盧德派砸毀的不是機器。
如今 65% 的上班族所懷念的，其實也是同一件事
前言
各位讀者，去年五月亞利桑那大學的畢業典禮上，出現了一個尷尬的場面。站在講台上的是前 Google CEO 艾瑞克・史密特（Eric Schmidt），主題是 AI，但學生們卻向他投去了喝倒彩。不是一次，而是好幾次。史密特最後這樣說：「我知道你們現在的感受，我全都聽到了。」
史密特有一個用了很久的比喻：如果有人邀請你上火箭，不要問是哪個座位，直接上就好。這句話因 2001 年他給雪莉・桑德伯格（Sheryl Sandberg）的建議而廣為人知，但在 2026 年的畢業典禮上，這句話卻不再奏效了。
先說結論。1811 年的織工也好，2026 年的畢業生也好，都不是因為討厭機器才這樣做的。這兩個群體提出的其實是同一個問題。這台機器是誰、為了誰、在什麼條件下引入的。 兩百年間答案變了，但問題始終沒變。
65% 懷念的不是閒適
先從數據來看看現在到底發生了什麼。
顧問公司 Adaptavist 在 2026 年 3 月對英國、美國、加拿大、德國和西班牙的 2,500 名知識工作者進行了調查。65% 的人表示，他們會定期懷念 AI 普及之前的工作方式。
到這裡為止還算在預期之內。但細看各細項，情況就不同了。
- 42% 的人表示，花在驗證 AI 產出的時間比 AI 省下的時間還多
- 52% 的人會定期修正同事用 AI 生成的產出
- 31% 的人認為 AI 正在侵蝕人類的創造力，寧可完全不用
- 46% 的人對原本需要專業技能的工作如今幾乎人人都能做感到挫折
所以這種懷念不是「希望工作少一點」。是對工作性質改變的不滿。 從「創造者」變成了「修正者」，從「使用者」變成了「審核者」。我認為把這個稱為「驗證稅」1 是最準確的說法。因為它是一種悄悄徵收、沒有人列入預算的稅。
也有證據表明這不只是個人感受。發表於《哈佛商業評論》2026 年 2 月的一項研究，直接觀察了一家約 200 名員工的美國科技公司，長達 8 個月。每週兩次到現場，追蹤內部通訊軟體，並對 40 多人進行了深度訪談。結論其實標題就說明了。AI 並沒有減少工作，而是提高了工作的密度。
具體觀察到三點。第一，工作範圍變寬了。PM 在寫程式碼，研究員在做工程，以前會外包的工作現在自己做了。第二，邊界崩塌了。在離開座位前「最後再丟一個 prompt」，一天中的逗號（停頓）就消失了。第三，同時進行中的任務數量增加了。
而且這家公司的人覺得自己更有生產力了。 同時他們也回答說，和以前一樣忙，甚至比以前更忙。這兩者同時出現，才是關鍵。
這裡還有一個反轉。在 Adaptavist 的調查中，表示偏好 AI 之前時代的比例，Z 世代是 42%，X 世代是 26%。數位原住民反而更懷念。面對這些數字，「無法適應的既得世代在發牢騷」這種解讀就站不住腳了。
1811 年，他們砸的不是任何機器
現在讓我們回到兩百年前。
盧德派2 如今被用作技術恐嚇者的代名詞。報紙上說「盧德式思維」，指的是拒絕進步的落後。但實際的歷史與此大相逕庭。
1811 年從英國諾丁漢開始的這場運動，主角不是無知的暴民。他們是當時最高水準的熟練工匠。經過漫長的學徒期習得技藝，靠這技藝養家糊口，在社區中也有地位。
他們砸毀的是織布機。 但這裡才是關鍵。他們砸的不是任何機器。 那些支付合理工資、生產合格產品的僱主的機器，他們原封不動。目標是那些打破既有工資協議、大量生產低品質產品、用機器取代熟練工匠崗位換上低薪非熟練勞動力的特定工廠主。
也就是說，站在他們對面的不是技術，而是技術引入的條件。布萊恩・麥錢特（Brian Merchant）在《血與機器》中總結的核心也是這個。盧德派不是討厭機器，而是追問機器帶來的利益進了誰的口袋。
英國政府對這個問題的回應，足以說明一切。1812 年，議會將破壞機器定為可判死刑的罪行。他們選擇了絞刑架，而非談判。詩人拜倫在參議院首次演說中反對該法案，認為應該把他們視為被剝奪生計的人，而非罪犯。但沒有用。
我們繼承的「盧德派＝技術恐懼症」這個形象，其實是爭論結束後贏家整理出的摘要。
相隔兩百年的兩場抵抗的重疊之處
現在讓我們把兩幅畫重疊起來看。我認為有三個地方完全重疊。
第一，抵抗的主體不是非熟練者，而是熟練者。 1811 年的織工就是那個時代的專業人士。2026 年對 AI 導入最感到不安的群體也是如此。在 Adaptavist 的調查中，表示正在考慮轉行的比例，一般知識工作者是 33%，C 級高管則是 46%。不是從下往上蔓延的不安，而是從上層更濃烈地顯現的不安。
第二，技術不是在減少勞動，而是在重新配置勞動。 織布機並沒有消滅勞動。它把熟練勞動轉為非熟練勞動，並將其中的差額轉移給了工廠主。如今的 AI 也沒有消滅工作。它正在把創造性勞動轉為驗證性勞動。問題是，這種驗證勞動沒有被任何人的績效指標所記錄。個人默默吸收了。
第三，當控制權從個人转移到組織時，反彈就會爆發。 這個部分現在特別有趣。直到不久前，企業還在鼓勵員工盡情實驗 AI。但當 AI 公司轉向基於 token 的計費3、成本開始顯現後，方向就轉向了限制使用。對員工來說，半年內收到了完全相反的指示。從「你自己判斷著用吧」變成了「別用」。
變的不是技術。是誰掌握決策權變了。 盧德派發怒的點也正是這裡。
這裡還要補充一點：創造力問題。這不是感嘆，而是有數據支撐的結果。
發表於科學期刊《Science Advances》2024 年的一項研究中，300 名作家獲得了 AI 提供的創意，600 名評審對產出進行評分。AI 使用最多的那組，故事的新穎性高出 8.1%，實用性高出 9%。原本創造力偏低的那些作家，新穎性提升了 10.7%，實用性提升了 11.5%。對個人而言，這是明確的收益。
但在同一組數據中，作家之間的相似度上升了 10.7%。 個人變好了，群體卻變得像了。
沃頓商學院研究團隊 2025 年發表於《Nature Human Behaviour》的腦力激盪實驗更加戲劇化。在 45 項統計比較中，有 37 項顯示 AI 使用組的創意多樣性顯著下降。在「用積木和風扇製作玩具」的任務中，94% 的 ChatGPT 使用者提出了重疊的概念，九個人各自獨立地給自己的玩具取了同樣的名字——「Build-a-Breeze Castle」。 只有人類參與的組別則沒有這種重複。
所以「AI 損害了創造力」這個直覺性的抱怨，至少在群體層面上是有依據的。
但懷念中藏著陷阱
如果停在這裡，這篇文章就只有半邊。懷念這種情感本身就會把過去美化。
AI 之前的內容產業真的那麼多元嗎？大型工作室和出版社在 AI 出現很久之前就在重複已驗證的公式了。續集的續集，重製的重製。從不存在過所有創作都是實驗性傑作的時期。
年輕世代的學習問題也是如此。「基礎工作都被 AI 做了，新人還能學什麼」的擔憂是合理的。但作為替代方案被設定的過去——也就是在律師事務所和銀行裡讓新人把同樣的簡單工作重複一千次的學徒模式——真的是最好的學習方式嗎？是因為那是唯一被驗證過的方法所以被保留下來，還是因為便宜且是慣例所以被保留下來？
如果不誠實地回答這個問題，我們找回的就不是失去的東西，而只是習慣的東西。這兩者是不同的。
盧德派在這方面也不免俗。他們想守護的學徒制度同樣有高高的進入門檻且封閉。歷史站在他們這邊，不是因為那套制度完美無缺，而是因為將變革的費用只向他們收取的方式是不公正的。
奧斯瓦爾德的視角
我認為這個問題不是導入失敗，而是設計缺失。
在制定 GTM 策略時，我反覆看到過一個場景。引入新工具時，組織總是計算兩件事：能省多少錢，能快多少。但很少有人問第三個問題。這個工具將創造出的新勞動，由誰來做。
在 AI 導入計畫書中，我幾乎從沒見過「驗證」這個詞旁邊寫著負責人的名字。省下的時間被放進公司的簡報裡，而新產生的驗證勞動則被個人的下班時間吸收了。42% 的人回答「確認的時間比省下的時間還多」，不是因為工具不好，而是因為那項勞動沒有主人。
所以我认为現在需要的不是 AI 教育，而是 AI 工作重新設計。教人怎麼寫好 prompt 很容易，也看得到效果。但把「這個團隊中 AI 產出的最終負責人是谁、分配給驗證的時間每週是多少小時」寫進文件裡，很難，也看不到效果。難的那邊才是真正的工作。
如果這個診斷是對的，那些喝倒彩的畢業生就不是反技術主義者。他們是在上火箭之前問座位上有沒有安全帶。我認為這是一個非常合理的問題。
結語
來總結一下。懷念 AI 之前的那 65%，不是懷念從前清閒的日子。這是對「創造性工作變成了確認性工作，卻沒有人承認這個變化」的反應。和盧德派抵抗的不是機器本身、而是機器引入的條件，是同一個結構。所以現在應該提出的問題不是「要不要用 AI」，而是**「AI 新創造出的勞動，該記在誰的帳上？」**
這週我建議只做一件事。數一數你實際花了多少分鐘在審查 AI 的產出上。如果那個數字比你認為省下的時間還大，那就不是工具的問題，而是設計的問題。
最近使用 AI 時，有沒有覺得「這本來不是我的工作」的瞬間？在哪些工作中，那個界線悄悄越過了？歡迎在留言中告訴我。驗證勞動實際在哪裡發生得最多，我會收集讀者們的案例，在下一期畫出一張地圖。
💬 請在留言中告訴我你覺得「這本來不是我的工作」的瞬間。我會在下一期反映。 📨 如果你身邊有同事正疲於收拾 AI 產出的爛攤子，請把這篇文章傳給他們。
參考資料 & 延伸閱讀
核心來源
- The Adaptavist Group, Understanding the Human Cost of AI Transformation, 2026 年 3 月。 連結 ··· 本文的骨幹調查。針對英國、美國、加拿大、德國、西班牙 2,500 名知識工作者，世代別交叉表特別值得一看。
- Aruna Ranganathan & Xingqi Maggie Ye, “AI Doesn’t Reduce Work, It Intensifies It”, Harvard Business Review, 2026 年 2 月。 連結 ··· 強項在於不是問卷調查，而是 8 個月的現場觀察。不過因為只是一家公司的案例，推及全盤時需要留意。
- Anil R. Doshi & Oliver P. Hauser, “Generative AI enhances individual creativity but reduces the collective diversity of novel content”, Science Advances, 2024。 連結 ··· 用數據展示了個人創造力與群體多樣性朝相反方向變動。建議從第三節的相似度分析開始讀。
- Lennart Meincke, Gideon Nave & Christian Terwiesch, Nature Human Behaviour, 2025。 連結 ··· 就是九個人取了同一個玩具名字的那個實驗。用 45 項比較驗證了多樣性的下降。
- “Former Google CEO Eric Schmidt booed during graduation speech about AI”, NBC News, 2026 年 5 月。 連結 ··· 開頭場景的出處。整理了現場發言全文。
背景知識
- Brian Merchant, Blood in the Machine: The Origins of the Rebellion Against Big Tech, Little Brown, 2023。 連結 ··· 將盧德派從「技術恐懼症」還原為勞動運動的書。本文的歷史部分以此為基礎。
- 安光燮，《把思考交出去的人：無腦人（Homo Brainless）》，J-Pub，2025。 連結 ··· 更長篇地討論了驗證勞動與判斷委託的問題。
搭配閱讀的往期文章
- 奧斯瓦爾德的知識對談，“關掉 20 瓦大腦的人們”
