Google 說 AI 沒取代白領，Workspace 沒算進去

上週你的老闆大概轉了那一則給你：Google 用一千多萬筆真實對話證明，AI 沒有在取代白領。這句話沒有被扭曲，報告執行摘要的原文就是「我們在 ATLAS 中沒有找到證據支持這些說法：AI 即將造成白領工作的大規模自動化與取代」。

翻到同一份 PDF 的腳註，Google 順手放了另一家公司的數字：Anthropic 的資料裡，純自動化占了 45% 的對話。頭條說不到 10%，腳註說 45%，兩個數字在同一份文件裡相安無事。

這份報告叫 AI & Economy ATLAS v1.0，7 月 23 日由 Google 與 Google DeepMind 團隊發布，致謝名單上有劍橋大學的 Diane Coyle 與 MIT 的 David Autor。樣本是 14,653,926 筆去識別化互動，來自 Gemini App、Google AI Mode 與 Gemini API，取樣窗口是 2026 年 4 月 6 日到 4 月 19 日，兩個星期。這是目前規模最大的第一手 AI 使用普查，而它最值得讀的部分，不在被轉述的那幾行。

同一份報告裡的兩個自動化數字，差在誰在定義

那個 45% 跟不到 10%，量的不是同一件事。

ATLAS 把使用意圖切成五類，Task Automation 的定義寫得很死：AI 被要求端到端執行核心任務或主要子任務。旁邊四類分別是產出實質草稿但仍須大幅編修的 Partial Drafting and Generation、負責檢查與編輯人類產出的 Review & Refinement、當思考夥伴的 Ideation and Strategy，以及找答案和教學的 Information Retrieval and Learning。一句「幫我把這份稿子的語氣改順」落在第三類，不算自動化。

Anthropic 那邊的分法只有兩格。報告腳註引述的定義是，只要對話模式屬於指令式或來回修改的回饋迴圈，就計入自動化——「幫我把這份稿子的語氣改順」在這套分類裡，會被算進去。

同一個動作，一邊算協作，一邊算自動化。差的是尺，不是 AI。

例行認知工作那一欄，超過四分之一在找全自動

ATLAS 自己也不是只有一個數字。

「不到 10%」講的是非例行認知工作——假設檢定、創意設計這類。報告接著寫，例行認知工作的分布「有著明顯的對比」：這一群裡，超過四分之一的 AI 對話以任務自動化為目標。原文還特別註明，例行與非例行之間的差異「可能是有意義的」。

那些「AI 使用涵蓋超過 75% 任務」的職業只有 3%，名單也很具體：軟體 QA 分析師與測試員、人資專員、文件管理專員。三個都不是抽象的白領，都是每天處理格式固定、重複性高的東西的人。

Google 在另一個腳註裡先幫自己踩了煞車：就算觀察到較高的端到端自動化率，也不等於工作被自動化，因為協調成本、互補任務與組織摩擦「都非常普遍」。這句話是對的，也正是為什麼這份報告該被完整讀完，而不是只讀那一行結論。

68%、21%、不到一成：三個數字，三個不一樣的分母

被抽出來單獨轉發的數字有四個，每一個都帶著限定條件，而限定條件在轉述時通常最先掉。

數字	報告的原文限定	常被讀成
68%	超過 68% 的「職業」出現 AI 使用，這些職業合計代表略高於 88% 的美國總就業	68% 的人在用 AI
21%	在「有任何 AI 使用的中位數職業」裡，AI 用於 21% 的總任務數	AI 做掉了兩成的工作量
不到 10%	在「非例行認知工作」的 AI 對話中，端到端自動化的嘗試不到一成	AI 只自動化了不到一成的工作
86%	超過 86% 的「對話式」AI 互動發生在工作之外（不含 API）	AI 主要不是拿來工作的

68% 是覆蓋範圍，不是滲透率——它說的是「這些職業裡有人在用」，不是「這些人都在用」。21% 的分母是任務數量，不是工時，也不是產出。至於工作相關活動，報告腳註 1 算過：占對話式使用的 14%，套到 Google AI Mode 逾 10 億、Gemini App 逾 9 億的月活躍使用者，大約是 1.35 億到 2.6 億人。

那個常被拿來說嘴的「AI 每年替美國家庭創造 1,000 億美元價值」也一樣有前提。原文是條件句：若這些家戶時間節省平均下來每週有 30 分鐘，未支薪的生產力收益才可能接近這個數字。

樣本裡沒有 Workspace，也沒有 AI Overviews

報告第 2.3 節叫「Limitations」，是全文最該讀的一段。

第一項寫著：ATLAS v1.0 目前不包含付費 Gemini API 的使用，其中包括經由 Google Cloud 的企業用量，因此「企業層級的專業 AI 使用情境可能被低估」。第二句接著列出還有哪些不在樣本裡——Google Workspace、AI Overviews、Google Translate、Google Maps、Google Flow、Google Antigravity、Gemini Notebook。同一份報告在前面自述過這些產品的規模：Workspace 超過 30 億人用，AI Overviews 超過 25 億，Translate 超過 10 億。報告還自承尚未涵蓋 Google Cloud Gemini Enterprise 這類企業平台，以及 agentic coding 與世界模型等前沿能力。

想像有人要統計你們公司有多少事情已經是機器在做，方法是去看大家在通訊軟體上打了什麼字。他看到的每一筆都是真的，但真正在跑批次的那台伺服器，不在他的畫面裡。

這件事會往同一個方向偏，不是隨機誤差。最容易被端到端接手的工作——重複、格式固定、輸入輸出都明確——正好大量發生在文件、試算表和信件裡，也就是 Workspace 裡；而 agentic coding 是目前市面上最接近「整件事丟給它做完」的用法，同樣不在樣本內。把這些拿掉之後量到的自動化比例偏低，是可以預期的。這是我們的讀法，報告沒有這樣寫——但報告自己列出的限制、以及例行認知工作那個超過四分之一的數字，都指向同一個方向。報告另外還講清楚了一件事：ATLAS 量的是行為互動，不是確定的生產力成果，一次完成的對話不保證使用者真的達成目標、省下時間或產生可衡量的經濟價值。

該說清楚的是，這份清單是 Google 自己寫的，寫得清楚、位置也不偏。問題出在轉述——限制節從來不會被做成新聞標題。

三份廠商自家數據，量的不是同一件事

一個月內，三家公司都發布了用自家使用資料談 AI 對工作影響的研究。並排看，會發現它們幾乎不可比。

	Google ATLAS v1.0	Anthropic Economic Index: Cadences	OpenAI《How agents are transforming work》
發布日	2026-07-23	2026-06	2026-06-26
資料窗口	2026-04-06 至 04-19（兩週）	2026-04-10 至 06-10	2025-08 起的成長曲線
樣本	14,653,926 筆去識別化互動	約 9,700 份連結問卷＋抽樣對話	OpenAI 內部員工樣本＋產品端遙測
涵蓋介面	Gemini App、AI Mode、免費 Gemini API	Claude.ai 與 API	ChatGPT 與 Codex
明列的排除項	付費 API、Workspace、AI Overviews、Translate、Maps、Flow、Antigravity、Notebook	未以介面拆分揭露	未明列
「自動化」怎麼定義	AI 被要求端到端執行核心或主要子任務	對話模式為指令式或回饋迴圈	未用此二分法，改以任務時長估算
報出的關鍵數字	非例行認知工作端到端自動化不到 10%；例行認知工作超過 25%	augmentation 52%、automation 45%（經 Google 報告腳註引述）	需人花超過一小時的請求占比升到 70.2%

三欄的「自動化」是三把不同的尺，量的是三個不同的產品組合，時間窗口也不重疊。把它們的數字互相加減或比高低，得到的不是洞察。本站在 6 月拆 OpenAI 那份時碰到的是同一個結構問題：當事公司用自家數據談自家工具的影響，數字未必造假，但取樣、口徑與框架都由它決定。

順帶一提，這張全球地圖上沒有台灣的座標。報告全文沒有出現 Taiwan；語言分布的內文點名了英語、西班牙語、阿拉伯語、葡萄牙語、土耳其語、韓語和越南語，中文沒被點到（完整分布只在圖表裡，內文沒列）；中國大陸則因為 Gemini Apps 只能透過 Workspace 存取，直接被排除在地理分析之外。

下次看到「AI 自動化了 X%」，先問這三件事

這份報告值得存起來，但存的理由不是那句結論，是它示範了這類數字該怎麼讀。任何一份 AI 採用率或自動化率的報告端到你面前，三個問題就能定位它：

1. 量的是哪個介面？ 消費端聊天視窗、付費 API、還是嵌在文件與信件裡的功能？三者的自動化樣貌天差地遠，而報告通常只涵蓋其中一到兩種。
2. 取樣窗口多長？ ATLAS 是兩週；模型世代跑得比報告快，四月的快照到七月已經是歷史切片。
3. 「自動化」怎麼定義？ 端到端接手核心任務，還是只要你下的是指令句就算？同一批對話，換把尺就從 10% 變 45%。

ATLAS 說會在後續版本擴大範圍，把企業平台和 agentic coding 納進來，但沒有給時程。那才是真正會改變結論的那一版——在它出來之前，現在這個「不到 10%」講的是 Gemini 聊天視窗裡的事，不是你公司裡的事。