AI 與創意產業就業：少了 20 萬職位，能全算給 AI 嗎？（2026）

2026 年 9 月 27 日，Joseph Politano 在 Apricitas Economics 發布了〈AI and the Fall? of the Creative Class〉，把AI 與創意產業就業的焦慮放到一組美國產業數據前：依他的合併口徑，相關職位較約四年前減少逾 20 萬個。這是跨年累積的職位變化，不能讀成 20 萬人剛被 AI 裁掉。

這篇舊文最近又在 Hacker News 討論串引發討論。先看作者觀察到什麼，再核對數字與比較方式，最後回到創作者最實際的問題：作品更容易做出來，收入會流向誰？

AI 與創意產業就業：原文提出的是警訊，還不是因果帳單

Politano 的主線是：數位內容產業承壓，部分現場娛樂卻走出不同曲線；AI 可能加劇這種分化，但整併、製作外移與注意力轉向社群也同時發生。他藉音樂、影視與報業的數位轉型追問商業模式，並以書籍消費回升提醒讀者，新技術也可能帶來意外需求。最後的擔心是，文化產業的壓力會不會延伸到其他知識工作。

Proving the exact amount of AI-driven job loss in the arts is extremely difficult.

中文：要證明藝術領域究竟有多少職位流失由 AI 造成，極其困難。

Joseph Politano，Apricitas Economics 原文

這句保留，比「20 萬」更值得帶著往下讀。要量出 AI 的效果，必須比較實際世界與一個在其他條件相近、卻未受到相同 AI 衝擊的世界；僅把就業下降與工具普及放在同一張時間軸上，還不夠。

20 萬到底是什麼？先把產業、職業與人數拆開

原圖把電影、新聞與出版、廣播、串流、平面設計、表演藝術、博物館等產業放在一起。產業分類回答雇主在做什麼；職業分類才回答員工做什麼。製片公司的行政人員會進入該產業名冊，其他行業聘用的設計師則不一定在這個合計內。把這條線直接稱為「所有創意人才」會擴大它的涵蓋範圍。

BLS 的 CES 調查說明也交代了關鍵邊界：它計算雇主薪資名冊上的職位，同一個人在兩家受查單位工作可被計兩次，並排除未公司化自僱者等群體。接案創作者與轉往個人頻道的人，不能靠這張產業名冊完整觀察。

存量淨變化也不同於裁員總量。假設某領域原有 100 個職位，期間有 20 個消失、另新增 8 個，最後是 88 個，淨減 12 個；這個數字既不是離職事件總數，也不能告訴你那 12 個人後來是否在別處就業。這是示意計算，並非原文樣本。

縮減的量級仍值得正視。從 BLS／FRED 的電影與錄音產業季節調整序列下載目前資料，2022 年 8 月為 44.98 萬個職位，2026 年 8 月為 32.87 萬個，相減為 12.11 萬個，約 26.9%。這獨立支持該大類大幅縮減；它涵蓋的範圍比原文另一張「電影與影像製作」子類圖更廣，不能拿兩者混算。

至於跨產業「逾 20 萬」合計，本文保留為作者依當時資料與選定分類所做的估算，未把它寫成本文獨立重算的全體創作者失業數。起點月份、納入子類與後續資料修正，都會改變合計。即使總額完全重算成功，AI 的因果占比仍是另一張考卷。

數位與現場分化，為什麼仍不足以把原因鎖定 AI？

這張圖提供了值得調查的差異，但兩組產業還有別的差別：疫情後回到現場的需求、製作能否跨境移動、平台如何分配流量，以及串流業者原本擴張多快。若把所有數位產業當處理組、所有現場產業當對照組，就可能把這些差異一併算給 AI。

例如 FilmLA 在 2026 年 10 月 21 日公布的第三季資料顯示，大洛杉磯轄區外景拍攝為 4,171 個 Shoot Days，年減 4.8%；但受租稅獎勵支持的電影與電視製作拍攝日，從一年前的 242 增至 505。整體疲弱與部分製作回流可以同時存在。

FilmLA 的單位是一個劇組在一個 24 小時期間獲准拍攝的活動日，範圍限其服務轄區，並不包括認證攝影棚內製作；它不是全美就業資料，也不單獨證明政策的淨因果效果。但它讓「工作在哪裡發生、用什麼方式發生」成為必問項，不能只看最後成品有沒有用 AI。

要更接近歸因，應追同一類企業何時採用 AI、哪些任務改變，再比較採用前的趨勢、未採用的相近企業、製作量與訂單。若需求同步大跌，減員未必來自單件作品省人；若產量維持而同一任務工時下降，才更接近替代機制。兩者也可能一起發生。

更直接的 AI 衝擊證據，來自任務交易與招聘入口

不把 20 萬全算給 AI，也不能反過來推論 AI 對收入毫無影響。Hui、Reshef 與 Zhou 的 線上勞動市場原始研究觀察到，高曝險接案工作在生成式 AI 工具推出後，合約與收入都受壓。研究作者在 2025 年的研究解說將估計概括為合約約減少 2%、收入約減少 5%。這是特定平台、樣本與早期工具環境下的研究結果，不是全美藝術產業的下降比例。

這種市場值得看，是因為一張插圖、一段文案或一份翻譯可以獨立成交，雇主不必先重整整個部門，就能改變採購。反過來，一名員工若還負責客戶溝通、需求判斷與現場協作，單項任務被自動化，不會自動等於整個職位消失。

更近期的 Stanford Digital Economy Lab 2026 年 8 月修訂研究使用截至 6 月的 ADP 薪資資料：22 至 25 歲、處於高 AI 曝險職業的年輕人，就業較跟隨低曝險同儕走勢的基準低約 19%，差異主要透過招聘減少出現。作者將它定位為描述性預警，而非因果估計；教育控制、AI 出現前趨勢及樣本代表性仍影響解讀。

因此，創作者不只要留意裁員公告，也要看新案變少、職缺不補、報價下調。這些是不同調整管道。若只等到一份正式工作消失才算衝擊，就會錯過接案市場已經承受的價格壓力；若把所有調整都歸因 AI，又會開錯處方。

AI 與創意產業就業的採用率比較，需要校正分母

原文以約 32% 的藝術、娛樂與休閒業工作用途採用率，對比約 62% 的整體採用率。但原文連到的 FRED 定義不同：前者問是否為工作使用，後者涵蓋工作、私人用途與非就業人口。兩個百分比不能直接當成同一題的產業排名。

同為 2026 年第三季	採用率	實際分母與用途
藝術、娛樂與休閒業	35.6%	18–64 歲該產業受僱成人；工作用途
所有受僱成人	40.5%	18–64 歲受僱成人；工作用途
所有工作年齡成人	60.8%	18–64 歲成人；任何用途

表中依 產業工作用途、全體受僱者工作用途與 成人任何用途序列於 2026 年 10 月 20 日更新的數值四捨五入。資料來自 Bick、Blandin 與 Deming 的 Real-Time Population Survey；其研究為〈The Rapid Adoption of Generative AI〉。第三季資料晚於原文發布，不能假裝作者當時已看見。即使改成同季、同用途，這些調查點估計也不是減員率，且這個產業分類不等於前述媒體產業合計。

商業模式的壓力是真的，「收入再也回不來」卻要分口徑

音樂提供一個有用的反例。RIAA 的 2025 年報告列出美國錄音產業批發收入 115.353 億美元，其中串流 94.745 億美元、實體 13.810 億美元。這不包含把演唱會收入加進來的必要，已足以說明錄音收入有自己的商業市場；卻不能由此證明一般音樂人的收入與議價權都改善。

比較 CD 高峰與今天，必須固定國家、名目或實質金額、零售或批發，以及是否納入現場演出。IFPI 的全球 2025 年錄音收入為 317 億美元，與前面的美國批發總額又是不同範圍。總收入、收入占家庭支出的比重、每位創作者分到的收入，是三個可以朝不同方向走的指標。

書籍的反轉也有同樣的讀圖要求。原文圖的縱軸是以 2017 年美元計的休閒書籍實質支出，不是售出冊數或讀者人數。用它討論需求回升合理；若進一步說某個平台單獨造成回升，就需要把價格、疫情、出版品組成與其他銷售管道分開。

這裡真正有用的啟發，是把「人還會不會想看作品」與「誰能向誰收錢」分開。有人仍然喜歡故事，不表示原本出售故事的企業能保住收入；產業收入回升，也不表示受衝擊的同一批人會拿到新機會。

AlphaLab 的判讀：我同意收入壓力，存疑的是一條線解釋所有飯碗

一、AI 可能同時降低製作成本，也降低客戶願付的單價

對一個創作者而言，做得更快是生產力提升；若所有競爭者都能做得更快，客戶卻只需要原來那麼多作品，市場價格可能跟著降。這是條件式的經濟機制，不是每個領域的既定結局。要看的是需求增加的速度，能否超過每件作品人力需求減少的速度。

例如，假設每件合格交付所需人工減半，而付費需求只增加兩成，總人工需求便是原來的 0.5 × 1.2＝0.6。相反地，若需求增至三倍，總量則可能升至 1.5 倍。這兩個假設場景都容許作品增加，卻導出相反的人力結果。單看生成量，無法回答誰賺到錢。

二、現場與人際連結是差異化選項，不能當成人人可走的避風港

演出、帶領體驗、與觀眾建立長期關係，可能讓作品連到更難被直接替代的服務。但不適合巡演的人、照顧家人的人、以安靜閱讀為核心的創作者，承受的轉型成本不同。「改做現場」是一項需要能力、資本與可用時間的商業選擇，不能把原本的分配問題變成個人不夠努力。

三、保住的應是付費理由與交付責任，而非每一個舊步驟

能讓客戶說清楚「為什麼要由你交付」，通常比單純提高草稿產量更有用：你了解哪個受眾、能處理什麼限制、如何證明素材可用、出了問題誰修正。這些能力也可被工具放大，但需要在真實案子裡累積。AI 創作如何保留主體感補充的是創作決定權；本篇補充的是決定權如何連到收入與工作機會。

四、文化的價值，不能只用 GDP 占比決定

我同意原文把文化衝擊與總體經濟分開看；我存疑的是，由產業規模較小就推到其損失容易補回。保存地方語言、調查小眾議題、培養新作者，價值不一定完整反映在當期銷售。若選擇公共支持，應先講清楚要支持的是創作時間、作品可近性還是職涯入口，再依受益者與成果設計，而非把一筆總額當成已修復所有人的損失。

接下來怎麼判讀？把 AI 與創意產業就業放回四本帳

• 工作帳：分開記正式職位、初階招聘、接案數、工時與實收報酬。轉成自僱，不能自動當成機會增加或失業消失。
• 需求帳：看付費訂單、每案預算、續約與受眾留存；別用生成張數或播放量代替營收。
• 流程帳：記錄同品質交付的總人工，包含選稿、溝通、修訂與責任處理；省下的初稿時間只是其中一段。
• 分配帳：看省下的成本最後成為降價、利潤、較短工時，還是新的工作。總收入增加後，仍要追原本受衝擊的人是否得到機會。

若你正在接案，今天就選最近一份已完成的案子，寫下客戶購買的結果、你真正不可省略的判斷，以及從接洽到收款的總時間。下一次用 AI 時沿用同一張表，再談報價與工作設計。若你帶團隊，另保留一段讓新人能在可控範圍內學會判斷的任務；少補人帶來的短期效率，應與未來人才從哪裡來一起討論。

這比猜「20 萬裡究竟幾成是 AI」更能先推進一步：承認目前因果證據的範圍，同時讓收入壓力變得可觀察、可回應。也可接著對照 Anthropic 的初階招聘研究，看同一種工具如何在仍擴張的企業內，改變誰先得到工作機會。