最近在 Fortune Tech 看到 Apollo 首席經濟學家 Torsten Slok 的觀點，第一眼我覺得哪裡不太對勁。

他觀察發現：AI 發展得如火如荼，大家原本以為首當其衝的菲律賓客服中心，從業人數竟然不減反增。Slok 以「傑文斯悖論」（Jevons paradox）來解釋，認為 AI 降低客服成本並大幅提升效率後，企業反而擴大採購，最終帶來了更多工作機會。Fortune 也順著這個脈絡報導，搬出菲律賓和印度的失業率數據，試圖證明 AI 目前還沒衝垮海外白領的飯碗。

這套說法看起來非常合理，也很合乎媒體的胃口。但我第一個反應是：真的能這樣推論嗎？

我花了點時間找資料，我覺得 Slok 可能搞錯數字了。Slok 引用的數據來自菲律賓 IT 與業務流程協會（IBPAP），但協會公布的 190 萬從業人口，指的是整個「IT-BPM」產業，不全是電話客服人員。這個產業除了客服中心（Contact Center），還涵蓋後勤支援、IT 軟體、醫療資訊管理以及跨國企業全球能力中心（GCC）。

我的習慣是，如果是這種數據上明顯對不起來的情況，而且是單方面從數字推論的，那就得要另闢蹊徑。也就是說，我們應該看數據發生當地的那些業者怎麼看這件事，來作為交叉查證之用。從可以查到的資料，印度大型 BPM 服務商 WNS 認為：既有業務未來必定是「用更少的人、靠更多技術」。然而，當 AI 大幅壓低企業營運流程的總成本，過去許多企業覺得不划算、甚至不可能外包的工作，現在都能交給外部服務商承接，反而把整個市場餅給做大了。也就是說，單項業務的勞力密集度確實下降了，但整體可服務市場正在擴張。

菲律賓當地也出現了相同的結構轉變。業者現在主打的早就不只是低成本的語音客服，而是數位服務、數據分析、醫療資訊、軟體開發與 AI 應用等高複雜度專案。OECD 今年的研究報告也點出，菲律賓的 IT-BPM 雖然仍有大量人力集中在傳統客服與後勤，但產業比重正持續轉向 GCC 與各類高附加價值職缺。因此，單憑「總從業人數增加」這個數字，還無法證明 AI 到底有沒有在職場發揮取代效果。

因此，我的推論是：過去需要 100 個人處理的業務，現在 60 個人就能搞定；但因為服務門檻變低，企業一口氣把更多國家、更多流程的外包案放給印度或菲律賓去做。最後整體產業人數雖然從 100 人成長到 120 人，但若沒有 AI 介入，這批新業務原本可能需要 200 人才能消化。如果只看到數字從 100 變成 120，就倉促斷定「AI 沒有取代人力」，忽視了背後的生產力落差。

不過我也可能跟 Slok 一樣犯了同樣的錯誤，也就是抓了一些片面的數據進行推論。然而我很清楚知道，我在談的只不過是假說而已。

這也是我認為這會是一個很讚的商業思維訓練案例。第一層訓練在於「敏銳度與直覺」。當眼前的你看到的專家意見與自己對產業實際運作的理解產生衝突時，不必急著認定自己絕對正確，但也別只因為對方的頭銜，就把心裡的疑惑吞下去。而是提醒自己：這裡面可能漏掉了關鍵變數，值得動手挖一挖。就算自己錯了又如何呢？沒有人知道嘛！而且這反而是一個很好校正自己認知的機會，不是嗎？

第二層訓練則是管理顧問常用的假說檢定（Hypothesis Testing）。我們可以拆解出幾種可能：假說 A 是「AI 確實尚未顯著減少客服人力」；假說 B 是「AI 確實降低了單筆服務的人力需求，但市場總需求成長得更快」；假說 C 是「總人數成長來自人力結構重整，高階 IT、醫療、數據工作增加，而傳統客服正在萎縮」；假說 D 則是「推動人數成長的主因是美國本土薪資過高、企業加速境外委外並成立 GCC，AI 只是碰巧同時發生的背景變數」。

釐清假說後，才能鎖定該找什麼指標。我們不能只盯著總人數，而要拆解各職務的聘僱分佈；不能只看營收總額，要檢視人均產值；可能需要追蹤每百萬次客戶互動所需的人工工時、AI 導入率、舊客戶的留存人力變化，以及新增業務究竟是傳統電話接聽，還是高階專案。這樣一來，就不再只是簡單推論了，而是根據假說所做的進階商業分析。

我不是說 Slok 不可信，他本來也只是提出他的假說推論而已，但是媒體嘛，總是會把這樣的假說推論寫得斬釘截鐵的。坦白講，這應該是所有專家最怕的事情：自己講的觀點在透過媒體轉述之後，造成了字字都的確是他說的，但是組合起來卻意思大相徑庭。

總之，現在的訊息是非常混雜的，我們現在正處於資訊大爆炸的時代。在這個情況之下，面對這類資訊，我們得仔細釐清三件事——從數據中能看見什麼事實、我們根據數據延伸了哪些推論，以及這些推論究竟有沒有經過實證檢驗。「菲律賓外包產業的從業人數持續增加」是客觀事實；「AI 沒有取代既有工作」是一項待證明的假說；至於「這是傑文斯悖論，AI 終將創造更多整體就業」，則屬於更大的理論命題。這三句話看似前後呼應，在研究分析與投資決策上卻分屬完全不同的邏輯層次。

這正是商業思維訓練最迷人的環節：看見看似權威的結論時，不必急著全盤接受或反駁，不妨先問自己一句：「如果這個解釋成立，現實中還應該伴隨哪些現象？」接著再按圖索驥找答案。現在社群上充滿了用情緒包裝的數字，這其實很大程度扭曲了我們對事情的判斷。我們往往被情緒帶著走，而忽略了要花點精神去解讀與分析數據。坦白講，我對於現在這種帶著明顯情緒和立場來解讀數據的狀況，還蠻擔心的。目前我能做的事情也很有限，或許就多累積這類案例，在課堂上跟學生分享，也寫些文章提醒自己、提醒身邊的人，好好注意這些現象吧。