115/05/15

當AI遇上人才培育：Andrew Weaver 談美國製造業的觀察與洞見

演講主題：Technology, Training, and Skill in U.S. Manufacturing

技能缺口真的存在嗎——還是我們只是沒有投入足夠的培訓？

2026 年 5 月 15 日上午，國立中山大學策略與人力資本研究中心邀請到美國伊利諾大學厄巴納—香檳分校（UIUC）勞動與就業關係學院副教授 Andrew Weaver 蒞校演講，主題為「Technology, Training, and Skill in U.S. Manufacturing」。管理學院師生齊聚一堂，現場互動熱烈——聽眾在簡報進行中便不斷發言提問，演講結束後更有多位同學主動上前與教授繼續交流。

Weaver 教授為麻省理工學院（MIT）博士，投身學術之前曾任職銀行業與企業顧問，因此在理論與實務之間游走自如，始終能為聽眾點出數據背後的真正意涵。他的研究結合美國與韓國的實證資料，兼具東、西方視角，也讓臺灣聽眾更容易產生共鳴。演講內容圍繞三大主軸：職場培訓趨勢、機器人導入對技能需求的影響，以及最引發討論的主題——AI 對勞動市場的實際衝擊。

第一部分：美國製造業培訓的悄然衰退

Weaver 教授率先分享了一個令他自己當年也大感意外的發現。他與Paul Osterman 教授合作的研究成果，於 2012–2013 年間完成了一份全國代表性的製造業廠商調查——這是繼 1995 年以來首次以雇主為單位的系統性資料蒐集。結果顯示相當驚人：美國製造業中提供正式生產員工培訓的工廠比例，從1994年的約75%下降至2012年的約55%，減少約20個百分點，且幾乎涵蓋所有產業。唯一例外是食品飲料業——而原因正是政府法規強制要求培訓。市場自發的力量，並沒有讓培訓維持下去。

培訓為何衰退？幾個因素相互交織。隨著廠商資本結構中資訊科技（IT） 與自動化設備的比例提高，正式培訓時數便隨之下滑。Weaver教授進一步以人力資本理論解釋此現象：企業通常不願投資員工可「帶走」的通用技能（general skills），但較願意投資只在本公司有用的特定技能（specific skills）」。因此，隨著IT 與機器人的普及，企業將培訓從正式且通用的課程，轉向非正式且特定化的在職學習；甚至在某些情況下直接減少培訓。

更大的產業結構變化也不容忽視。面對中國加入 WTO 後的競爭壓力，使美國製造業逐漸轉向以產品創新與研發為核心的策略，「精良培訓×高效生產」的製造思維隨之式微。問答中還有一個反直覺的發現：社區學院學歷與企業提供培訓之間沒有顯著關聯，但擁有四年制大學學歷的員工則較容易獲得培訓機會——顯示企業培訓往往強化既有優勢，而非補足基層落差。

值得對照的是，他在韓國的研究呈現截然不同的模式：隨著教育程度提升，韓國製造業反而增加培訓投入，因企業認為高教育水準員工更能吸收培訓內容。兩國的分歧提醒我們，教育、技術與培訓之間的關係，深受管理文化與制度脈絡的形塑。

第二部分：機器人是否提升技能需求？

第二部分分析了 2010–2022 年間全美所有職缺資料庫，比較廠商引入機器人前後的技能需求變化。初步結果顯示：引入機器人後，廠商對電腦素養和專業工程技能的需求都上升了。

但問題隨即出現：即使是非技術職能（如銷售與會計），也呈現相同上升趨勢，這使研究者開始懷疑：這是否並非機器人造成，而是企業整體業務擴張的結果？經過更嚴謹的分析，通用電腦素養確實出現了差異化的上升訊號，但更專業的工程技能則仍難以釐清。

Weaver 教授坦言：「結論目前還不確定，六個月後我可能會說出完全不同的故事。」他更想傳達的是一個研究方法上的提醒：第一眼看起來清晰的結果，深究之後往往變得複雜。對商業媒體或顧問報告中流傳的簡單趨勢結論，保持一份懷疑是必要的。

第三部分：AI 與勞動市場：先別急著下結論

這個部分引發了全場最熱烈的討論，從 AI 對特定產業就業的影響，到大學縮減人文學科的趨勢，問題連綿不斷。Weaver 教授並不否認 AI 的重要性，但以具體數據挑戰了幾個流行說法。

「AI 正在取代年輕工作者」的敘事，在時間點上說不通：年輕大學畢業生求職困難的趨勢，從 1990 年代就已開始，與生成式AI的推出並無對應關係。其次，近期生產力上升並不必然來自AI技術飛越，而可能是疫情期間低生產力員工優先被裁撤所造成的統計效應。此外，一項針對跨國企業高管的大型國際調查顯示，79%至91% 的受訪者表示 AI 在過去三年內對其公司生產力並未帶來顯著影響。歷史也告訴我們，重大技術對總體生產力的影響往往需要數十年才能顯現，例如電力技術在發明後約40年才真正顯著提升生產力。

更重要的是，研究顯示 AI 對生產力的提升，其效果多半來自創新與新價值創造，而非單純的成本削減或取代人力。那些將技術用於創新的企業，往往同時在生產力與就業表現上取得更好結果。這個區別，歸根究底是取決於企業如何使用技術，而非技術本身。Weaver 教授強調：「你們未來將在決定 AI 對生產力與工作者的影響上，扮演舉足輕重的角色。」

演講在溫馨的氣氛中畫下句點，中心致贈 Weaver 教授感謝狀與禮物。散場後講台上仍有師生圍繞著教授繼續交流，是這場演講最好的註腳。

Weaver 教授的核心訊息貫穿三個主題：關鍵不在於科技是否導入，而在於如何導入、由誰主導，以及是否同步投資於人才培育。在當前AI討論充斥焦慮與樂觀兩極的情況下，這樣一個以數據為基礎、保持冷靜的視角，正是我們最需要的思考框架。