The Reverse Centaurs Guide to Life After AI

全書精華

主要主題、論點、核心訊息

• 主要主題：探討人工智慧（AI）技術的社會實踐、資本市場泡沫與勞工權力關係，剖析AI 在當前經濟體制下如何被利用與影響人類工作與生活形態。
• 核心論點：決定 AI 技術成敗與善惡的關鍵非關技術本身的機能，而在於背後的權力關係；當人類主導並選擇如何使用工具時是「半人馬」（Centaur），而當人類被迫屈從於機器與管理系統控制時則成為「逆半人馬」（Reverse Centaur）。
• 核心訊息：大眾不必接受科技巨頭所宣揚的「不可避免論」（Inevitabilism），而應透過集體談判、工會力量與法律保障奪回技術的主導權，讓 AI 成為協助人類勞動的工具，而非剝削勞工的工具。

掌握作者思路必懂的關鍵要點

• 半人馬與逆半人馬：半人馬是指人類自主決定何時與如何使用 AI 等自動化工具來提升工作效率與品質；逆半人馬則是人類被迫成為機器的附庸或周邊配備，為配合自動化系統而承受超過生理極限的監控與勞動壓迫。
• 反對不可避免論：科技業高層常宣稱技術發展與當前商業模式是不可逆轉的定理，但歷史與經驗表明技術的社會安排屬於人類的選擇而非必然，大眾完全可以選擇其他運作方式。
• AI 股市泡沫與指標陷阱：科技巨頭透過內部循環會計與關鍵績效指標（KPI）人為造勢，強迫員工與用戶頻繁與 AI 互動以向投資人宣揚「成長故事」，用以維持高股價與企業估值，掩蓋了 AI 高昂營運成本與實質商業價值的不足。
• 自動化盲目與責任陷阱：將 AI 強行引入醫療診斷或程式編寫等專業領域會引發「自動化盲目」，使作為「人機迴圈」的專業人員因警覺下降與高壓配額而無法審查錯誤，最終淪為吸納系統責任的代罪羔羊。
• 著作權非勞工救星：創作者寄望擴大著作權來對抗 AI 訓練往往是徒勞的，因為媒體壟斷巨頭只會將新權利據為己有；真正能保障勞工的是維護「AI 產出不受著作權保護」的法律原則，以及發揮強大的行業工會集體談判權。
• 泡沫破裂後的生產性殘留：雖然當前的 AI 投資泡沫終將破裂並引發經濟衝擊，但其留下的硬體基礎設施、開源模型與可於在地端設備運行的軟體工具將成為真正具實用價值且不侵害隱私的公共資產。

反主流洞見

AI 的核心威脅是勞權剝削而非著作權侵犯

• 差異點：主流觀點（特別是創作者與媒體巨頭）認為生成式 AI 抓取作品訓練模型是嚴重的著作權盜用，主張應修法擴大著作權保護。作者則主張 AI 對創作者的威脅本質上是勞動剝削與薪資壓抑，盲目擴大著作權只會被高度壟斷的媒體巨頭據為己有，無法真正保護創作者。
• 作者論證：過去 40 年著作權保護期與範圍不斷擴大，但創作者分配到的產業利潤比例卻持續下降，因為媒體市場已由少數巨頭壟斷（如三大唱片公司、五大出版商）。在缺乏議價能力的情況下，若新增「AI 訓練著作權」，媒體巨頭只需在標準合約中強制要求創作者轉讓該權利即可。真正能捍衛創作者的是集體談判與勞工團結，以及堅持「AI 產出物不享有著作權」的既有法理，使企業無法透過 AI 生成內容獲取獨佔資本利益。
• 相關案例：2023 年美國編劇工會（WGA）發動全面罷工，對抗好萊塢片場試圖引進 AI 削減編劇人數與薪資的企圖。編劇工會並未要求禁止 AI 或主張訓練著作權，而是憑藉極度的工會團結進行談判，最終贏得合約條款：編劇可自主選擇是否使用 AI 輔助寫作（保持「正向人馬」主導權），且片場不得強制要求編劇使用 AI，亦不得因 AI 而扣減編劇的薪資與署名權。

AI 熱潮非源於技術革命，而是企業維持估值的財務會計遊戲

• 差異點：主流觀點認為科技巨頭爆發式投資 AI 是因為技術迎來突破且市場需求強勁。作者指出，這本質上是一場由關鍵績效指標（KPI）與虛假會計手法（accounting gimmicks）堆疊出來的資本泡沫，旨在向華爾街製造成長假象以維持高本益比。
• 作者論證：成熟科技公司（如 Google、Meta）核心業務飽和後，若失去成長故事，其本益比（P/E ratio）會暴跌，導致無法發行股票進行併購與高薪挖角。因此，企業高層將員工獎金與「AI 互動量」綁定，迫使產品團隊將 AI 強行嵌入所有介面。同時，微軟與 OpenAI 等公司使用「循環會計」：微軟給予 OpenAI 只能用於微軟資料中心算力的代幣並列為投資，OpenAI 兌換算力後，微軟再將其列為雲端部門的營收，雙方藉此互相吹大虛假的投資與營收數據。
• 相關案例：2015 年 Mark Zuckerberg 為了向投資人宣示 Facebook 能跨入影音領域以維持成長估值，內部大幅操縱演算法並將影片滑過螢幕 2 秒即計為一次「觀看」。媒體公司信以為真，大量借貸裁員並轉型「Pivot to Video」，最後因使用者根本不買單而引發連鎖破產與裁員潮；如今科技公司正以完全相同的 KPI 與數據操縱招數在 AI 上重演這套騙局。

誇大 AI 能力的「恐懼式批判」本質上是在免費幫 AI 業者做行銷

• 差異點：許多 AI 批判者警示 AI 具備神級能力或即將取代所有白領甚至毀滅人類，以為這是在反對 AI。作者認為這種誇大 AI 能力的「恐懼式批判」（Criti-hype），本質上是與 AI 售貨員合謀，反而幫業者吹大泡沫並恐嚇勞工。
• 作者論證：當批評者無休止地宣稱「AI 太強大了、會搶走大家的飯碗」時，正好印證了 AI 售貨員向企業老闆推銷時的口號。老闆被這種宣傳說服後，便會立刻裁撤員工、改用根本無法勝任該工作的 AI，造成實質損害。真正的批判應該直接戳破 AI 的技術缺陷（如「自動化盲目」、模型坍塌、高昂且不永續的單位經濟效益），並強調 AI 被用來當作壓低薪資與規避責任的工具，而非承認為其擁有神話般的能力。
• 相關案例：1950 年代廣告業者宣稱發明了「潛意識廣告」技術，能將隱藏畫面植入大眾潛意識以控腦；當時社會各界對此發動猛烈道德撻伐與警示，但這反而幫廣告公司向客戶證明了「我們的廣告真有控腦神力」，進而收取高額費用。如今對 AI「超級智能」或「毀滅人類」的恐懼喧囂，完全重演了當年幫廣告商背書的套路。

AI 在職場創造的不是效率革命，而是將人類降格為背鍋的「反向人馬」

• 差異點：主流科技論述宣稱 AI 將作為人類的「協同助手」（Copilot），自動化繁瑣工作並大幅提升員工生產力。作者指出，在現實的權力關係中，企業引進 AI 的目的主要是為了降低薪資成本與監控員工，將人類變成替機器排錯與背鍋的「反向人馬」（Reverse Centaur）。
• 作者論證：正向人馬（Centaur）是人類主導工具（如騎士騎馬或作家使用拼字檢查）；而反向人馬（Reverse Centaur）則是人類被迫配合機器的節律與指令（如亞馬遜倉儲工人被 AI 攝影機監控時間）。當企業引入 AI 取代專業人員時，留下來的人類被要求以超人類的速度審查 AI 產出的大量瑕疵內容。由於人類存在「自動化盲目」（Automation Blindness），根本無法在大量無聊審查中保持警覺，人類最終只是被企業當作機器出錯時的「責任吸收池」（Accountability Sink）。
• 相關案例：2022 年加拿大乘客 Jake Moffatt 因祖母去世向加拿大航空諮詢喪親機票，加航的 AI 聊天機器人錯誤告知可先買全價票事後退差價。當 Moffatt 申請退款時，加航人類客服卻以機器人「產生幻覺」為由拒絕退款，將責任推給乘客與機器人之間的誤解。Moffatt 花費兩年透過民事法庭訴訟，才成功追回 812 加幣，揭露了企業如何利用 AI 作為規避企業責任的障眼法。

內化行動計畫

1. 拒絕反向半人馬：防範「演算法指揮、人類背鍋」的降格陷阱

• 行動目標：防止個人工作流程從「人類指揮工具（半人馬）」降級為「演算法指揮人類並承擔出錯責任（反向半人馬）」。
• 記憶鉤子：做騎手，不做馬匹——駕馭技術而非成為機器的血肉補丁。
• 故事或例子：Amazon 宣稱「Just Walk Out」智慧便利店是由頂尖 AI 自動識別商品，顧客抓了商品就能離開。然而背後真相是公司聘請了上千名位於印度的高壓低薪工人，透過監視器人工審核超過 70% 的交易。這些工人並非由科技賦能的半人馬，而是被演算法掩蓋、為假自動化補位並承擔出錯責任的「反向半人馬」，凸顯科技巨頭將人類降格為機器組件的現實。
• 觸發情境：管理層要求員工依照 AI 給出的固定指令作答，或要求員工為 AI 生成內容的正確性簽名背書時。
• 對象與場景：適用於被公司引入 AI 自動化工具的知識工作者、客服人員及專業技術人員。
• 具體步驟：
  • 步驟一：審視工作流程，列出個人擁有獨立裁量權與決策權的關鍵環節。
  • 步驟二：拒絕接受「AI 產出結果、由人類掛名背書出錯責任」的轉嫁條款。
  • 步驟三：向團隊提出「半人馬」協作架構，堅持由人類設定目標、審核輸入並掌握最終決策主導權。
• 可衡量的成果：工作時間中由個人主導裁量與優化的比例維持在 70% 以上，零無腦覆核 AI 的背鍋紀錄。
• 失敗補救機制：若公司強制執行演算法微觀管理，應詳細記錄 AI 錯誤率與接管工時，並向管理層提出數據報告以爭取工作流程修訂。

2. 拆解技術不可避免論：進行 AI 實質成本與泡沬審查

• 行動目標：破除科技巨頭打造的「AI 替代人力是不可避免之歷史必然」神話，從財務與技術現實進行理性評估。
• 記憶鉤子：撕開不可避免的神話——用會計真相與算力成本戳破炒作泡沬。
• 故事或例子：科技巨頭與華爾街頻繁宣稱 AI 替代人力是不可逆轉的歷史必然，迫使員工接受裁員與降薪。作者 Cory Doctorow 揭露，AI 公司依賴怪異會計法、巨大資本補貼與極高昂的 GPU 算力成本，榮景實為金融泡沬。當企業主管欲盲目引進 AI 替代專業團隊時，員工透過剖析AI 的高昂推論成本與幻覺率，成功打消了盲目的裁員與替換計畫。
• 觸發情境：公司以「AI 時代即將淘汰不使用者」為由宣傳恐慌，或準備盲目採購高價 AI 系統替代人力時。
• 對象與場景：適用於企業營運決策者、專案經理與面臨自動化威脅的團隊成員。
• 具體步驟：
  • 步驟一：評估 AI 系統的完整營運成本，包含 API 呼叫費、人工覆核成本與出錯補救代價。
  • 步驟二：檢驗 AI 工具在特定業務場景下的真實準確率與幻覺頻率，而非盲信廠商文宣。
  • 步驟三：提出「人力與 AI 混合效益報告」，向決策層展示專職人類專業在風險控制上的不可替代性。
• 可衡量的成果：成功阻止至少一項高風險、高成本且低效益的盲目 AI 採購或替換案。
• 失敗補救機制：若管理層仍強硬導入，應建立關鍵業務的「備份人工複核清單」，確保AI 系統崩潰或算力暴漲時業務不致中斷。

3. 組織集體條款防線：以集體談判鎖定 AI field 使用邊界

• 行動目標：透過團體力量與合約談判，建立 AI 導入的勞動邊界，防止資本利用技術剝奪專業價值與薪資。
• 記憶鉤子：團結護邊界——單打獨鬥被替代，集體談判建防線。
• 故事或例子：好萊塢片商試圖利用生成式 AI 撰寫劇本並無償掃描演員肖像生成數位替身。好萊塢編劇工會（WGA）與演員工會（SAG-AFTRA）發起長達數月的聯合罷工，最終成功在團體協約中加入條款：禁止 AI 獲得編劇署名、AI 產出不得削減編劇稿酬，且片商未經許可不得使用演員肖像訓練模型，開創了勞工成功圍堵AI 剝削的先例。
• 觸發情境：資方嘗試以 AI 生成內容為由扣減專案預算、要求無償提供個人作品作為訓練資料時。
• 對象與場景：適用於自由職業者、創作者、軟體工程師及各行業之工會或專業協會成員。
• 具體步驟：
  • 步驟一：與同行或同事組成聯絡小組，盤點演算法對本行業薪資與工作條件的侵蝕狀況。
  • 步驟二：訂定團體合約或接案標準範本，明定「禁止未授權訓練」與「AI 僅能作為輔助工具」條款。
  • 步驟三：在合約中要求資方透明公開 AI 使用情況，並保障人類創作者的完整署名與報酬權利。
• 可衡量的成果：簽署包含 AI 使用保護限制與合理報酬保障條款之合約覆蓋率達 100%。
• 失敗補救機制：若單一客戶拒絕簽署防護條款，應聯手同業發布聯合風險警告，並轉向支持尊重創作者權利之合作夥伴。

4. 阻斷責任轉移套利：建立 AI 決策的人類最終責任鏈

• 行動目標：消除企業利用 AI 進行「出錯歸演算法、獲利歸高層」的責任套利，確保任何重要自動化決策皆有明確人類負責人。
• 記憶鉤子：追查責任鏈——演算法不可當擋箭牌，決策必須有人名。
• 故事或例子：自動駕駛車商宣稱車輛具備「L3 自動駕駛」功能，但在宣傳自動化的同時，卻要求駕駛員必須時刻保持高度專注。當系統出錯引發車禍時，車商便將責任推給「接管不及」的人類駕駛。這種「將成功歸功於 AI、將失敗歸咎於人類」的責任轉移機制，嚴重損害了操作者權利，必須透過建立人類最終責任鏈反制。
• 觸發情境：團隊試圖將高風險決策（如核貸、招聘篩選、醫療診斷）完全交給 AI 執行，且無人願為系統錯誤負責時。
• 對象與場景：適用於法務人員、合規審查員、產品經理與業務主管。
• 具體步驟：
  • 步驟一：建立「決策責任簽署表」，要求每個採用 AI 輸出的最終業務行為皆須有指定人類主管簽章。
  • 步驟二：禁止在對外聲明或內部檢討中使用「這是演算法計算結果」作為系統性錯誤的免責藉口。
  • 步驟三：要求 AI 供應商提供具體的錯誤賠償與系統稽核機制，否則拒絕承擔操作風險。
• 可衡量的成果：高風險 AI 應用情境之人類責任歸屬明確率達 100%，因 AI 幻覺導致的法律責任事故為零。
• 失敗補救機制：若公司拒絕指定人類責任人，應將該 AI 決策系統調降為僅供參考之次要指標，並留下正式書面異議紀錄。

5. 實施對抗性互通性：擺脫封閉 AI 平台的鎖定與腐化

• 行動目標：運用開放標準與對抗性互通工具，防止個人數據與工作流程被單一 AI 科技巨頭封閉鎖定。
• 記憶鉤子：保持隨時能走——用開源與相容打破封閉花園的鎖定。
• 故事或例子：當科技巨頭控制數位平台後，常透過封閉生態系推動「平台腐化」，擠壓使用者與創作者。作者指出，歷史上工程師透過逆向工程與開源相容工具（如 Samba 相容微軟網路協定、LibreOffice 相容 DOCX 格式），成功打破壟斷。現今面對 AI 平台鎖定，同樣需要具備互通性的工具來保障資產遷移自由，奪回數位自主權。
• 觸發情境：昂貴的 AI 平台宣佈漲價、變更隱私條款或限制資料匯出時。
• 對象與場景：適用於軟體架構師、數位創作者及注重資料自主權的企業 IT 經理。
• 具體步驟：
  • 步驟一：優先選擇支援 Open API、本地端部署或開放模型的 AI 工具，避免使用私有封閉格式。
  • 步驟二：定期將儲存在 AI 平台上的提示詞、對話紀錄與生成資產匯出並進行本地端備份。
  • 步驟三：構建可替換的模型中介層，使系統能隨時切換至其他 AI 供應商或開源模型。
• 可衡量的成果：達成能在 24 小時內將核心 AI 業務流程無縫轉移至備用平台或本地模型的能力。
• 失敗補救機制：若現行工具不支援直接匯出，可運用開源抓取工具或對抗性相容外掛，進行資產遷移與格式轉換。

6. 爭取數據授權與勞動補償：維護知識資產的實質價值

• 行動目標：反對科技巨頭無償抓取人類創作進行 AI 模型訓練，建立合規且有償的數據授權與收益分配機制。
• 記憶鉤子：創作有價，拒絕免費訓練——無償抓取非技術進步，而是勞動掠奪。
• 故事或例子：多間生成式 AI 公司未經許可抓取網路上的數百萬張藝術作品與文章訓練模型，並收取高額訂閱費，卻未給予原創者任何補償。視覺藝術家與作家們不再單打獨鬥，而是聯合發起集體訴訟並推動立法，要求科技公司必須公開訓練集來源並支付數據授權費，讓勞動成果獲得公平補償，維護了知識資產的實質價值。
• 觸發情境：發現個人或公司原創內容被未經授權納入商業 AI 模型的訓練資料庫時。
• 對象與場景：適用於內容創作者、出版商、學者等資料擁有者及智慧財產權管理人員。
• 具體步驟：
  • 步驟一：在所有發布的數位作品中嵌入拒絕爬取標籤與數據防抓取協議。
  • 步驟二：加入創作者版權聯盟，透過集體授權機構向 AI 公司進行談判。
  • 步驟三：要求商業 AI 合約中必須明定若使用專屬數據訓練，須提供相應收益分紅或服務折扣。
• 可衡量的成果：專有知識資產的防抓取機制部署率達 100%，並獲得明確的數據授權分紅或折抵協議。
• 失敗補救機制：若科技公司持續無償爬取，應透過法律聲明要求自模型訓練集中刪除特定數據，並向產業主管機關申訴。

整體執行建議

• 搭配方式：將「拒絕反向半人馬」與「阻斷責任轉移套利」作為日常工作的第一道個人防線；結合「組織集體條款防線」與「爭取數據授權與勞動補償」建立產業團體屏障；並以「拆解技術不可避免論」與「實施對抗性互通性」進行長期戰略抗衡。
• 執行週期：每週進行一次個人工作流程之 AI 輔助與主導權審查；每月檢查一次平台鎖定風險與數據備份；每季參與一次同業交流或工會討論，更新集體談判條款。
• 防棄機制：
  1. 避免陷入單打獨鬥的無力感，堅持將個體的抵抗轉化為團體規範與合約約定。
  2. 定期記錄演算法出錯與人工修復的真實數據，用事實抵抗管理層對 AI 的盲目崇拜。

記憶卡片總表