生成式AI的曝險框架套用到2025年第4季勞動力調查資料。估計約有870萬名勞工，也就是泰國勞動力的21.8%，從事可能受到生成式AI影響的職業。
這個數字內部有一個很重要的差別。約220萬人，占勞動力5.4%，屬於任務替代群體。規模更大的650萬人，占16.3%，則屬於任務增強群體，AI更可能提高生產力，而工作的核心職責仍然依賴人的能力。
因此，更值得問的並不只是「AI會搶走多少工作」，而是AI會改變工作的哪些部分，以及當某些任務變得更便宜、更快速之後，人的價值會移到哪裡。
接觸AI不等於工作一定消失
一個職位通常由很多不同任務組成。有些能自動化，有些能加速，但也有很多仍高度依賴溝通、談判、判斷與責任。
NESDC把影響大致分成兩類。Task Replacement指AI可以替代部分或全部結構化、重複性任務的工作，估計涉及約220萬人，包括部分行政、會計與程式設計工作。
更大的Task Augmentation群體約有650萬人。在這些職業裡，AI可以處理部分步驟或更有效率地處理資訊，但重要職責仍然需要人來完成。
區域資料也指向類似方向。International Labour Organization估計，2025年ASEAN有22.9%的就業落在生成式AI曝險程度高於最低門檻的職業，只有3.3%屬於最高曝險類別。截至2026年7月，ILO表示仍只有有限證據顯示生成式AI造成廣泛的勞動市場擾動。
這並不代表風險不存在，而是說「工作正在改變」和「職位正在消失」不能視為同一件事。
AI通常先改變任務，再碰到整個職位
一名財務人員可能要收集資料、製作表格、檢查異常、向管理層解釋結果，並為建議負責。行銷人員可能要研究客戶、撰寫內容、評估活動、與客戶溝通，以及決定預算如何配置。
AI可以在其中一些環節變得非常快速，但不代表職位裡其他部分的價值也會一起消失。如果AI幾分鐘就能產出初稿，「做出第一版」的價值可能下降。但判斷哪些資料可信、哪裡不合理、結論是否風險過高，以及下一步該怎麼決策，反而可能更重要。
所以，只看一個職業對AI的曝險程度容易過度簡化。高曝險職業裡，可能同時存在容易自動化的任務，也有AI能提升生產力的任務，也就是用相同資源產出更多有效成果。
任務變便宜之後，企業不只有裁員一個選項
假設軟體把一小時的工作縮短到十五分鐘，這項任務的成本下降了，但企業下一步怎麼做並沒有唯一答案。
企業可以減少人力，也可以保留原團隊、增加產出、服務更多客戶、更快測試產品，或把員工轉到更需要判斷的工作。如果每位員工的產出提高，而且市場能吸收新增產出，AI可能支持企業擴張，而不是立刻壓縮就業。
相反的情況也可能發生。如果需求沒有成長，而自動化之後也沒有多少高價值工作留下，企業減少職位的誘因就會更強。就業結果因此取決於技術、商業模式、市場需求，以及勞工能否轉向AI仍不擅長的任務。
不存在「生產力提高20%，就一定減少20%員工」這種簡單公式。
更有價值的工作，可能是需要判斷的工作
當工具越來越擅長結構化產出，稀缺能力可能不再是快速生成文字或完成計算，而是理解情境、提出正確問題，並為結果負責。
OECD指出，AI的導入正在提高很多工作的技能門檻。製造業和金融業的調查中，超過一半雇主表示導入AI後，對高學歷勞工的需求增加。同時，OECD估計，需要模型開發或AI程式設計等高階AI專業技能的勞工不到1%。
對大多數人而言，更重要的是一組更廣泛的能力，包括使用、分析與解讀資料，以及解決問題、創意、管理和其他人類技能。
如果AI讓「第一個答案」變得更便宜，勞工可能更能透過定義正確問題、核查答案、把答案放進商業情境，並在資訊不完整時做決策來創造價值。
更接近的風險，可能是職涯階梯的第一階
勞動市場的調整不一定以大規模裁員出現，也可能表現在企業減少招聘新人。
很多入門職位過去會做資訊收集、文件初稿、檔案檢查、基礎分析和結構化問題處理。這些工作同時也是年輕勞工累積經驗、逐步進入更需要判斷能力職位的重要訓練。
Stanford Digital Economy Lab的美國資料可以視為警訊，但不能直接證明泰國已經出現相同情況。截至2026年6月，AI曝險程度較高職業中的22 – 25歲勞工，其就業水準比「若其就業和同齡低曝險職業勞工保持同樣成長速度」所對應的水準低約19%。變化主要來自新招聘減少，而不是離職增加。
Stanford也明確指出，這些是描述性的模式，不是AI造成結果的因果估計。但問題仍值得關注：如果AI承接越來越多初級任務，年輕人要從哪裡累積進入高階職位所需的經驗？
並不是每個人都需要成為AI工程師
面對AI，起點不應該是假設所有人都要去學機器學習或模型開發。
對很多職業來說，優勢可能來自更深入理解自己的專業，用AI減少重複工作的時間，同時強化依賴專業知識、核查與判斷的部分。會計人員可以用AI整理資訊，但仍要驗證結果並解釋其意義。行銷人員可以用AI產生不同方案，但仍需要理解客戶、預算、品牌與商業目標。
對企業而言，買了AI工具也不會自動帶來生產力。如果資料品質差、流程設計不清楚、驗證不足，企業可能只是更快地產生更多錯誤。
真正的經濟機會，在於重新設計工作，讓人和AI各自承擔更有優勢的部分，並把生產力提升轉化成更有價值的產品和服務。
接下來要看什麼
第一個訊號是泰國入門級職位的招聘，尤其是辦公支援、金融、會計、行銷、科技和基礎分析職位。如果初級職缺下降得比整體就業更快，可能代表企業正在重新設計職涯階梯。
第二個訊號是招聘資訊中的技能要求。重點不只是有沒有出現AI這個詞，而是企業是否越來越需要分析、核查、溝通、專案管理和產業專業知識。
第三個訊號是AI增強型工作與容易自動化工作之間的薪資和就業差異。如果兩個群體開始明顯分化，就能比企業買了多少AI工具更直接地看出AI對勞動市場的影響。
最後一個訊號是企業在upskilling與reskilling上的投入，以及中小企業是否真的能有效採用AI。如果生產力提升主要集中在大型企業，不同規模企業之間的效率和薪資差距可能進一步擴大。
AI確實可能降低某些任務的價值，但這不代表人類工作的價值也會以同樣速度下降。越來越重要的問題是：當AI接手工作中的一層任務之後，剩下的人類工作是什麼，以及勞工與企業能否足夠快地轉向新的價值來源。
