（本文話題源自 2026 年 9 月中旬少數派 Matrix 社羣的一篇討論文章，近期因 AI Agent 應用普及再度被轉發，以下以回顧角度整理其觀點並延伸。）
「中等收入陷阱」原本是發展經濟學的術語：一個國家靠低成本勞力爬到中等收入後，工資漲了、優勢卻沒了，若無法轉向技術與產業升級，就會卡在原地。少數派作者 shiquda 把這個框架搬到個人身上：過去靠「會做」喫飯的人，正在經歷同一種卡關。
分數線一直在搬家
作者舉了自己的例子。2023 年進大學念計算機，秋季學期學 C++ 時 GitHub Copilot 出現了，行內按 Tab 就能補全出能通過評測的代碼。2024 年苦練的程式競賽技巧，2025 年被 Claude 輕鬆超越；2024 年還要盯著 Cursor 一步步指導的任務，2026 年普通用戶一句話就能讓 Agent 自主完成，測試維度齊全，接近可直接上線。
這裡的關鍵不是「AI 很強」，而是速度的不對稱。如果外行是 5 分（滿分 100），AI 現在無人指導就能到 60 分，而且下個月可能變 65、70；人類要往前挪同樣的距離，往往要花好幾年實戰。普通人的能力下限被快速抬升，靠下限喫飯的空間就同步壓縮。
用日常一點的比喻：這就像一條街上的搬家師傅，原本靠力氣和搬運技巧收費，後來來了一批電動推車，人人都能推。力氣不再稀缺，稀缺的變成誰知道該搬什麼、搬去哪、怎麼擺。
紅利期還沒結束，但倒數開始了
原文提出一個尖銳的思想實驗：假如所有人都會用 Agent，而且所有頂規模型全部免費，你有信心脫穎而出嗎？作者坦承自己沒多少信心，但指出正因為資訊差仍存在，多數人還沒把 Agent 用到極限，現在正是靠紅利期累積未來優勢的窗口。
換句話說，「會用 AI」本身正在從稀缺技能變成基本配備，就像二十年前「會用電腦」從履歷加分項變成預設前提。這個過渡期做完之後，競爭會回到另一批變數上。
文章特別提醒一個更隱蔽的風險：把「驅動 Agent 做到的事」錯當成「自己的能力」。這兩者的差別，在模型免費、人人可用的那天會立刻現形。就像業務員把業績歸功於自己，卻沒發現產品本身在自動暢銷；一旦換了產品，才知道客戶認的是誰。
執行之外的東西，價值正在相對上升
經濟學裡的轉型邏輯是：當低成本優勢消失，就得往技術與產業升級搬。對應到個人，當執行變便宜，判斷、品味、脈絡與責任承擔的相對價值就會上升。
判斷指的是知道該做什麼、什麼不該做。Agent 能產出 60 分的成果，但分辨成果能不能用、錯在哪裡、對使用者意味著什麼，仍需要對領域有真實理解的人把關。品味是對好壞的鑑別力，模型給你二十個方案，選哪一個取決於你累積的審美與經驗。脈絡則是領域知識與人際信任，知道這家公司的流程為什麼長這樣、那個客戶的脾氣如何，這些多半還沒被寫進任何訓練資料。
還有一項是責任。AI 可以生成合約草稿，但敢簽名、敢對結果負責的仍是人。只要組織仍需要有人承擔後果，承擔責任的位置就有溢價。
一般人可以做的三個實際調整
一是誠實盤點自己的工作內容，把「純執行」與「需要判斷」的部分分開列。前者愈多，風險愈高；後者太少，就該主動爭取累積的機會。
二是把 AI 從「代工」改成「陪練」。讓它產出草稿，然後逼自己說得出哪裡好、哪裡不行。說不出口，代表理解還停在 Agent 的水準線之下，這比產出本身更值得警覺。
三是趁紅利期把省下的時間投進機器還難以複製的資產：產業人脈、跨領域的脈絡、對使用者的真實理解。這些累積慢，貶值也慢。
那篇文章的結論並不悲觀，只是把時鐘指給讀者看。模型降價與能力上升的方向短時間內不會反轉，差別只在於：有人把紅利期當終點站，有人把它當轉車月臺。在同一個月臺上，決定下一步的從來不是車票價格，而是你打算去哪。
（文／沈安）
主題