你可能還沒有被裁。
公司也沒說要用 AI 取代白領。職稱還在，會議照開，主管照樣派工作。看起來，日子只是多了一些 AI 工具。
但你應該已經感覺到另一件事。
同樣一份報告，交期變短了。同樣一個人，要生出更多東西。外包慢慢變少。主管開始問：「這個不能先用 AI 生一版嗎？」以前要熟手整理半天的摘要，現在變成 AI 先跑，人再修。以前丟給外包的文案、簡報、客服話術，也開始被內部工具吃掉一部分。
這不是單純變有效率。
這是白領工作被重新報價的前奏。
很多人看 AI 對工作的影響，只盯著一件事：有沒有大規模裁員。沒有，就覺得威脅被誇大了。
這個判斷太晚。裁員通常是後面的結果。更早出現的，是工作內容被拆開、流程被重組、外包被收回、招聘放慢、產出要求提高，還有某些任務的單價開始往下掉。
沒有裁員，不代表沒有重組；沒有失業，不代表你的工作還用原本的價格被購買。
工作不是被整塊取代，而是先被拆開
要看懂這件事，先別急著看模型能力。回到工業革命比較清楚。
亞當・史密斯在《國富論》裡寫製針工廠。一根針，看起來只是一個小東西，做起來卻可以拆成約十八道操作。這個例子有意思的地方，不只是效率變高。它讓人第一次清楚看到：工作可以被拆開、訓練、監督、比較、改良。
後來的工廠制度把這件事推得更遠。Britannica 對工業革命與工廠制度的說明裡也提到，工廠把人、機器、能源、原料、管理制度放進同一套生產系統。工人還在，但位置變了。他不再是完整手藝人，比較像流程裡的一個節點。
今天白領也在走進類似的過程。
ChatGPT 像不像人，其實不是最重要的問題。比較麻煩的是，當模型、API、資料庫、SOP、CRM、客服系統、程式開發流程接在一起，白領工作就開始變成一段一段工序：可分配、可驗收，也可計價。
比起打字機，AI 革命更像工廠制度。
你原本以為自己賣的是一份完整工作。公司現在看到的，可能是一串任務：摘要、分類、比對、草擬、回覆、測試、整理、轉寫、審核、轉交。只要任務能被拆出來，它就可能被放進新的流程裡比較。
危機不一定從人消失開始。很多時候，它先從工作單位被重新切開開始。
Token 是知識工作的工業化計價單位
公司不會因為一個職稱聽起來專業，就永遠用原本的價格買它。
公司買的是結果。它買一份報告，不是買「分析師」；買一段可維護的程式，不是買「工程師」；買一份能降低風險的合約意見，不是買「法務」。職稱只是把任務、責任、溝通、信任與風險包在一起的名字。
Coase 談企業時，關心的是哪些事留在公司裡做，哪些事交給市場。他的諾貝爾演講回到一個很現實的問題：交易本身有成本。找人、溝通、協調、監督、驗收，每一步都要時間。
AI 出現後，生成初稿變便宜。描述任務、整理資料、比對格式、建立候選方案，也一起變便宜。公司自然會重新算帳：這件事要內部員工做？外包？用工具？交給 agent workflow？還是讓人只做最後審核？
所以問題不在於 AI 會不會取代某個 job。比較實際的問法是：這份工作裡，哪些 task 可以被描述、生成、驗收，然後接回流程？
客服不會立刻消失，但客服回覆、問題分類、標準話術可能先被拆出來。律師不會立刻消失，但條款比對、案例摘要、合約初稿可能先被拆出來。工程師也不會突然消失，但樣板程式碼、測試、文件註解、簡單 bug 修復，會先被拿去和模型成本比較。
這時 token 就不只是技術詞了。
Token 是知識工作的工業化計價單位。OpenAI API pricing已經把模型使用按 input、output token 計價。這看起來像技術定價，其實很像知識工作第一次大規模出現可計量的邊際成本。
以前公司問：這份工作要幾個小時？
現在公司會問：這個流程要多少 token？多少人力驗收？錯一次的代價是多少？最後有多少結果還是要人接手？
白領工作的第一個危險信號：你的產出開始能被 token 報價。
這句話不是在說人明天會消失。它比較像另一張比較表被放上桌：用人做，要多少時間、協調和等待？用模型先做，再讓人檢查，要多少 token、驗收成本和出錯代價？
一旦後者比較划算，任務就會被拆出去。
NBER Digest 對客服場景的整理提到，生成式 AI 助手讓客服平均生產力提升約 14%，而新手與低技能員工提升更明顯。這件事真正刺耳的地方，不是 AI 讓所有人都失業，而是它可能壓縮經驗差距。
自由職業市場也有早期訊號。Brookings 的自由職業市場研究觀察到，copyediting、proofreading 這類文字密集、交付明確、容易驗收的任務，新月合約數和月收入都出現下滑。這類市場反應快，因為需求清楚、產出可比、替換成本低。
哪裡最像市場，AI 替代就先在哪裡顯影。哪裡最像流程，token 化就先在哪裡發生。
盤點你的工作，不要只盤點你的職稱
白領最早遇到的風險，通常不是裁員。
更早一點，是技能溢價被壓縮。
以前熟手有溢價，因為他知道格式、流程、語氣和交付標準。新手寫一份報告要兩天，熟手半天完成。一般人寫客服回覆容易失準，資深人員知道怎麼拿捏。這些差距，本來就是薪資溢價的一部分。
但如果 AI 讓新手也能在半小時內生出八十分版本，公司就會問：剩下二十分值多少錢？
這個問題很刺耳。
很多白領以為自己的護城河是「經驗」。但公司付錢買到的，有時只是穩定產出格式化結果的能力。當這個能力被 AI 部分平準化，經驗還是有價值，但它必須重新證明自己。
你不能只說「我比較有經驗」。你要說得出來：我的經驗降低了什麼風險？避免了什麼錯誤？做出了什麼判斷？協調了哪些人？承擔了什麼後果？創造了什麼不能被初稿替代的價值？
人沒有消失，但人的價值段開始被重切。
會貶值的，是格式化產出。會升值的，是問題定義、商業判斷、風險承擔、跨部門協調、信任建立和結果負責。
AI 可以幫你生成一份策略簡報，但誰決定這是不是公司該走的方向？
AI 可以幫你摘要合約，但誰承擔錯誤判斷帶來的法律風險？
AI 可以幫你寫銷售信，但誰真的取得客戶信任？
所以你現在最該做的，不是問 AI 會不會取代你的職業。先盤點自己的 task：
- 哪些任務可以被清楚描述？
- 哪些可以交給 AI 先生成？
- 哪些只需要你驗收？
- 哪些其實只是摘要、整理、改寫、套格式、產出初稿？
- 哪些真的需要你定義問題、判斷方向、協調人、建立信任、承擔風險？
如果你的護城河建立在格式化產出上，你要非常小心。
白領真正要怕的，不是 AI 比你聰明。是你的工作開始可以被拆成 token，然後被放進一條更便宜、更快、更可擴張的知識流水線。