權力與進步：科技變革與共享繁榮之間的千年辯證

全書精華

主要主題、論點、核心訊息

• 主要主題：科技變革、權力分配與社會共享繁榮之間的千年歷史辯證，探討科技發展的軌跡如何受到掌握權力者的願景所形塑，及其對財富分配與民主制度的深遠影響。
• 核心論點：科技進步並不會自然而然地帶來共享的繁榮（即打破「生產力便車」的迷思），新科技帶來的利益往往只流向擁有社會、經濟與政治權力的少數精英。科技的發展方向是一種選擇，若要確保科技造福大眾，必須透過制度改革與群眾的制衡力量，迫使科技朝向「輔助人類」而非單純「自動化與監控」的方向發展。
• 核心訊息：面對人工智慧（AI）與數位科技的快速擴張，人類並非別無選擇。我們必須改變科技必然帶來進步的盲目樂觀敘事，建立起工會與公民社會等強大的制衡力量，並實施具體的政策（如稅制改革、補助對勞工友善的技術），重新奪回科技發展的控制權，確保民主與經濟成果能由大眾共享。

掌握作者思路必懂的關鍵要點

• 生產力便車的迷思：傳統觀念認為科技提升平均生產力後，必然會自動帶動勞工薪資上漲，但歷史證明這鮮少自然發生。唯有當新科技創造出新工作任務，提升了勞工的邊際生產力，且勞工具備足夠的協商權力去分享利潤時，生產力便車才會真正發動。
• 科技走向是精英願景的選擇：科技發展的路線並非自然法則，而是由掌握資源與社會權力的企業家、願景人士所做出的「選擇」。他們往往傾向發展有利於自身利潤、方便自動化與監控勞工的技術，同時忽視對平民百姓與勞工造成的附帶損害。
• 說服力與議題設定的權力：在現代社會，權力的核心往往體現為「說服力」與「設定議題」的能力。少數科技與金融精英透過自身的高社會地位傳播特定願景（例如「對大企業有利就是對社會有利」），使大眾與決策者盲目追隨，進而陷入對他們有利的「願景陷阱」中。
• 差不多湊合著用的自動化：當代許多數位科技與AI只是為了削減勞動成本而單純取代人力，這種自動化不僅無法帶來足夠的生產力躍升以刺激經濟擴張，反而大幅剝奪了勞工的就業機會與薪資成長，導致不平等加劇。
• 機器實用性勝過機器智能：作者強烈批判當前矽谷對「機器智能」（試圖打造能完全自主並取代人類的通用人工智慧）的盲目追求。相對地，科技應專注於「機器實用性」（Machine Usefulness），開發能擴增人類能力、為人類創造新工作任務的輔助工具，才能真正對社會有益。
• 制衡力量的必要性：從十九世紀末的進步主義運動到二戰後的黃金三十年，歷史證明唯有勞工與公民社會組織起來，形成對抗大企業與統治精英的「制衡力量」，搭配政府適當的法規與稅制引導，才能迫使科技發展重新導向，實現真正的共享繁榮

反主流洞見

科技進步不會自動帶來共享繁榮

• 差異點：主流觀點（如「生產力便車」理論）認為技術進步會自動提升生產力，進而自然帶動所有人薪資上漲與生活水準提升。
• 作者論證：作者指出生產力提升不一定會增加對勞工的需求。若技術發展只專注於「自動化」或「監控」（取代或壓榨勞工），而未創造新工作任務，且勞工缺乏集體協商的權力，技術紅利只會被少數精英整碗端走。
• 相關案例：18世紀英國工業革命早期的紡織廠，新機器大幅提升產量，但多數勞工實質收入停滯、工時變長、環境惡化；美國發明軋棉機後，生產力驚人提升，卻反而讓南方的奴隸制度更加擴張與殘酷，皆證明單純的技術進步並未自然造福底層勞工。

「想法的市場」並非公平競爭，而是取決於社會權力

• 差異點：主流觀點常將觀點的競爭比喻為「市場」，認為最好的、最正確的想法自然會具有優勢並勝出。
• 作者論證：作者認為決定哪種願景勝出的關鍵在於「社會權力」與「議題設定能力」。擁有權勢與社會地位的精英，能憑藉其資源與人脈網路傳播符合自身利益的想法，並將特定選項納入或排除於公共討論之外，導致最終勝出的願景往往帶有社會偏見。
• 相關案例：2008年金融海嘯期間，華爾街高層成功設定了「大到不能倒」的議題，讓政府買單紓困，而未追究銀行家違法欺騙客戶的責任；法國工程師雷賽布憑藉開鑿蘇伊士運河的巨大聲望與說服力，強行推動不切實際的「海平面式」巴拿馬運河計畫，最終導致兩萬多人喪生與巨大財務災難。

AI 的發展過度迷信「機器智能」而忽略「機器實用性」

• 差異點：科技界主流願景（數位烏托邦）致力於發展超越或等同人類的「通用人工智慧」，認為將人類容易犯錯的工作交給機器全自動化對社會最有利，並輕視人類勞工的適應力與價值。
• 作者論證：作者主張人類的智能具有難以被機器取代的「情境」與「社交」面向。目前許多AI只是帶來「差不多湊合著用的自動化」，不僅無法帶來顯著的生產力躍升，反而單純取代大量工作。科技應重新導向「機器實用性」，也就是讓機器作為輔助人類、增強人類能力的工具，而非一味追求自動化。
• 相關案例：伊隆．馬斯克曾試圖將特斯拉汽車生產流程全面自動化，最後卻因成本翻倍、進度落後而承認「低估了人類的重要性」；而1980年代豐田汽車則讓勞工在關鍵任務中扮演核心角色，結合勞工的靈活性與主動性，展現出遠勝於美國對手車廠的高生產力與品質。

前工業時代的貧困源於「權力剝削」而非「馬爾薩斯陷阱」

• 差異點：主流（馬爾薩斯人口論）認為前工業時代窮人的苦難，是因為人口增長速度無可避免地超過糧食生產速度，導致資源匱乏的必然結果。
• 作者論證：作者反駁此觀點，指出歷史上農業技術確實有數次進步且產量提升，但底層農民依然貧困的原因，是宗教與貴族精英透過強權與制度榨取了幾乎所有的經濟盈餘。貧窮是制度與權力分配不均的人為結果，而非不可抗拒的自然規律。
• 相關案例：中世紀的英格蘭引進了水力磨坊與風車，使農業與加工產量大增。然而，封建領主與修道院透過法庭與強制手段壟斷了這些新技術，迫使農民支付高昂費用，並將榨取來的盈餘用來興建宏偉的大教堂與供養修道院，卻沒有改善多數農民的生活水準。

內化行動計畫

1. 破除科技樂觀的盲點

• 行動目標：在組織引進新科技時，避免盲目相信「科技必然帶來普遍好處」，建立客觀評估機制。
• 記憶鉤子：便車不會自己動——科技進步不會自動帶來共享繁榮，需要人為刻意導向。
• 故事或例子：雷賽布深信技術能克服一切，在巴拿馬運河計畫中無視地形與傳染病警告，盲目樂觀最終導致兩萬多人喪生，證明願景若無現實客觀評估將成為災難。
• 觸發情境：當高層或廠商推銷「這項新技術將解決所有問題」且未提及負面影響時。
• 對象與場景：企業決策者、專案經理；技術採購或轉型會議。
• 具體步驟：
  • 步驟一：暫停盲目叫好，詢問「這項技術主要受惠者是誰？誰可能受害？」。
  • 步驟二：盤點技術是否只是單純為了取代人力、節省薪資成本。
  • 步驟三：評估是否有更具包容性、能提升現有員工能力的替代方案。
• 可衡量的成果：新技術導入評估報告中，具備「勞工衝擊」與「社會成本」的獨立分析章節。
• 失敗補救機制：若高層一意孤行，嘗試在執行階段引入員工回饋機制，作為滾動式修正與降低損害的依據。

2. 轉向「機器實用性」

• 行動目標：設計或採購軟體時，優先選擇能「擴充人類能力」而非「完全取代人類」的工具。
• 記憶鉤子：當助手，別當殺手——機器應是提升人類實用性的幫手，而非單純汰換人力的殺手。
• 故事或例子：馬斯克領導的特斯拉曾試圖將汽車生產流程完全自動化，卻面臨成本翻倍與進度落後。他最後承認過度自動化是個錯誤，太低估人類的重要性，顯示機器實用性遠勝單純追求機器智能。
• 觸發情境：規畫數位轉型、自動化升級或導入 AI 工具時。
• 對象與場景：企業高管、軟體工程師、產品設計師。
• 具體步驟：
  • 步驟一：檢視工作流程，找出需要人類隱性知識、情境判斷或社交互動的環節。
  • 步驟二：導入能提供精準資訊、輔助人類決策的數位工具，而非強硬的決策演算法。
  • 步驟三：將省下的時間重新分配給員工，讓他們專注於更高價值或更需創造性的任務。
• 可衡量的成果：自動化專案上線後，員工生產力雙雙提升，且未發生為節省成本的大規模裁員。
• 失敗補救機制：若發現 AI取代後錯誤率反增，立即恢復「人機協作」模式，由人類負責最終決策與判斷。

3. 重建職場的「制衡力量」

• 行動目標：透過組織化行動，確保勞工或公民能參與技術變革的決策過程並分享利潤。
• 記憶鉤子：有制衡，才平衡——沒有工會或公民組織的制衡，生產力收益只會流向少數資方。
• 故事或例子：1950年代美國推行貨櫃化時，西岸碼頭工會（ILWU）並未盲目抵制，而是透過協商接受新技術。他們要求必須保證勞工擁有新工作並獲得更高薪資，成功讓勞資雙方共享了生產力收益。
• 觸發情境：企業準備推行重大組織變革、修改薪資結構或導入大量自動化工具時。
• 對象與場景：一般勞工、工會代表、職工委員會成員。
• 具體步驟：
  • 步驟一：在工作場所尋找志同道合的同事，建立非正式或正式的交流機制與勞工組織。
  • 步驟二：針對不合理的技術監控或自動化裁員，提出具體的數據與對案。
  • 步驟三：透過集體協商要求企業將生產力成長的利潤，以加薪或培訓福利形式分享。
• 可衡量的成果：成功簽訂包含「新技術培訓保障」或「利潤分享條款」的勞資協議或備忘錄。
• 失敗補救機制：若內部協商破裂，可聯合更廣泛的公民社會組織或藉由社群媒體發聲，擴大外部輿論壓力。

4. 投資員工與重新培訓

• 行動目標：把員工當作資產而非成本，透過培訓讓他們能適應並操控新技術。
• 記憶鉤子：人才是解藥，不是消耗品——與其用機器淘汰員工，不如升級員工來駕馭機器。
• 故事或例子：1980年代德國面臨自動化浪潮，並未像美國車廠大量裁撤藍領，而是透過學徒制與培訓讓員工轉任維修、設計等新職務。結果德國汽車業就業機會不減反增，生產力也大幅成長。
• 觸發情境：引進新設備、新軟體，導致部分常規固定工作需求減少時。
• 對象與場景：企業高層、人資部門、教育培訓機構。
• 具體步驟：
  • 步驟一：盤點受新技術影響的職位，預測未來所需的新技能與職務。
  • 步驟二：規畫內部轉型培訓計畫，由公司出資培養員工操作先進設備的能力。
  • 步驟三：將受影響員工轉調至技術、監督或白領等新職位，並給予相應的薪資調整。
• 可衡量的成果：新技術導入後，內部轉調成功率達 70%以上，員工離職率遠低於產業平均。
• 失敗補救機制：若員工難以適應新技術，可提供較基礎的過渡性輔助工具，或安排資深員工進行「師徒制」的貼身指導。

5. 改變科技的「議題設定」與敘事

• 行動目標：打破「少數科技菁英說了算」的局面，讓更多元、基層的聲音參與技術發展討論。
• 記憶鉤子：誰定議題，誰定未來——別讓科技巨頭獨占麥克風，奪回科技發展的話語權。
• 故事或例子：氣候變遷問題曾被忽視，但《寂靜的春天》及環保組織透過改變敘事，成功將全球暖化推向政策核心。這股力量迫使各國開徵碳稅並補貼再生能源，使太陽能與風力發電成本大幅下降。
• 觸發情境：參與公共政策討論、面對演算法偏見或隱私侵害事件引發社會爭議時。
• 對象與場景：社會運動者、意見領袖、一般公民在社群媒體或公共論壇。
• 具體步驟：
  • 步驟一：拒絕接受「科技發展無可避免會造成犧牲」的宿命論。
  • 步驟二：揭露並傳播科技巨頭如何為追求參與度而縱容虛假訊息與極端主義。
  • 步驟三：倡議或支持能保護隱私、防範演算法操縱的法規與政策方案。
• 可衡量的成果：在社群、媒體或組織內成功發起特定科技倫理議題的倡議，獲得實質的聯署或政策關注。
• 失敗補救機制：若倡議初期無人關注，可從日常生活中分享具體受害案例（如演算法偏見導致的具體損失）來引起情感共鳴。

6. 取回資料所有權與反監控

• 行動目標：保護個人與員工的資料隱私，抵制無底線的數位監控與演算法操縱。
• 記憶鉤子：我的數據我作主——拒絕成為科技巨頭演算法的免費飼料與監控對象。
• 故事或例子：亞馬遜透過 AI工具對送貨員和倉庫員工進行密集監控與排班，甚至自動解雇未達標員工。這不僅導致受傷率高於同業，也剝奪勞工自主權，證明放任企業收集數據與監控會帶來惡劣的工作環境。
• 觸發情境：被要求安裝監控軟體、簽署不合理的資料授權，或發現社群平台嚴重侵犯隱私時。
• 對象與場景：一般消費者、平台使用者、被數位工具管理的基層員工。
• 具體步驟：
  • 步驟一：審慎檢視並拒絕不必要的授權，意識到個人資料分享可能產生的資料外部性問題。
  • 步驟二：在職場上，要求雇主公開演算法監控的範圍與績效計算方式，抵制過度監控。
  • 步驟三：支持建立「資料聯盟」，透過集體力量向平台談判資料使用的條件與價格。
• 可衡量的成果：個人減少使用過度收集隱私的應用程式；所屬組織制定明確的「員工數位隱私保障守則」。
• 失敗補救機制：若個人力量微薄無法抵抗平台，可轉向使用注重隱私的替代服務，並加入公民社團進行聯合抵制。

整體執行建議

• 搭配方式：先從「破除科技樂觀的盲點」與「改變議題設定」（認知與社會面）開始，建立正確心態後，在組織內倡導「轉向機器實用性」與「投資員工」（執行面）。若遇阻力，則需同步運作「重建制衡力量」與「取回資料所有權」（政治與集體面）來施壓。
• 執行週期：認知改變可即刻發生；推動組織導入人機協作與培訓需 3-6個月；建立制衡力量與公民倡議則是 1-3 年以上的長期抗戰。
• 防棄機制：
  1. 結伴同行：在組織內部或外部尋找觀念一致的盟友，透過讀書會或工會小組定期交流，避免孤軍奮戰的無力感。
  2. 關注小勝利：不要一開始就想推翻科技巨頭，而是從「成功拒絕一項不合理的工作監控軟體」或「成功推動公司舉辦一次新技能培訓」來建立成就感與信心。

記憶卡片總表