2036 ── 2036年的AI與社會：不是大規模失業，而是辦公室中產階級萎縮與分配政治

*Intelligence Synthesis / 撰寫於 2026-10-10 / 展望年份 2036*

1. 論點

2036 年，美國仍不會因 AI 而出現大規模失業：失業率將維持在一般區間內，總就業人數也會高於 2026 年。但由第三次工業革命所造就的大學學歷辦公室中產階級，規模將變小、年齡偏高，也更難進入；多數辦公室工作將是指揮並檢查 AI 系統；淨就業成長則主要來自醫療保健、照護工作、技術性行業與面對面服務業。如同第一次工業革命的「恩格斯停滯期」，對多數勞工而言，產出的成長將快於薪資的成長，政治議題將圍繞在誰擁有 AI 資本、誰負擔其電力成本，以及成果如何分享。

2. 2036 年的社會

本節的所有內容都是根據第 3 節的證據與第 4 節的歷史所作的推論（inference）。關鍵要點的機率列於第 5 節。

社會結構

• 壓力最大的族群，是大約在 2024 年至 2034 年間進入或試圖進入辦公室職場的人：以資訊、金融、軟體、法務支援、行銷與後勤事務為目標的畢業生。到了 2036 年，他們已是二十代後半到約四十歲。由於初階辦公室職缺稀少，在同一年齡時，他們的收入比早十年畢業的人還低。許多人已轉往醫療照護、教育、技職、業務或公共服務領域。
• 維持原有地位或有所獲益的族群，包括擁有執照、客戶關係與法律責任的中後期職涯專業人士（醫師、負責簽署的律師、工程師、管理者）；使用 AI 的企業所有者；以及少數擁有模型、晶片與資料中心的企業股東。勞動所得占國民所得的比重低於 2026 年（預測 1）。
• 年輕勞工的大學薪資溢價低於 2026 年（預測 2）。學位平均而言仍有回報，但可靠度降低，證照與學徒制的分量更重。
• 就各地區而言，設有資料中心的郡可獲得稅收以及建設和維運工作機會，但也面臨電價、用水和土地方面的爭議 [C05]。大城市市中心的辦公空間需求較低。擁有醫院、大學、物流樞紐和電網工程的區域中心則相對表現良好。
• 在家庭方面，職涯起步緩慢的年輕成年人與父母同住的時間更長（預測 8）。隨著嬰兒潮世代進入七十多歲與八十多歲，家庭在長者照護上投入的時間與金錢也更多。

就業與工作

• 失業率處於其一般區間內（預測 3），總就業人數高於 2026 年。
• 資訊與金融業的就業人數低於 2026 年（預測 4）。在留存下來的辦公室職務中，典型的一天包括：指派任務給 AI 代理、檢查其產出、處理例外狀況、與客戶和同事溝通，以及為成果承擔法律責任。很少有人從零開始撰寫報告、程式碼或分析。
• 醫療保健與社會救助在就業中所占比重更大（預測 5）。護理、居家照護、治療、資料中心與電網的電力工程、設備的安裝與維修，以及面對面服務都會成長。這些工作會使用 AI 處理紀錄、排程與輔助診斷，但現場有人在場仍是工作的核心。
• 由於人力短缺，許多地區照護與技術性工種的薪資漲幅高於平均。辦公室生產力提升所帶來的收益，大部分流向利潤而非薪資（推論）。
• 全職工作者的平均工時並未大幅下降。部分企業與工會合約中存在每週四天工作制，但並非普遍規則（推論）。
• 職涯以新的方式起步。更多人從學徒制、有薪實習和證照開始，雇主更看重實際展現的工作成果而非學位。中年轉職更為普遍，公共與雇主提供的再培訓規模也比 2026 年更大，但許多再培訓後的工作者收入比以前少（推論）。

態度與價值觀

• 信任：多數成年人每週都使用 AI，卻不信任 AI 公司（預測 6）。信任會流向會查核 AI 產出的特定人物與機構：醫師、教師、地方新聞機構、法院。標示內容是否經人工查核的標籤被廣泛使用。
• 工作的意義：對上班族而言，自豪感從「做出成品」轉向「做出判斷並承擔責任」。許多人表示工作的成就感下降。照護與技職等需要現場親身投入的工作，社會地位有所提升，但仍不及專業人士的水準。
• 政治：AI 已成為選舉中的常態議題（預測 7）：包括對轉職的支持、電費、資料中心選址、對 AI 獲利課稅，以及兒童保護。分歧並非單純的左派對右派，而是存在於擁有或與 AI 資本密切合作者，與承擔其成本者之間。

日常生活

• 家庭：家戶電費上漲速度快於整體物價（預測 10）。AI 助理管理行程、帳單、表格與預約。
• 學習：多數中學生每週都使用 AI 家教（預測 9）。學校將計分作業移到課堂中進行，並更常採用口試與面對面考試。教師花更多時間在監督、討論與個別支持上。
• 照護：AI 用於監測獨居長者、提醒服藥並保存紀錄。仍需要人類照護人員，而人力短缺是主要限制。
• 人際關係：許多人，尤其是獨居者，會定期與 AI 夥伴交談。關於對兒童與孤立者影響的爭議，促使數個州制定年齡規範與設計規範（推論）。
• 時間運用：AI 在工作中節省下來的時間，大多並未轉為休閒時間。在家中，處理文書所節省的部分時間，則花在檢查 AI 的產出與管理帳號上（參見第4節的 Cowan）。

3. 目前正在發生的事

• 辦公室職位正在減少，而總就業人數卻持續成長。 2026 年 9 月,資訊業就業人數為 2,739,000 人,較去年同期減少 120,000 人;電腦系統設計業為 2,355,400 人(減少 32,200 人),金融活動業為 9,082,000 人(減少 107,000 人)。同時,非農業就業總人數為 159,044,000 人(增加 496,000 人),專業與商業服務業增加 123,000 人,失業率為 4.2%(下降 0.2 個百分點),U-6 失業率為 7.6%(下降 0.5 個百分點)(BLS)。
• 總裁員人數並未上升。 2026 年 8 月的裁員與解僱人數為 1,641,000,較一年前少 191,000;職缺數為 7,079,000,增加 160,000(JOLTS)。壓力似乎是透過減少招聘而非增加解僱來發揮作用(推論)。
• 歸因於 AI 的裁員人數有所增加，但並不均衡。本站統計的數字從 2025 年第一季的 7,800 上升至 2026 年第二季的 107,900(17 件),隨後在 2026 年第三季降至 17,183(10 件)。2026 年第一至第三季合計 193,154,已超過 2025 年全年的 124,543。與每月約 160 萬人的總裁員規模相比,仍然很小。
• AI 的用電與環境問題相互關聯。 在 AI 新聞中,「電力與資料中心」與「環境與資源」的 12 個月相關係數為 0.8。相關報導指出,到 2030 年美國電力需求可能增加 32%,電網跟進速度緩慢,地方社區對電力、用水與冷卻問題感到擔憂,且一項調查顯示約 70% 的 AI 使用者擔心電力需求上升 [C05]。環境議題的報導占比從 0.32% 升至 0.88%,電力與資料中心的占比則從 1.08% 升至 1.40%。
• 關注焦點正從採用轉向風險與規則。 在 12 個月間,「安全與事件」占 AI 報導的比例從 6.80% 升至 11.32%,「監管與法律」從 5.04% 升至 7.52%。「企業採用」從 19.00% 降至 15.92%,但仍是最大的主題。「個人生活與人際關係」維持在約 10-12% 的高點,而「工作與就業」在最近一個月為 2.48%,低於 4.04% 的高峰。

4. 歷史給我們的啟示

第一次工業革命（約 1760-1840 年，英國：紡織、蒸汽、工廠）

• 工資與工作：羅伯特·艾倫(Robert Allen,2009年,〈恩格斯停滯〉,《經濟史探索》〔Explorations in Economic History〕)指出,在英國,大約從1790年代到1830年代,每位工人的產出成長遠快於實質工資,收入中的利潤占比也上升;實質工資直到約1840年之後才明顯上升。手工織布工人是人數眾多的技術工人群體,隨著動力織布機普及,他們的收入在數十年間不斷減少(E. P. 湯普森,《英國工人階級的形成》〔The Making of the English Working Class〕,1963年)。1811至1816年的盧德派搗毀機器行動,是技能與薪資受到威脅的紡織工人所發起的抗議。
• 日常生活： 工作從家庭與小型工坊轉移到有固定工時與時鐘紀律的工廠(E. P. Thompson,〈時間、工作紀律與工業資本主義〉,1967)。人們遷入城鎮;到 1851 年人口普查時,英格蘭與威爾斯超過一半的人口居住在都市地區。
• 機構： 1802 年與 1819 年的《工廠法》限制棉紡廠使用童工,但 1833 年的法案是第一部真正有效的,因為它設立了工廠督察制度。主要的社會保護是《濟貧法》救濟,包括院外救濟,而 1834 年的《濟貧法修正案》使其更為嚴格。直到 1911 年的《國民保險法》,才有失業保險。
• 多久： 從早期機械化到薪資普遍成長,大約歷時五十年,制度則是在之後數十年間逐步建立。
• AI 也類似： 收益首先流向資本所有者,而特定的技術工群體則失去收入與地位(當時是手搖織布工,如今是初階辦公室員工)。
• AI 的不同之處： AI 的擴散以年計而非以數十年計；它影響的是受過教育的勞工所從事的認知任務，而非手工技藝；被取代的勞工從一開始就有失業保險與其他保障；而資本掌握在少數非常大型的企業手中，而非眾多小型工廠主人手中。

第二次工業革命（約 1870-1914 年：電力、化學、鋼鐵、大量生產）

• 生產力： Paul David（1990，〈The Dynamo and the Computer〉，American Economic Review）指出，電力自 1880 年代初期的首批集中式發電廠起便已可用，但美國製造業直到 1920 年代，在工廠圍繞個別電動馬達重新設計之後，才出現大幅的生產力提升。這段延遲約四十年，且需要新的建築、配置與管理方式。
• 工作: 大量生產普及開來。福特於 1913 年引進移動式裝配線,並於 1914 年推出日薪五美元制度,部分原因是為了降低極高的工人流動率(Raff 與 Summers,1987)。大型企業創造了許多文書與管理職位,文書工作成為女性進入有薪工作的主要途徑(Claudia Goldin,《理解性別差距》,1990)。
• 教育與不平等：在 Goldin 與 Katz(《教育與科技之間的競賽》,2008)的分析中,科技提高了對受過教育勞工的需求,單就這一點而言會擴大薪資溢價。但中學運動(約 1910-1940 年)使受過教育勞工的供給成長速度快於需求,因此薪資溢價在二十世紀上半葉縮小。
• 日常生活： 電力、自來水與家電在數十年間改變了家庭生活(Robert Gordon,《美國成長的興衰》,2016)。Ruth Schwartz Cowan(《母親的更多工作》,1983)指出,家務科技並未如預期般大幅減少女性的家務時間,因為標準也隨之提高。
• 機構： 美國每週 40 小時工時制是數十年後隨著 1938 年的《公平勞動標準法》才出現。
• AI 也類似： 回報要等到組織重新設計之後才會出現;Brynjolfsson、Rock 與 Syverson(2021)將通用技術的這種延遲描述為生產力的「J 曲線」。薪資則取決於技能供給如何回應。
• AI 的不同之處： AI 以軟體形式透過既有網路與裝置到來，因此普及速度比興建發電廠與電網更快，不過資料中心仍須等待電網[C05]。最大的差異在於，當年縮小差距的因應之道——增加受教育年數——如今較不可能奏效，因為 AI 執行的正是學校過去訓練人們從事的那些工作（推論）。

第三次工業革命（1970 年代起：電腦、網際網路）

• 生產力：羅伯特·梭羅(Robert Solow)在1987年寫道:「電腦時代無處不在,唯獨在生產力統計數據中看不到。」美國的生產力成長在1990年代中期至2000年代中期上升,距離電腦開始普及已超過二十年。
• 工作: Autor、Levy 與 Murnane（2003）指出，電腦會取代例行性任務，並輔助非例行性的分析與人際任務。Autor 與 Dorn（2013）以及 Goos 與 Manning（2007）記錄了工作兩極化現象：高薪與低薪服務業工作成長，而文書與生產等中間層工作則減少。大學薪資溢價自 1980 年起上升（Goldin 與 Katz，2008）。
• 資本： Karabarbounis 與 Neiman(2014)指出,自 1980 年代初以來,許多國家的勞動所得份額下降,這與投資財價格下跌有關。
• 日常生活： 個人電腦、網際網路與智慧型手機在約三十年間改變了溝通、購物與居家工作的方式。
• AI 也類似： 最先被自動化的是任務,而非整個職業,而且職業的組成變化比總就業人數的變化更大。
• AI 的不同之處： AI 觸及電腦原本所輔助的非例行認知任務，因此第三次工業革命的贏家如今成了受衝擊的群體。它透過雲端與既有裝置擴散得更快。其資本（模型、晶片、資料中心）高度集中，且需要大量電力[C05]。

這對 2036 年意味著什麼

在三次革命中，最初的十到二十年，變化集中在誰做哪些工作，以及分配上的衝突；廣泛的薪資成長出現得較晚，制度則又晚了數十年才跟上。由於 2036 年大約是企業導入這一波浪潮後的第十年，社會屆時仍處於轉型初期（推論）：職務組成的變化清楚可見，生產力提升已經開始，薪資成長並不均衡，制度仍在討論之中。這個類比在三個地方不成立：變化在時間上被壓縮；衝擊的是受過教育的人；社會保障已經存在。結果是貧困程度不如手工織布工那樣嚴重，但來自一群聲量大、受過教育的族群的政治壓力更強（推論）。

5. 預測

• [社會結構] 勞動報酬占比下降。美國勞工統計局(BLS)公布的非農業企業部門勞動份額(年平均),2036 年比 2026 年至少低 1 個百分點。機率 60%。 推論：「投資與資本」在報導中的占比從 6.28% 升至 8.32%，收益流向擁有模型、晶片與資料中心的企業；這與 Allen（2009）所述利潤占比上升，以及 Karabarbounis 與 Neiman（2014）所述勞動占比下降相符。查核：BLS 生產力與成本之勞動占比，2026 年對比 2036 年。
• [社會結構] 年輕畢業生薪資溢價縮小。在 25 至 34 歲的全職全年工作者中,2036 年大學學歷者與高中畢業者的收入中位數比值小於 2026 年。機率 60%。 推論：資訊與金融業的入門職位正在減少（第 3 節）。在 Goldin 與 Katz（2008）的研究中，薪資溢價縮小是因為供給超過需求；這次則是需求本身下降（推論）。查核：美國人口普查局 CPS 年度社會與經濟補充調查。
• [就業] 失業率維持在正常區間。2036 年的年平均失業率介於 3.5% 與 6.0% 之間。機率 75%。 推論：失業率目前為 4.2%，非農就業人數一年內增加 496,000；與每月約 160 萬的裁員相比，歸因於 AI 的裁員規模很小；三次革命都沒有造成長期的大規模失業，但每一次都改變了工作的組成。主要風險是 2036 年本身出現經濟衰退。查核：BLS LNS14000000 年度平均值。
• [就業] 資訊業就業人數下降。 資訊業就業人數(年平均)在 2036 年低於 2,550,000,相較之下 2026 年 9 月為 2,739,000。 機率 65%。 推論：一年內減少 120,000 個，電腦系統設計業也在下滑；如同第三次工業革命，自動化最先衝擊由可自動化任務組成比例最高的產業。查核：BLS CES5000000001。
• [就業] 醫療保健與社會救助業的占比上升。 其占非農業就業人數的比重,在 2036 年比 2026 年至少高出 1.5 個百分點。 機率 70%。理由：人口高齡化，以及面對面的工作難以自動化；低薪的面對面服務業工作在第三次工業革命中成長（Autor and Dorn, 2013）。查核：BLS CES6562000001 除以 CES0000000001。
• [態度] 人們使用 AI,卻不信任其開發者。 一項 2036 年的全國調查（例如皮尤研究中心或蓋洛普）發現，超過 60% 的美國成年人每週至少使用一次 AI，而相信 AI 公司會負責任行事的不到 40%。 機率 60%。 理由：「安全與事件」占報導量的比例從6.80%升至11.32%，「信任與民意」從3.92%升至5.44%；約70%的AI使用者擔心電力需求 [C05]。查核：全國性調查中的相關問題。
• [態度與政治] AI 成為選舉議題。 在 2036 年總統大選中,兩大黨的全國黨綱都包含針對 AI 與就業(轉型支援、訓練或收入)以及資料中心電力成本的具體政策。機率 65%。理由：「法規與法律」的報導量正在上升，而且對權力的疑慮是在地且具體的 [C05]；在第一次工業革命中，分配衝突促成了《工廠法》與濟貧法改革，在第二次工業革命中則促成了美國進步時代的改革。查核：2036 年兩黨政綱的文本。
• [日常生活:家庭] 更多年輕成年人與父母同住。2036 年，25 至 34 歲族群與父母同住的比例高於 2026 年。機率 55%。理由：首份工作延後、收入較低的一個世代（預測 2 與 4）。住房成本與結婚時機也有影響，因此機率不高。查核：美國人口普查局 CPS 家庭表 AD-1。
• [日常生活:學習] 以 AI 學習成為日常。 一項全國調查發現，超過 70% 的美國高中生每週至少使用一次 AI 做學校功課。 機率 75%。 理由：「教育與技能」一直維持在報導量的約6-8%的高位；與網際網路一樣，AI是透過家庭和學校原本就有的裝置來使用。查核：皮尤研究中心（Pew Research Center）、蘭德公司（RAND）或美國國家教育統計中心（NCES）的調查。
• [日常生活:家庭預算] 電費漲幅超過物價。2026 年至 2036 年間,美國住宅平均電價(EIA)的漲幅大於 CPI-U。機率 65%。 理由：到2030年需求可能成長32%，而電網進展緩慢 [C05]；環境以及電力與資料中心的報導量正在上升；電網成本透過電價轉嫁給家庭（推論）。查核：美國能源資訊署（EIA）《電力月報》（Electric Power Monthly）的住宅平均電價，以及BLS的CPI-U。

6. 情境

• 基本情境：緩慢的結構調整（60%）。第 2 節所描述的社會。失業率維持在慣常範圍內，辦公室中產階層縮減，醫療保健、照護與技職行業成長。生產力提升，但薪資成長並不均勻，分配問題與電費帳單成為政治的核心。
• 替代情境 1：快速取代（25%）。 AI 代理在 2030 年代初期接手大量辦公室工作。資訊業、金融業與專業及商業服務業一同衰退，失業率在 2030-2033 年前後長期維持在 6% 以上。年輕畢業生的失業率偏高，隨後出現強力的政策因應：對 AI 利潤課稅、薪資保險、公共就業。即使到 2036 年失業率再度下降，勞動所得占比的跌幅仍遠大於基準情境。
• 替代情境 2：緩慢變化（15%）。 電力限制、成本、監管與法律責任減緩了導入速度。辦公室就業大致持平，AI 主要作為工具使用。到 2036 年，社會變化類似 1980 年代的電腦：看得見但有限。

7. 值得關注的指標

目前數值於每次建置頁面時，根據本站資料（BLS 每日擷取）更新。

8. 什麼會改變這個看法

• 如果到 2029 年失業率超過 6%、職缺數（JOLTS）降至 500 萬以下，且資訊業、金融業以及專業與商業服務業在同一年全都出現就業減少，我會大幅調高替代情境 1 的機率。
• 若資訊業就業人數回升至超過 2,850,000，且歸因於 AI 的裁員人數連續兩年每年維持在 20,000 以下，我就會認定自己高估了 AI 對就業的影響，並上調替代方案 2。
• 如果到 2030 年，AI 密集型辦公室職業的薪資上漲速度快於平均，且勞動所得占比上升，我會修正分配論點：2030 年代將更像第二次工業革命後期那種薪資普遍上漲的時期，而非恩格斯停滯期。