誰負最後責任

【1034】     n    20260327

 

2022年12月ChatGPT 發佈。現今2026年春生成式AI已經重塑職場結構。微軟在2024年透過20萬筆用戶與Copilot聊天機器人的對話，指出AI最先影響的工作包括：初級知識型任務﹑例如資訊蒐集﹑文書處理和編輯﹑市場研究﹑產品分析比較﹑內容撰寫﹑PPT簡報製作﹑創作和修整圖像﹑簡單諮詢與對外溝通。特別是在需要海量資訊處理的工作領域﹐AI已展現出強大的輔助效果。如今每天有數億使用者通過查詢聊天而不斷「培訓」AI﹐使得它愈來愈博學聰明。致使AI變成了掌握千億各類知識大數據的專家﹐並在瞬間整理並交出條理分明的報告。

2026年初﹐OpenClaw 向公眾展示了其執行代工的職能。如果您放心交付你的銀行帳號﹑個人私隱等﹐它可以代你預訂去東京旅行六日相關的機票酒店和午晚餐觀光事宜。

AI表現尚未能勝任的﹐包括判斷多元資料並下決策；涉及美感與創作；跨部門協作與複雜溝通；人際互動脈絡與非語言線索。

有人指出重資產, 低過時 (Heavy Assets, Low Obsolescence) 的工作﹐是AI難以取代的。包括：基建/建築/地皮﹑拖拉機﹑航空公司﹑能源/原材料 (水電煤網)﹑     廢物處理…等。還有掌控獨家專有數據﹑醫療專利配方﹑厨藝﹑體貼關顧的工作。

當然最不能交付AI的是「責任」。最後負法律和道德責任的仍是「人」。要為成敗最後埋單。所以﹐跟一位律師探討AI取代律師工作時﹐他確切指出：即使AI的能力有多強﹐總不能取代一個活生生的﹑可以負上責任的律師。當AI犯錯時﹐負上責任的仍然是「律師」這個人。律師也不會將自己一生打拼得來的身家性命財產名譽地位拱手交給人工智能機器。醫護和教育工作者的情況相似。

 

 

 

 

新的鐵飯碗

【1033】     n    20260320

 

    AI 取代職場上重複﹑沉悶﹑存取資料等低認知工種時﹐有哪些工種卻基本上不會受到威脅呢？有人曾以此詢問人工智能平台DeepSeek. 其答案儘管因時而異或與時俱進﹐但卻足以窺見整個大趨勢。AI環境下鐵飯碗資料如：

    富創新思維和解難能力的科學家和工程師﹑需創造力和情感表達的藝術家﹑音樂家和作家等。迄今似乎AI仍未能完善提供這些人的產品。

    運動員/教練：具備個人身體素質/技巧/團隊精神，提供個別訓練計劃。

    醫療保健專業人員﹐需與患者交流﹐作情感支持和個別身心靈的護理。

    能提供個性化服務的人：能與服務對象面對面交流﹑並提供個性化服務與意見的人。例如心理輔導師和社工等。因為業者需與對象建立信任關係並提供個性化建議或應對方案﹐以適應複雜的社會與人際問題。從業者需具鑑貌辨色的敏感度﹑高同理心和溝通能力。

    企業高管或政治領袖：需具判斷力﹐負責任地制定戰略﹑領導群眾團隊﹑應對複雜難題。

    技術工藝人員：包括水電工匠/木匠和手藝工匠等。要求業者具靈活的工藝技巧﹐懂得使用適切工具﹐以解決多樣複雜的環境中各項難題。

    被譽為人類靈魂工程師的教育工作者。在AI環境中﹐學生在AI平台能取得差不多全部所學的資料。教師角色不光在教授知識﹐更需明瞭學習的過程和訣要﹐引導學生思考和價值觀。何況學生千差萬別﹐背景不同﹑各有長短優缺﹐學習方式各異。教師的關鍵作用是能處理「個別差異」而非依書覆述。

    綜觀上述鐵飯碗﹐基本上是能與服務對象深入交流溝通﹐明瞭對象複雜的需要而提出解難方案﹐而非提供千篇一律的萬應靈丹式的工作者。

 

 

AI環境的就業趨勢

【1032】          n    20260313

    近三四十年來每約十年左右﹐世界就經歷一次數碼大變革。1990年代﹐個人電腦開啟了數碼革命。2000年代互聯網造就了網絡世界。2010年代行動裝置(例如手機)與社交媒體將人們拉入網絡中生活。2022年ChatGPT誕生了﹐因而2020年代生成式AI登場﹐現今已經在改變職場生態。大家都在討論AI 環境下﹐砍掉了哪些行業﹐又有哪些是AI天下的鐵飯碗。

    教育界在討論教師的功能和作用﹐如何改變課程和教法方能完成教學工作﹐而讓教師這種職業能夠繼續生存下去。有遠見的家長思索如何讓自己的孩子成為1:99賽局中的贏家「1」﹐而非被吃掉的「99」。

    18世紀使用蒸氣機的機械化工業革命生產減少了體力勞動﹐19世紀電力革命帶來大規模生產﹑20世紀電腦促進了自動化生產。21世紀人工智能應用已經改變了社會生產模式和職業結構。

    據調研報告﹐香港2/3的企業已投資AI培訓計劃。受訪企業中九成以上都開始使用AI取代員工。其中最受威脅的是初級文書工作﹐也就是初入職場的大/中學畢業生已面臨失業危機。因為這類工作基本上都可以由AI取代。

    換言之﹐過去大中學畢業生最多入職的律師助理或教學助理﹑數據資料輸入﹑會計文員﹑倉庫物流紀錄員工﹑流水生產線的工人﹑電腦編程員﹑翻譯甚至電腦掃描影像 (即MRI或CT Scan)的分析師等職位 (這些工作以往多數由醫生做的) 將明顯迅速收縮。因為AI 掌握了數以千萬計的大數據﹐可用以分析分類和對比﹐AI做這些工作比新入行的員工 (甚至富經驗的專家)做得更快更準確而穩定地生成詳細的報告。主因是人工智能機器不會鬧情緒﹐不請病假﹑不會要求加薪和罷工﹐尤其精於不知疲倦地﹑氣定閒地長時間做沉悶重複(有規律)的工作。

 

 

嚴重智障教學故事

【1031】        20260305

 

    出席了一個特殊教育學校的研討會。知悉兩個故事。

    在一嚴重智障學校裡﹐教師為協助患自閉症學生A君培養良好生活習慣﹐用AI生成一本該生專用的繪本書﹐內容說這個A君依照老師的指示﹐安靜守規地上課﹐因而受到教師和同學的讚賞。該生平日常哭鬧大叫不守規矩﹐做成很大麻煩﹐造成校園裡重大的困擾。老師陪伴她讀完繪本後﹐A君展開燦爛的笑容。她喜歡書中的自己守規矩並受到讚賞。之後她的行為也大為改善。其後她常找這本書反覆細心閱讀。

    嚴重智障的自閉學生B君﹐沒有語言能力﹐對於學習或掌握抽象概念比較困難。老師單是教她「大/小」這個概念﹐便花了不少力氣﹐果效卻如泥牛入海﹐她總不能向教師指示哪個圖型或物件的大或小。教師在學習紀錄冊上只能記下她不懂分辨大小。某天B君見到喜歡吃的蛋糕﹐她卻懂得去拿大件而非小的。由此可見教學評量工具和方法影響我們對學生的評價與認識。這一點其實對主流學校或特殊學校都合用。

    這使我又記得在一所嚴重智障學校觀課。一位年輕新入職的教師教顏色：紅。她莵集了各類紅色的物件如：紅色的皮球, 積木﹑毛巾﹑臘筆﹑紙咭﹑LEGO﹑紅柄牙刷．乒乓波板．紅皮膠檔案夾…等約十多項。她重覆逐項指出這些東西全都是紅色的。我卻只見各種物件其實有深紅﹑鮮紅﹑粉紅．紫紅．橙紅…等。她卻一直指這些物件都是紅色。如果學生不知甚麼是「紅」色﹐她們會感到奇怪明明是不同的色彩﹐為何老師說全都是紅色呢？這使我想起教「紅色」是否要跟其他黃白黑藍綠等顏色一起教﹐主要是教「分辨」並歸類與命名顏色。