機器人只做人類不愛做、做不好的事：這句話把「搶飯碗」的焦慮問錯了方向

「機器人會不會搶走我的工作？」這個問題在每次機器人大會前後都會被重新問一遍。近日在機器人大會場邊，有專家給出了一個不太一樣的答案：不必擔心機器人搶飯碗，因為機器人的定位從來就是去做人類「不願承擔」或「難以做好」的工作。具體到實驗室裡，有三類工作最適合交出去：接觸有害病毒、化學揮發性物質等有風險的作業；反覆滴試劑、傳細胞這類枯燥操作；以及人做起來復現性、一致性難以保證的實驗。機器人還能忠實記錄溫度、步驟等每一個條件，讓科學家把時間騰出來，投入真正需要判斷力的高價值環節。

這句「只做人類不愛做、做不好的事」，值得拆開來看。它其實重新框定了人機分工的問題：與其問機器人「能做多少」，不如問哪些工作交給機器人做，成果會更好、人也更安全。

三類工作，三種「交出去」的理由

先看第一類，有風險的作業。實驗室裡的有害病毒、揮發性化學試劑，靠的是防護裝備、通風櫃與嚴格的SOP。但防護再周全，暴露風險永遠存在，差別只在機率。這類工作交給機器，等於把風險本身從人的身上移走。這不是效率問題，是誰來承受後果的問題。

第二類是枯燥的重複操作。滴試劑、傳細胞、分裝樣品，這些動作本身不難，難在一天要做幾十次、每次都要一樣。人做重複的事情會疲勞、會分心、會因為趕下班而快半秒。用日常一點的比喻：這就像要求你每天煮一百顆一模一樣的荷包蛋，第三十顆開始，品質就開始漂移。

第三類最容易被忽略：人做不好、復現性難保證的實驗。科學研究長期為「復現危機」所困，同一個實驗換一雙手、換一天，結果就可能不同。這未必是誰操作馬虎，而是人天生無法每次都用完全相同的力道、角度、時間完成同一個動作。機器人恰好相反，它的價值就在於每次都一樣，而且它會把溫度、步驟、時間全程記錄下來。這份紀錄讓實驗結果可以被追溯、被檢驗，對講求可驗證性的科學研究來說，這是比省人力更根本的貢獻。

這與我們先前分析過的機器人走進家庭場景的真實進度有相似的邏輯：機器人目前最可靠的落點，都是任務邊界清楚、動作可標準化的場景，而不是開放環境裡的隨機應變。

焦慮的來源，與分工的現實

「搶飯碗」的擔憂並非空穴來風。歷史上每次自動化浪潮，確實都消滅了一批職位，同時也創造了另一批。但這次討論的重點在於分工的「顆粒度」變細了：過去是整個職位被取代，現在更常見的是一個職位裡的某些環節被抽走。

以實驗室為例，研究人員的工作裡，真正屬於「創造知識」的部分，提出假設、設計實驗、解讀數據、判斷下一步，短期內仍牢牢在人手裡。被抽走的是物理操作那一層：移液、培養、記錄。這意味著未來研究人員的核心能力，會從「手很穩」轉向「設計得好、判讀得準」。對正在選擇職涯的年輕人來說，這是一個可以現在就開始調整的方向。

同樣的邏輯也適用於實驗室之外的讀者。每個人的工作裡，都有一塊「不愛做」的重複勞動，和一塊「做不好」的精細操作。自動化工具，無論是實驗機器人還是軟體，正在從這兩塊開始切入。值得自問的是：如果明天這些環節被機器接走，剩下的部分，是我真正擅長、且別人難以取代的嗎？

科學家騰出的時間，拿去做什麼

專家說法裡有一句值得停下來想：「讓科學家騰出寶貴時間做高價值事情。」

這句話隱含一個前提：實驗室裡的人力，目前有相當比例耗費在低價值的物理操作上。研究生泡在細胞房裡傳代、清洗、分裝的時數，往往遠超過讀文獻、想問題的時數。機器人接手這一層之後，理論上釋放的是研究體系裡最稀缺的資源：受過完整訓練的人的注意力。

當然，工具改變分工，分工也會反過來重塑工具的需求。實驗室自動化普及之後，會需要懂實驗設計、也懂機器操作與數據管理的人。這類跨域能力目前在教育體系裡的供給，遠跟不上硬體成熟的速度。這也是許多自動化議題的共同結局：缺的不是機器，是會用好機器的人。

從更廣的視角看，這與我們在外骨骼如何幫腿出力的分析中看到的趨勢一致：機器的角色愈來愈偏向「輔助」而非「替代」，先補人的短板，再談效率。

下一步該觀察什麼

短期內，判斷這套「人機各司其職」的論述是否成立，可以看幾個訊號。第一，實驗室機器人的成本曲線：只有當價格降到一般研究團隊負擔得起，分工才會從頭部機構擴散到普通實驗室。第二，科學期刊對實驗紀錄的要求：如果審查開始普遍要求機器可讀、全程留痕的操作紀錄，自動化的誘因會大幅增強。第三，教育端的反應：大學的生命科學、化學系課程，何時把實驗自動化與數據管理列為必修，會是分工真正落地的前兆。

回到一開始的問題。機器人搶不搶飯碗，取決於你把自己的飯碗定義成「一連串動作」還是「一組判斷」。動作容易被標準化、被接走；判斷暫時還不會。這句「機器人只做人類不愛做、做不好的事」，與其說是安慰，不如說是一張分工的邀請函：把可交出去的交出去，把留給人的部分做得更好。