在 X 平台上，一篇由「Simplifying AI」帳號分享的貼文迅速引起討論，內容直指一篇剛發表的新經濟論文《The AI Layoff Trap》（AI 裁員陷阱）。
這篇論文以嚴謹的數學模型分析，指出企業大量以人工智慧取代人力雖然能短期降低成本，但可能引發「需求外部性」的連鎖效應，最終讓裁員的公司自身也陷入困境，甚至拖累整體經濟，這則訊息不僅在全球科技圈掀起熱議，也讓人反思：在人工智慧快速普及的時代，企業決策的理性選擇，是否正在無意間挖出自己的墳墓？
論文作者是賓州大學的 Brett Hemenway Falk 與波士頓大學的 Gerry Tsoukalas，於 2026 年 3 月發表在 arXiv 上，他們建立了一個「任務導向宏觀模型」（task-based macro model），模擬企業在競爭環境中如何決定自動化程度。
模型假設每個企業有固定數量的任務需要完成，人力成本為 w，AI 執行成本較低為 c（節省額 s = w - c），但導入 AI 需面對整合摩擦成本（convex cost）。
關鍵在於「需求外部性」：當員工被裁員後，他們的消費能力下降（假設勞工的邊際消費傾向高於資本擁有者），導致整體市場需求減少 D，而這減少的需求會平均分散到所有競爭企業身上。
簡單來說，每家企業在裁員時，能獨自拿走 100% 的成本節省，但只承擔一小部分（1/N，N 為企業數量）的需求損失，其餘則由競爭對手吸收。
這就像一場囚徒困境：個別 CEO 為了在市場上保持競爭力，理性選擇加速自動化，但當大家都這麼做時，整體購買力崩潰，產品賣不出去，最終企業利潤和員工薪資都比「合作不過度自動化」的情況還低。
論文用數學證明，Nash 均衡下的自動化率 α_NE 高於社會最適的合作均衡 α_CO，兩者之間的「楔子」（wedge）隨競爭越激烈（N 越大）或 AI 越先進而擴大，即使企業完全預見到長期風險，市場競爭也逼迫他們無法停手。
論文進一步測試了各種常見的「科技烏托邦」解決方案，結果令人失望：
- 全民基本收入（UBI）：只能增加自主需求，但不影響自動化的邊際激勵。
- 員工再訓練（upskilling）：能提高再就業率 η，稍微縮小外部性，但無法完全消除楔子。
- 員工持股（worker equity）：分享利潤可減輕部分需求損失，但除非持股比例高到不切實際，否則仍無法改變均衡。
- 資本所得稅：僅作用於利潤總額，不影響每項任務的自動化決策。
唯一能真正修正外部性的政策，是直接課徵「Pigouvian 自動化稅」（Pigouvian automation tax），稅率設為未內部化的需求損失部分（τ = ℓ(1 - 1/N)），讓企業承擔完整社會成本，稅收還可回饋用於再訓練，逐步縮小外部性，讓自動化回歸最適水準。
這篇論文的模型雖然是理論性的（單一部門、靜態假設），但它把焦點從「勞工 vs. 資本」的傳統爭論，拉回到產品市場的系統性連結：失業的勞工同時也是消費者，需求崩壞最終會反噬企業本身。
現實中，2025 年美國科技業已出現超過 10 萬人因 AI 相關因素裁員，許多公司公開以 AI 為由縮減人力，卻忽略了長期消費力的侵蝕。
從更廣的視角來看，這不只是企業內部的成本計算問題，而是整個經濟系統的回饋循環，短期內，自動化確實能提升效率、壓低價格；但二階效應是整體需求萎縮，可能導致更多裁員、企業倒閉，甚至放大經濟波動，特別在全球供應鏈緊密連結的今天，任何地區的消費力下滑，都可能透過貿易傳導到其他經濟體。
對台灣而言，這篇論文的啟示格外值得重視，台灣是全球半導體與科技硬體重鎮，許多企業正積極導入 AI 提升製造與服務效率，從晶圓代工到軟體開發，都在加速自動化，然而，台灣經濟高度依賴出口，內需消費相對脆弱，如果全球主要市場因類似「AI 裁員陷阱」而出現需求下滑，台灣的出口訂單和就業市場都會直接受衝擊。
更重要的是，台灣中小企業眾多，勞動市場彈性高但再就業機制仍待強化，一旦大量中階職位被 AI 取代，消費力下降可能放大本土經濟的脆弱性，政府與企業若能及早思考如何在鼓勵創新的同時，設計出符合本地情境的激勵機制（如針對性稅制或轉型補助），或許能避免重蹈模型中的困境。
總結來說，這篇《AI 裁員陷阱》論文提供了一個清晰的框架，讓我們看清人工智慧時代的雙面刃，企業追求競爭優勢無可厚非，但忽略需求外部性，就可能走入集體自毀的死胡同，未來展望中，政策制定者、企業領袖與勞動者都需要超越短期思維，共同探索如何讓自動化真正帶來普惠成長，而非零和遊戲，台灣作為科技前沿經濟體，更應主動參與這場全球討論，確保在 AI 浪潮中，不僅守住競爭力，也守住社會經濟的穩定基礎。
