作者：默思編輯部 發布：2026-10-07
在AI與就業的討論中，基本收入（UBI）與各種財富分配方案常停留在理論層面。2026年3月，全球基本收入網絡（BIEN）報導了一個較具體的實驗：由AI Commons Project與What We Will兩家非營利組織發起的「AI Dividend」試辦計畫。
根據報導，計畫對象是因AI而失去薪資、工作或機會的工作者。受助者每月可獲得1,000美元，為期一年，參與人數約25至50人。計畫的初始資金約為30萬美元，發起人希望在2026年發放總額約300萬美元的款項。
這個試辦計畫的人數不多，因此無法代表整體社會的結果。然而它的意義在於，它把「AI造成的損失應該如何補償」這個問題，具體化為一個可被追蹤的實驗。未來若能累積受助者的就業、收入與生活變化資料，對政策辯論會是重要的參考。
這個試辦計畫與前面提到的OpenAI產業政策文件，以及各國關於基本收入的討論，屬於同一股思潮：當AI改變工作結構，社會需要新的分配機制。不過，私人試辦與公共政策的差別很大，前者的資金來源、受助條件與期間都有限，後者則需要涵蓋更廣的人口與制度設計。
在制度還沒有成熟之前，個人仍應該做好自己的風險管理。可以留意自己的工作是否屬於AI高暴露的範圍，並規劃至少一項可以移轉的能力，例如跨產業的分析、流程設計或客戶溝通。即使未來有補償機制，能力與選擇權仍然是最可靠的保障。
這類小規模試辦最有價值的地方，在於它能提供追蹤性的資料。研究者可以觀察受助者在一年內的就業搜尋、技能學習與生活狀況變化，並與未受助的對照組比較。這些數據不能直接推論到整個社會，但能幫助政策制定者理解，現金補助與其他支持方式，對失業或收入下降的工作者可能產生什麼效果。
對於想理解這類計畫的讀者，可以留意其後續公布的結果，特別是受助者的職涯轉換情況，以及計畫是否能持續募集資金。
同時，這類計畫也引發了一個常被討論的問題：補助應該以個人失去收入為準，還是以更廣泛的社會影響為準？不同的答案會導向完全不同的制度設計，值得讀者持續關注。
對一般讀者來說，理解這類試辦的設計與限制，比單純關注金額更有助於判斷它在政策辯論中的位置。
若你希望從具體技能開始降低職涯風險，可以先從Python課程建立程式與資料處理的基礎。