美國職場AI掀兩極化反應:勞工擁抱高效能或憂心工作遭取代

Date:

商傳媒|責任編輯/綜合外電報導

一份於今年二月進行的最新蓋洛普(Gallup)民調顯示,美國勞工對人工智慧(AI)在職場中的應用呈現兩極化反應。儘管越來越多勞工開始嘗試將AI融入日常工作,但普遍的懷疑態度依然存在,且擔憂新技術將取代工作的比例持續上升。

調查指出,約有三成的美國員工會頻繁(每天或每週數次)使用AI工具,另有兩成勞工不定期使用。在那些已導入AI工具的企業中,約有四成員工表示其組織已採用AI,其中近三分之二的員工認為AI對其個人生產力與效率產生正面影響。特別是管理職、醫療照護與科技領域的勞工,相較於服務業,更有可能從AI應用中獲得生產力提升。例如,北維吉尼亞州的社工 Scott Segal 便會利用AI為年長與弱勢病患尋找醫療資源。

然而,仍有約半數美國員工幾乎不使用AI工具,即使這些工具已在公司內提供。在這些不使用者中,有 46% 的人表示他們偏好現有的工作方式。另有約四成的非使用者基於道德考量、對資料隱私的擔憂,或是認為AI對其工作幫助不大而拒絕使用。其中,約四分之一的非使用者曾嘗試AI卻發現無益,另有兩成則感到缺乏有效使用AI的準備。合約管理員 Thuy Pisone 提到,她會利用AI處理重複性工作,但像製作 PowerPoint 簡報等需要專業技能的任務,她寧願自己動手,因為這些是她花了時間培養的技能。

此外,對於新科技可能導致工作職位消失的擔憂,在美國勞工間日漸加劇。根據《Carrier Management》報導,調查顯示,有 18% 的美國勞工認為,他們的現有工作在未來五年內很可能或有些可能被新技術、自動化、機器人或AI取代,此比例高於 2025 年的 15%。值得注意的是,在已導入AI的企業中,勞工對工作被取代的憂慮更高達 23%。三月份的一項福斯新聞(Fox News)民調也發現,約六成的登記選民認為AI在未來五年內將消除比創造更多的工作機會。社會工作者 Scott Segal 便表示,他正考慮轉行從事「醫療陪伴服務」,他預計這類需要實體互動的工作,AI在未來 10 到 15 年內還無法取代。

4a9dc9a7 1577 4c7a ad87 730bb5ae8560

Share post:

spot_imgspot_img

熱門

相關新聞
Related

超越經典!「鉑金版」龜鹿杞凍全新上市 食補再進化

多元族群皆適合 日常保養新選擇「鉑金版龜鹿杞凍」以日常營養補給為設計方向,適合關注身體保養與生活活力的族群。無論是長時間久坐或久站的上班族、平時有運動習慣的人,或是重視日常保養與生活品質的族群,都可依需求作為日常營養補充的一種選擇。起動生技致力於配方與劑型的創新設計,讓健康保養輕鬆融入日常生活。更多資訊可上起動生技官網(https://reurl.cc/Q2RgLZ)查詢。標籤: 合作媒體商傳媒

美國運通商旅平台Egencia引入AI代理技術 強化智慧差旅管理

商傳媒|何映辰/台北報導美國運通全球商務旅行(Amex GBT)於週二宣布,旗下企業差旅品牌 Egencia 已升級至全新階段,全面整合具備自主決策能力的 AI 代理(agentic AI)解決方案,旨在革新企業差旅預訂與管理模式。此舉預計將大幅提升企業用戶的差旅體驗與效率,並為 AI 在企業服務領域的應用樹立新標竿。根據《Travel...

新加坡數位政府表現提升 Adobe指數揭AI整備度新落差

商傳媒|方承業/綜合外電報導根據《Tech Edition》報導,新加坡數位政府表現連續第三年獲得提升,在2025年Adobe數位政府指數中,整體分數達到65分,相較前一年成長4.7%。新加坡在人工智慧(AI)整備度方面更以65.5分領先亞洲,然而該指數也同步揭示了因AI應用興起所帶來的全新績效落差。這項由Adobe發布的2025年指數,評估了各部會及法定機構的客戶體驗、網站效能與數位自助服務。新加坡的整體分數進步,主要歸因於自助服務能力的增強,以及網站效能更為快速穩定。長期的基礎建設,如新加坡政府科技堆疊(Singapore Government Technology Stack)、SingPass整合及遵循網站內容可及性指南(Web Content Accessibility Guidelines),持續為數位服務的規模擴展與包容性提供支援。其中,中央公積金局(Central Provident...

AI基因模型Evo 2精準預測致病突變 革新基因疾病診斷潛力大

商傳媒|林昭衡/綜合外電報導美國梅約診所(Mayo Clinic)與人工智慧公司Goodfire合作,共同開發出一個新型AI模型,能有效預測並解釋哪些基因突變會導致疾病,此項突破有望徹底改變基因疾病的診斷與研究方式。《Time Magazine》報導指出,這項技術運用AI可解釋性(interpretability)技術,不僅能預測致病突變,更能理解模型做出判斷的原因,為個人化治療開啟新契機。梅約診所放射學教授暨生成式AI計畫主管Matthew Callstrom指出,人類基因組擁有逾30億個鹼基對,對疾病診斷而言,猶如「大海撈針」般的巨大挑戰。研究人員與Arc Institute訓練的開源基因組基礎模型Evo 2合作,該模型透過學習12萬8千個來自各種生命領域的基因組,辨識出「有利於生命」的基因序列模式。Evo 2的訓練數據規模是先前最大基因組基礎模型的十倍,其運作方式類似大型語言模型(LLM),藉由預測DNA序列的下一個「字母」來推斷基因資訊。Goodfire研究人員透過向Evo 2展示致病與良性基因突變的範例,並衡量模型「大腦」中哪些部分做出反應,成功分離出其對致病突變的反應。結果顯示,Evo 2在預測致病突變方面的表現,優於所有現有的計算工具,儘管它並非專為此任務設計。模型內部已推斷出有意義的DNA序列生物特徵,例如不同區段之間的界限,這些深層知識有助於解釋為何某些突變致病而另一些則否。加拿大大學健康網絡首席AI科學家Bo...