AI自動化正在拆毀判斷體系？科技業的「能力債」危機

AI取代放射科醫師的預言，十年後不攻自破——該職業正面臨人才短缺與薪資上揚。這揭示科技降低服務成本，反而會激增需求，也讓判斷、當責與簽署核准更具價值。科技業若把寫程式碼等同於打造可靠系統、以AI取代工程師，恐將累積能力債與判斷力債；對此，領導人應建立溯源、具名簽核與升級處理機制，並保留必要的人為審查與師徒傳承。

2016年，傑佛瑞．辛頓（Geoffrey Hinton）提出了一個著名的比喻，說放射科醫師就像「已經衝出懸崖的土狼」：還在拚命奔跑，卻沒發現腳下已經沒踩到地了。他表示，深度學習的表現將在5～10年內超越放射科醫師，這一點「再明顯不過」，而醫學院也該停止培育放射科醫師。

時至2025年，放射科醫師平均年薪來到57萬美元，在一年內成長了9％。某個放射科的職缺平台顯示，目前仍有超過4,000個職缺待補，每個職缺平均需要130天才能招到合適的人。為什麼辛頓的預測與現實差了這麼遠？

這裡的問題並不是出於技術上的失敗，而是辛頓忽略了兩個任何大學經濟學入門課程都會教的基本概念。

第一個是誘發需求（induced demand）：如果取得某項服務的成本下降，通常就會讓需求上升。對交通規畫人員來說，這並不是陌生的概念，他們都明白道路一旦拓寬，車流量往往就會上升。隨著影像檢查變得更便宜、更快速，整個醫學影像市場也隨之擴大。每位放射科醫師的生產力提高，市場對他們的需求也同步增加。

第二個則是互補性（complementarity）。正如阿杰．艾格拉瓦（Ajay Agrawal）、約書亞．格恩斯（Joshua Gans）、阿維．高德法布（Avi Goldfarb）在著作《AI經濟的策略思維》（Prediction Machines）所解釋，在預測變得更便宜後，影像AI的互補要素——判斷、當責與簽核——就會變得更有價值。掃描影像本身並不等於診斷結果，最後還是需要一位有執照、有聲譽、能夠承擔法律責任的人員來完成簽署核准。簽核這個動作並非交易成本，而是產品本身。辛頓當初的預測，把影像判讀與放射科的執業實務給混為一談了。