Joseph Politano 的創意職位分析：流失 20 萬職位，但 AI 所佔比重仍未明
Joseph Politano 指出，美國在四年間流失逾 20 萬個創意產業職位，但其分析無法分辨 AI 所造成的影響。這篇於 2026 年 9 月 27 日發表的 Joseph Politano 創意職位分析，提出了一個比軟件能否生成圖片或劇本更棘手的問題：企業為何正縮減創意工作者的聘用，而當中哪些收縮實際可追溯至人工智能？
這項區分對於建立、採購或與這些系統協作的人尤其重要。一部被取消的電視劇、移師海外的製作，以及自動化插畫工作，都可能減少美國的就業職位，但它們代表不同的經濟事件。把它們視為同一回事，或會造就戲劇化的標題，卻掩蓋了勞工和僱主下一步應如何應對。
核心矛盾在於：AI 承諾擴大創意產出，但依靠創意工作維生的人前景仍然未明。Adobe 的招聘研究所呈現的情況，比媒體薪酬名冊下滑所反映的更樂觀。這些發現可以同時成立：企業可以刊登創意職位招聘廣告，同時成熟娛樂業僱主亦可裁減職位。要理解兩者的差異，必須區分行業、職業、工作委託，以及實際招聘情況。
Joseph Politano 的創意職位分析實際衡量甚麼
標題數字描述的是若干指定創意行業的收縮，而非經核實由 AI 取代的人數。Politano 的創意就業分析估計，在此前一年內約流失 50,000 個職位。他亦指出，電影及錄音業在四年間流失逾 100,000 個職位。
這些數字顯示了所報告跌勢的規模，但並沒有說明每個職位消失的原因。Politano 承認，當中存在多項相互重疊的壓力，包括行業整合、製作移師海外，以及來自社交媒體的競爭。他的論點把 AI 與數碼娛樂業商業環境的整體惡化聯繫起來，但沒有計算可歸因於 AI 的比例。
行業薪酬名冊縮減證明存在就業問題；但不能證明 AI 造成了當中多少影響。
衡量方式本身亦值得注意。美國勞工統計局的薪酬調查方法說明，這是一項統計非農業薪酬職位的企業調查，並不包括未註冊的自僱人士。它計算的是職位而非獨立個人，因此同時擔任多個受涵蓋職位的人，可能被計算多於一次。
行業就業與職業就業亦回答不同問題。娛樂公司的薪酬名冊包括非藝術職業的員工；相反，為製造商工作的設計師，其僱主並不屬於娛樂業。因此，媒體薪酬名冊的下跌，無法描述每位靠創意技能賺取收入的美國人。
當人們在不同聘用安排之間轉換時，這些界線尤其重要。有人離開工作室轉為獨立工作後，便會從該工作室的薪酬名冊中消失。但這項變化無法揭示其收入是否回升、惡化，還是變得更難預測。新的獨立業務亦不會自動提供等同的生計。
四年比較同樣需要審慎看待，因為起始點會影響所報告的跌幅。把就業情況與製作高峰期比較，和與較長期歷史平均值比較，回答的是不同問題。兩種比較本身都不一定無效，但讀者在解讀調整幅度前，需要知道比較基準。
這正是為何標題數字應繼續連同其作者、時間範圍及衡量方式一併表述。它概括了一項獲報告的行業收縮，不應成為「20 萬名已獲確認被 AI 取代的人」、「20 萬名失業藝術工作者」，或創意工作本身消失的簡稱。
眼前的新聞是持續的就業流失。尚未解答的問題是，其中多少來自自動化、多少來自製作減少，以及多少是工作地點或形式的轉變。
成因未明之前，壓力已先落在工作者身上
對於失去工作委託的人而言，成因不明並不能帶來多少安慰。即使行政人員把原因歸咎於融資、觀眾需求或新軟件，製作停擺仍可中斷收入。釐清因果關係很重要，因為不同解釋指向不同的應對方法。
美國編劇工會的編劇就業概況提供了一個具體例子。該會統計，在縮短的 2023–24 季度中，有 228 部受涵蓋的劇集，低於前一季度的 362 部。電視編劇職位由 3,138 個降至 1,819 個，減少 1,319 個。
工會把這項收縮與有線電視衰退、串流服務擴張退潮，以及受罷工影響而縮短的季度聯繫起來。其數字涵蓋特定節目及就業類別，而非每一項編劇委託，但仍記錄了製作下滑，毋須假設 AI 寫了那些未有製作的節目。
在研究人員能把每宗損失歸因於某項技術之前，工作者已先面對有薪機會的流失。
這為職涯規劃帶來即時問題。學習使用 AI 應用程式，或可提升某人在現有工作委託中的競爭力，但不能保證僱主會委託相關項目。培訓處理的是能力，並不會自動恢復需求。
這項區分對僱主亦同樣重要。如果較少工作委託是裁減人手的原因，購買更快的製作軟件無法解決需求消失的問題。如果公司有工作，但難以應付交付成本，自動化則是在處理另一項限制。兩種情況都可造成較小團隊，但背後的商業邏輯並不相同。
入行途徑值得特別審視。早期工作委託讓新人培養判斷力、建立關係，並證明可靠性。如果僱主減少這些機會，影響便超越今日的就業數字。行業可能削弱讓經驗較少的工作者成為受信賴專業人士的過程。
這是一項分析風險，而非從整體數字得出的量化結論。要證明這點，便需要按經驗、工作委託類型及職涯進展整理的招聘數據。不過，這也解釋了為何勞動力討論除了總職位數目外，亦應檢視誰獲得餘下的機會。
獨立工作者面對另一項衡量問題。僱主可以減少外判工作委託而毋須宣布裁員，因為這些供應者從來不是僱員。因此，財務壓力可能在公司人頭數字顯現之前，已先觸及創意工作群體。
企業採購者應留意這項區分。供應商人手減少，可能反映製作更有效率、業務縮減，或更依賴承包商。同一個人手數字，可能掩蓋對品質、延續性及交付截然不同的影響。
真正有用的問題是：有薪工作究竟發生了甚麼事？它是消失了、轉移到別處、成為內部責任，還是需要較少工時？沒有答案的話，無論恐慌還是安慰都不完整。
更多創意產出不保證帶來更多創意就業
AI 的經濟承諾始於一個直接的可能性：當製作變得更容易，便可讓更多人創作。生成式 AI，即根據學習得來的模式產生內容的軟件，可支援由起草到圖像創作等活動。對就業的影響，取決於買家如何使用這些新增能力。
一項假設的廣告工作委託可說明其中的不確定性。買家可能利用更快的製作流程，在保留創意團隊之餘委託更多概念；另一種情況是，買家要求較少供應者交付同樣成果。兩種結果都涉及更強的製作能力，但對勞動力需求的影響不同。
創意生產力與就業之間的關係，取決於採購決定，而不單是技術能力。
有實證顯示，替代在特定市場確實發生。Ozge Demirci、Jonas Hannane 及 Xinrong Zhu 的研究檢視了一個網上自由工作平台的需求。他們的自由工作勞動研究指出，在圖像生成 AI 推出後，圖像創作職位刊登數目下跌 17%。
這項發現加強了 AI 可減少某些外購創意工作的需求這一論點。但其界線仍然至關重要：平台刊登的職位不是已完成的合約、全國就業總數，也不是 Hollywood 製作的代表性樣本。把這個估計跌幅套用到全美創意工作者，將超出證據所能支持的範圍。
不過，研究指出了一個比整體薪酬數據更具體的機制。當買家可在內部製作出可接受的成果，外判工作委託便較不必要。關鍵詞是「可接受」。相關標準取決於買家對該特定用途的要求。
臨時內部概念圖與大型公開宣傳活動的要求不同。前者可能優先考慮速度及基本溝通，後者則可能需要鮮明的藝術指導、一致性、審批程序及可辯護的所有權。把所有圖像製作視為可互換的單一工作，會掩蓋這些差異。
市場擴張亦有另一種可能。如果製作變得更容易，買家可能會開展過去放棄的工作。額外活動可為指導、潤飾、發佈或評估相關內容的人創造機會。這種擴張會否抵銷替代效應，仍是一個實證問題。
這令資深工作者面對困難處境。內容產量增加，不代表開支必然流向同一批人或職業。一個市場可以變得更活躍，同時個別工作委託對原有供應者的價值卻下降。
傳統媒體與創作者平台之間的競爭，帶來另一項複雜因素。Netflix 和 YouTube 爭奪觀眾，但其製作安排不同。只比較兩者的觀眾，無法證明傳統工作室職位在內容經濟中有等同的替代選項。
比較創意軟件供應商時，同樣需要審慎。Adobe 銷售的是在專業工作流程中使用的工具；嘗試使用通用 AI 系統的買家，則可能處理不同任務。產品被採用，並不代表對所有使用者造成相同影響。
關鍵問題是製作方式改變後，開支流向何處。它是否支持更多有薪項目、留在買家手中，還是轉移至發佈及軟件？就業結果取決於這種分配，一如取決於模型能生成甚麼。
Adobe 的招聘發現令「取代」說法更複雜
另一組數據描繪出較為樂觀的情況。Adobe 在 2026 年 6 月發表的研究指出，美國創意專業職位招聘廣告在 2025 年 9 月至 2026 年 4 月期間上升了 8%。其詮釋強調工作重新分配，而非直接取代。
該公司的創意人才招聘研究結合職位招聘廣告分析、問卷調查及質性研究。研究指出，創意工作正轉向篩選、指導、與客戶協商及承擔責任。從業者亦提到截止期限被壓縮，以及較小型工作項目的壓力。
Adobe 在推動採用方面有商業利益，因此其論述值得審視。這並不會否定其觀察結果，而是意味著讀者應區分所報告的測量數據，以及公司對這些數據所代表意義的更廣泛詮釋。
創意職位招聘廣告上升與媒體行業薪酬人數下降可以同時存在，因為兩者衡量的是不同時期的不同群體。
零售商刊登的設計師職位，屬於與工作室製作職位不同的僱主類別。因此，跨職業的招聘廣告增長並不能抵銷行業損失。同樣地，成熟媒體僱主縮減規模，也不能證明所有創意職業都在衰退。
招聘廣告反映的是意向，而不是已完成的僱傭關係。一則招聘廣告可能最終成功聘人、持續開放，或被撤下。在缺乏更多資料的情況下，其存在無法證明總就業人數是否增加，也無法證明某位被取代的工作者是否找到可比的工作。
時間範圍亦不相同。Adobe 比較的是數月內的特定觀察數據；Politano 則描述跨越多年的損失。短期招聘改善可以出現在較長期的收縮之中。任何一組數據都不應被延伸為對另一組數據的直接反駁。
更值得關注的張力在於餘下職位的工作內容。若軟件處理初步版本的變化，僱主或會更重視從不同輸出中作出選擇，以及管理修改。即使職位名稱保持熟悉，這仍會改變職位所需的能力。
對工作者而言，這種可能性同時帶來機會與壓力。既有專業知識可在評估機器生成內容時變得更有價值。但僱主亦可能在不增加人手或不預留更多審核時間的情況下擴大職責。工作組合改變並不代表職位變得更好。
買方面對相應的管理問題。生成內容與批准內容是兩項不同責任。若製作加速而批准能力維持不變，限制因素便會轉移，而非消失。採購決策應在假設更快起草等於更快完成前，檢視整個交付流程。
這正是樂觀與悲觀看法真正交會之處。AI 可以協助人們提高產出，同時僱主可圍繞較少的製作工作重新組織有薪工作。這種重組會否支持更多就業，取決於需求、人手安排，以及人類審核所獲賦予的價值。
因此，Adobe 的發現令「必然崩潰」的敘事變得更複雜。它們並未解決全國就業問題，正如媒體行業薪酬人數下降也未能界定 AI 的因果貢獻。
版權與缺失的證據限制了自動化的說法
創意僱主購買的不只是可見的輸出成果，還包括使用、修改、分發及為其辯護的能力。這使所有權與製作決策息息相關。即使成果看似合用，仍可能令買方對其獲得哪些權利感到不確定。
美國版權局在 2025 年 1 月發布的人類作者身份指引，處理了這個問題的一部分。指引指出，只有在充分的表達元素來自人類作者創作時，AI 輸出才可獲保護。僅提供提示詞並不符合該標準。
版權局亦說明，AI 輔助並不會自動阻礙較大型的人類創作作品獲得保護。其立場區分人類貢獻與機器生成素材，並不支持所有 AI 輔助項目均不受版權保護的一概說法。
創意輸出的經濟價值，部分取決於可用權利，亦取決於速度、質素及製作成本。
這在評估節省人力的說法時尤其重要。製作流程或可縮短起草時間，卻同時增加文件記錄、審核或修改責任。這些改變會否降低整體人力需求，取決於工作流程。快速生成的示範無法回答這個營運問題。
同一原則亦適用於就業研究。得知僱員使用 AI，並不能揭示他們以 AI 完成哪些工作。撰寫例行通訊與生成商業插畫，代表不同用途，即使兩者都被歸入同一廣泛採用類別。
因此，Joseph Politano 對創意職位的分析應被視為需要進一步調查的警示，而非完成的因果核算。其就業趨勢及 AI 詮釋處於不同證據層次。要確立後者，必須掌握受影響企業內部的決策資料。
有用的證據應把採用情況與工作分配、人手安排、產出及時間連結起來。研究人員亦須檢視需求及生產地點的變化。否則，企業在既有低迷期間引入 AI，可能會令技術看來要為整體下滑負責。
反過來的錯誤同樣重要。缺乏文件記錄並不能證明 AI 毫無影響。公司可改變合約安排、招聘或工作量，卻不會產生足以供外界分析的詳細公開說明。不確定性應維持為不確定性。
幾種不同形式的取代亦須保持區分。取消現有職位，與不填補空缺不同。減少自由工作者委聘，與把製作遷往海外不同。每種情況都會影響機會，但單一裁員統計會以不均衡的方式捕捉它們。
對知識工作者而言，保存證據很有用。在個人知識庫中保留附日期的來源資料、項目決策及工作流程變更，可支援對職責變化作出更有根據的討論。
目的在於記錄實際工作，而非從宣傳說法推斷。團隊在採用前產出了甚麼？其後有何改變？誰負責修改與批准？這些問題比單一生成樣本更能為評估生產力提供穩固基礎。
驗證缺口相當大，但具體明確。研究人員可以測量就業收縮，同時仍無法識別 AI 所佔的確切份額。把這些結論分開，會令分析更有用。
下一輪就業數據發布必須連同招聘及工作流程一併解讀
未來數月將更能釐清方向，而非最終因果關係。沒有單一一次發布能調和所有就業衡量指標。較有用的做法是按固定次序追蹤相關訊號，並詢問它們是否支持同一種解釋。
最有力的證據會把就業變化與製作需求，以及工作完成方式的已記錄變化連結起來。
首先，留意後續的行業就業數據發布及修訂。相關類別持續出現損失，將加強收縮仍在持續的結論。若情況趨於穩定，將削弱衰退只是加速的說法，儘管這不能證明每個職業都在復甦。
任何改善的構成都很重要。一個類別的就業回升而其他類別惡化，將挑戰對創意工作的劃一敘述。應根據一致的定義及時間範圍評估變化，而非挑選產生最戲劇化結果的比較方式。
其次，留意招聘意向會否變成有薪機會。若對創意職位招聘廣告的後續研究亦顯示已完成招聘、經驗要求及僱傭安排，資訊價值將更高。這有助區分機會擴大與招聘廣告改變。
若傳統媒體以外的創意招聘有所改善，重新分配的論點會更有力。若招聘廣告增加而沒有相應招聘，基於廣告的樂觀判斷便較缺乏說服力。兩種結果都不能單獨識別前工作室僱員的去向。
第三，留意 AI 採用後製作人手及外判工作分配的已記錄變化。有價值的披露會同時描述已完成工作、審核要求及人力使用。僅泛泛表示使用 AI 所揭示的資訊會少得多。
若企業以較少購買的人力時數維持可比產出，將提供與替代一致的證據。若企業增加有薪項目及人手，則支持擴張。這些比較仍須留意需求、質素及轉移至其他地方的工作。
對開發者而言，這令焦點落在客戶的完整流程上。工具對就業的影響取決於它改變哪些工作分配，以及買方其後如何行動。對企業客戶而言，這意味著應連同生成速度，一併評估問責及交付。
對工作者而言，這意味著應抗拒把每個行業問題都歸咎於個人適應能力的解釋。新技能可以重要，即使委聘仍然稀少。同樣地，艱難的市場也不會令每項技術改變都與未來機會無關。
應把 Joseph Politano 的創意職位分析視為檢視有薪工作的起點，而非 AI 取代人數的最終統計。追蹤下一輪就業數據發布，仔細比較招聘衡量指標，並尋找把工具與實際人手決策連結起來的證據。當僱主宣布效率提升時，詢問工作分配、審核時間及完成產出發生了甚麼變化。當平台慶祝創意增長時，詢問誰從中賺取收入，以及那些機會是否類似正在流失的職位。問題已不再是機器能否生成創意素材，而是改變中的製作方法能否支持可持續生計，以及甚麼證據能讓工作者、買方及研究人員分辨當中的差異。
