OpenAI 250M 基金把衝擊變支援

OpenAI 的 250M Foundation 方案，重點是測量 AI 對工作影響，並把支援、轉職與經濟轉型做成制度。

我盯 AI 團隊講「影響」這件事很久了，老實說，大多數都很虛。模型發了、指標漂亮了、demo 也能跑，然後大家就像沒事一樣，等裁員、薪資壓力、外包縮水這些後座力自己冒出來。最讓我不爽的是，技術故事永遠跑得比社會故事快。大家很會展示自動化，但一碰到誰被影響、誰拿走好處，就開始打太極。

所以我看到 OpenAI 透過 OpenAI Foundation 丟出 250M 美元，說要做 transition support、measurement、shared prosperity 這幾件事，我是有停下來看。不是因為我覺得基金會能把整個爛攤子收乾淨，它當然不能。但至少這次，一家大 AI 公司終於承認：模型不是唯一產品，勞動衝擊也是產品的一部分。

這件事對做工具、帶團隊、寫 policy doc 的人都很實際。AI 如果真的改變工作，那回應就不能只是一張「reskilling」投影片。它得是一套系統：誰被影響、誰拿到支援、誰出錢、哪些資料先被量起來。沒這些，後面都只是安慰劑。

我下面拆的來源，是 OpenAI Foundation 的公開說法，加上 Sam Altman 在 X 的公告，以及 American Bazaar 的整理。Sam Altman 有發文，Foundation 頁面 也有對外描述。這篇我只保留報導裡真有的 250M，其他數字我不亂掰。

他們其實是在承認：問題不是自動化，是分配

“A central question is not only what AI can do, but where that value accrues.”

這句話我很買單，因為它把重點從「AI 能做什麼」拉回「價值最後落到誰手上」。翻譯一下就是：如果 AI 讓一個工程師效率高十倍，這很好；但如果公司把好處全吃掉，風險和混亂卻丟給員工，那整個系統就是歪的。OpenAI 這個基金會，至少是在試著把這件事講清楚。

我自己看過太多內部導入 AI 的案例，最常見的錯誤就是只看吞吐量，不看分配結果。主管會說客服單少了、產能高了，然後就沒下文。沒人問那些原本做 support 的人去哪了，是轉崗、補課、縮工時，還是默默被擠出去。分配，才是少掉的那一欄。

實操上，如果你要寫 AI 策略，我會直接加一節叫「價值落點」。不要只寫模型能做什麼，也不要只寫效率提升多少。你要把誰得利、誰承擔成本、哪些角色會被重組，攤開來寫。

• 列出 AI 會吃掉哪些任務。
• 列出哪些職位會少工時或少 headcount。
• 列出哪些部門會拿到更多 margin、時間或收入。
• 決定這些好處要不要透過薪資、訓練、福利重新分配。

先量測，不然你只是在憑感覺講故事

“Invest in independent measurement systems capable of tracking how AI changes employment patterns, wages, and labor markets globally.”

這段是整份計畫裡最不性感、但我最信的一段。好量測永遠比自信猜測有用。基金會其實是在說：現有的經濟儀表板，可能根本看不到 AI 真正造成的變化，尤其當收益跑到資本報酬、軟體訂閱、或生產力指標裡，薪資卻沒跟著動。

這不是抽象問題。我見過太多分析團隊把錯的東西量得很漂亮。你可以一路追 model calls、latency、token cost，數字都很整齊，但那完全不代表客服團隊有沒有縮編、自由接案有沒有萎縮、或者小公司是不是用一套 AI workflow 取代三個外包，然後還假裝這只是「流程優化」。

如果你想把這套邏輯搬進公司，我會建議你不要再用那種空泛的「AI adoption」dashboard。改做 transition dashboard，直接看勞動面影響。量 headcount、工時、薪資、外包流失、以及新角色有沒有真的長出來。量不到，你就不是在管理變化，你只是在希望它不要被看見。

• 先建立 AI 導入前的 headcount baseline。
• 記錄 workflow volume 前後差異。
• 同時追蹤「省下的工時」和「被移除的付費工作」。
• 把升遷、轉調、資遣、補償結果一起列進去。

而且 OpenAI 這次講的是全球 measurement，這點也重要。AI 不會在每個市場都長得一樣。美國的辦公流程被壓縮，可能對其他國家的行政、翻譯、客服、服務業影響更大。你只量一個市場，就等於拿單眼看全世界。

「再訓練」不是方案，它只是反射動作

“Economic transitions are lived before they are fully understood.”

我喜歡這句，因為它直接戳破企業最愛講的那套。翻譯一下就是：人先受傷，報告晚點才追上。等勞動市場報告真的證實變化，很多人早就先繳不出房租、失去保險，或被迫接一份更爛、通勤更長的工作了。

所以我不太買那種偷懶版 retraining。丟一個課程平台、發一張證書，然後說自己有照顧員工，這通常只是公關話術。基金會的說法至少比較誠實，它提到 transition assistance、unemployment support、wage-loss insurance、retraining，但也承認光靠傳統再訓練不夠。

我之前碰過一家公司，想用自動化吃掉一塊 support work。高層很會講，送了學習平台，說這叫 compassion。結果被影響的人要的不是課程，而是時間、收入穩定、跟一條真的能轉過去的路。課程不是缺的那塊，安全感才是。

實操上，如果你要做 transition program，我會把訓練放到最後，不要放第一步。先處理收入連續性、角色 mapping、以及 redeploy 的可能性。

• 先給一段明確的薪資保護期。
• 在宣布裁撤前，先把舊角色對應到相近新角色。
• 訓練要算工時，不要叫人下班後自己吞。
• 訓練要綁到實際職涯路徑，不是泛用證書。

最有用的是具體支援，不是空泛理論

The Foundation said it is interested in tools that help underserved populations access legal, healthcare, financial, and career guidance.

這段我覺得最能落地。宏觀經濟很容易講到飄掉，然後忘了真正需要幫忙的人其實就在眼前。AI 如果真的要介入工作轉型，最先能做的，不是取代專業人士，而是幫人把一堆麻煩事先整理好：福利、求職、法律表單、基本財務指引、醫療轉介。

我看過團隊做內部政策助手，速度比 HR 還快。這有用嗎？有。可是更有用的是，這類系統能不能幫那些本來就沒時間、又被官僚程序卡住的人，少走幾步冤枉路。你如果失業、低薪、或正在轉職，一個能講清楚表單跟下一步的助手，常常比一個很炫的 enterprise demo 更值錢。

實操寫法很簡單：做小、做窄、做得能交給人。不要讓系統假裝自己是律師或醫生，讓它做 triage、解釋和 routing 就好。

• 法律援助 intake 與文件準備。
• 福利資格檢查與步驟清單。
• 依技能做職涯路徑比對。
• 醫療預約與保險說明。

如果你要找相近的公共脈絡，可以看 Niskanen Center、Brookings，還有 OpenAI 的 Foundation 說明。這種工作要有可信度，通常都不是單一公司自己關起門來做出來的。

他們開始碰更大的經濟想法，因為舊答案太薄了

“Society will likely need new approaches that give people durable stakes in the systems creating value.”

這裡開始比較有意思。基金會把話題往更大的經濟設計推，像是把稅負從勞動轉向資本，或參考挪威、阿拉斯加那種 sovereign wealth fund。這不是小改動，這表示舊假設可能撐不住了：以前大家以為只要靠薪資，就能吃到成長；但如果軟體吃掉更多生產力，那分配機制就得跟著變。

翻譯一下就是，OpenAI 其實在碰 ownership，不只是 compensation。若 AI 系統真的持續創造價值，那人們需要的可能不是一句「你去學新工具就好」，而是對那份價值有穩定的 stake。這比一般公司那種「適應就對了」的口號老實多了。

我不會假裝這些政策簡單。稅制改革、公共基金、共享持股，都是政治戰，不是產品 feature。但至少它們在對的類別裡：如果機器做更多工作，那分配機制就不能還停在舊時代。

實操上，如果你在公司內部想做類比，可以看 profit-sharing、transition bonus、worker fund，或者把 automation savings 的一部分直接回饋給受影響團隊。不要讓 AI 省下來的錢，最後只長成 margin。

找外部人一起做，才不會變成自我感動

“The $250 million initiative will support outside organizations through grants, institutional partnerships, and open calls for proposals.”

這段我也認同。AI 對工作衝擊的研究，不可能靠單一公司自己畫完地圖。OpenAI 這次釋出 grants、institutional partnerships、open calls，意思就是它至少知道：研究員、非營利、政策團體、地方機構，才是做實事的人。

我看過太多內部 impact program 最後變成自嗨。還是那群人、還是那套假設、還是那幾個指標，最後當然還是得出自己想聽的結論。把錢放出去，讓外部的人來打臉，通常比較健康。

實操上，如果你也要做自己的 AI transition initiative，不要鎖在單一團隊裡。找外部研究者、公開假設、讓別人驗證你是不是在胡扯。

• 先發一個 scope 很窄的 public call for proposals。
• measurement work 和 intervention work 分開資助。
• 要求受資助者公開方法，不只交成果。
• 跟工會、大學、地方非營利一起做。

可抄的模板

# AI Transition Support Program Template

## Purpose
Build a program that measures AI-driven job disruption and funds practical support for affected workers.

## What we are trying to solve
AI adoption can increase productivity while also reducing hours, wages, or entire roles. This program exists to track those changes and respond before the damage becomes permanent.

## Program pillars
1. Measurement
   - Track affected job titles, hours removed, wage changes, contractor churn, and redeployment outcomes.
   - Compare baseline data before AI rollout with quarterly follow-up data.
   - Publish a short report with methods and findings.

2. Transition support
   - Offer wage protection for a defined transition period.
   - Provide job placement help, benefits navigation, and paid training time.
   - Prioritize workers whose roles are partially automated before cutting headcount.

3. Durable economic security
   - Explore profit-sharing, transition bonuses, or worker funds tied to automation savings.
   - Evaluate whether the program should include legal aid, healthcare routing, or financial guidance tools.
   - Partner with outside researchers and community organizations.

## Operating rules
- Do not treat a course catalog as the whole solution.
- Do not count model usage as proof of worker benefit.
- Measure who gains value and who loses income.
- Publish assumptions so outside groups can challenge them.

## Simple intake questions
- Which roles are affected?
- How many hours or tasks are being automated?
- What happens to the people doing that work?
- What support is available in the first 30, 90, and 180 days?
- What gets measured and reported publicly?

## Copy-ready proposal blurb
We are funding measurement, transition support, and long-term economic security work so AI adoption does not leave workers behind. Our program will track labor effects, support people through disruption, and test models that spread the gains more broadly.

如果是我來寫內部文件，我會把這份模板維持得很短、很硬。不要什麼願景口號，也不要「future of work」那種壁紙。只寫清楚誰被量、誰被幫、誰拿好處。

我從 OpenAI 這個 250M Foundation move 讀到的，不是「AI 會帶來衝擊」這種大家早就知道的事，而是：回應衝擊的制度，得跟造成衝擊的系統一樣認真。要不然最後還是老劇本，少數人吃到大部分好處，其他人拿到一疊很漂亮的再訓練傳單。

來源我主要拆 American Bazaar 的報導，再對照 OpenAI Foundation 與 Sam Altman 的 X 公告。文中的模板是我自己整理的，衍生自這些公開資料，不是 OpenAI 原文照抄。