公司部門前陣子開了一場叫做 Time Machine 的會議。
主管把過去一年攤開來 請大家寫寫Proud、Suffered、Confused的便條紙，其中[事情只增不減]這張便條紙，讓幾乎每個人都點頭。
AI 加速output，工作量也同步增加；
步調變快，挑戰與責任也更重。
沒有人覺得意外。
大家只是第一次把這件事寫在白板上。
就在那段時間前後，我的Team中一位資深工程師離職了。他負責的是一套跑了比我職涯還長的ERP系統。
主管找我談，說法很直接，
: 現在有 AI，你應該可以接起來啦。😀
我接了。
Day one 開始就要解決系統問題。沒有交接文件，沒有人可以問，
只有十年累積的邏輯靜靜躺在程式碼與資料庫裡。
AI 確實幫了我，
讓我可以比任何以前的時代都更快速地讀懂一個陌生系統。
但沒有人看到的是：
那個「更快上手」的代價，是你的心智從來沒有離開過戰場。
壓力不是來自做不到，而是來自「有 AI，所以你應該做得到」這件事本身。
傑文斯悖論（Jevons Paradox）放到 AI 時代
1865 年，William Stanley Jevons 觀察到一件反直覺的事：
蒸汽機效率提升之後，英國的煤炭消耗不降反升。
成本下降，使用邊界就擴大；使用邊界擴大，總消耗反而更高。
Nature Cities 後來用這個脈絡討論「數位傑文斯悖論」(digital Jevons paradox)：
演算法越有效率，AI 的能源足跡可能不縮小，反而膨脹。
IEA 2026 年報告也給了數字：
全球 AI 專用資料中心用電在 2025 年暴增 50%，
預計到 2030 年從 485 TWh 翻倍到 950 TWh。
模型越來越有效率，但整體需求加速膨脹。
經濟學上，這個現象有更精確的名字：
回彈效應（Rebound Effect）。
當一項資源的使用效率提升，它的實際成本就會下降。
成本下降，需求彈性就發揮作用 -
人們不是用更少，而是用得更多，
因為「划算」。
如果回彈幅度超過效率提升的幅度，總消耗不降反升，
這就是完全回彈，
也就是傑文斯悖論的核心機制。
以 AI 推論來說： 假設模型優化讓單次推論成本從 1 元降到 0.1 元。 直覺上總支出應該下降。 但真實情況是， 使用者因為「便宜」而把原本不會問 AI 的事情也開始問了，從一天 10 次變成 500 次。
總成本從 10 元變成 50 元。
效率提升了十倍，消耗卻增加了五倍。
更關鍵的是，效率提升還會打開一批 「原本因為太貴而不存在」的全新需求。
為什麼會這樣？
因為效率提升做的不只是「讓舊事情變便宜」， 它同時在釋放「原本不存在的需求」。
以前太貴、太慢、太麻煩，所以根本不會做的事，現在全部浮出來了。
讓 AI 幫每位學生客製化教材。
讓 agent 自動分析每個客戶的財報。
讓每間公司把人工不可能處理的法務、文件審查全部自動化。
這些需求不是被 AI 創造出來的，它們一直都在，
只是成本讓它們無法存在。
效率一提升，壓抑多年的需求一次釋放。
這跟半導體產業的邏輯一模一樣。
單顆 transistor 變便宜之後，大家不是縮小晶片就結束，
而是把更多 transistor 塞進去，
做出 GPU、NPU、HBM、AI accelerator。
效率提升從來不是終點，而是更大系統的起點。
AI 也一樣，
而且問題還不只是「使用次數增加」，
任務本身也在往更耗資源的方向走。
從文字問答，到影片生成、推理型任務、agentic workflows 等
IEA(國際能源總署) 特別指出，這類新應用單次 query 的能源消耗，可能比簡單文字生成高出數百到數千倍。
模型架構越來越有效率，但人們解鎖的任務也越來越重。
還有一個更隱性的版本：
AI 省下的時間，不會降低組織的產出期待，只會提高它。
以前一週交一份簡報，AI 加速之後，老闆期待的不是讓你早點下班，而是五個版本、更多分析、更快回覆。
傑文斯悖論不只發生在能源和算力上，
它也發生在每一個導入 AI 工具的團隊裡。
我自己就是一個例子。
因為 AI，我的生產力確實變高了。然後我在公司發動了幾個 AI 專案，下班之後開始做 AI Pulse 週報、做side project，還時不時跟自己談各種 side project 的可能性。
野心在擴張，待辦清單也在擴張。
有一段時間我以為這是好事。
但《道德經》裡有一句話我一直沒有忘記：
為學日益，為道日省
學習，是不斷累積；
而真正的修煉，是不斷做減法。
AI 出現之前，我曾經意識到一件事：
潛層次的身體與心靈分離，
使我們無從認識更大的事實。
愈是與世界及事實分離，
就愈陷入內在的掙扎、焦慮和疏離。
先是身心合一，心帶動身，
身也能高度貫徹心的意志。
建立一個有界限的、確定的實體，
進而形成自我與非我的分離對立，
才能達到更深層的身心分離，讓心智去指揮與決策身體的行為，
達到目的。
在那時我以為是一個關於靜下來的提醒。
現在，野心越來越大的我，好像越來越做不到那件事了。
傑文斯悖論說的是能源和算力。
但也許更深的版本，是關於一個人的注意力。
效率提升之後，你能做的事情變多，
於是你做了更多事情，
於是你能分給每件事的專注變少，
於是你開始感到一種說不清楚的疲憊，
那不是累，是散開。
AI 省下來的時間，不會還給你。
它會變成新的期待、
新的專案、
新的責任、
新的你對自己說
「既然可以，那就做吧」。
這個問題，我現在還沒有答案。
JK 2026/05/12