Lilly Irani 為什麼說創新不能只看成功故事？平台工作如何重寫人的價值

Lilly Irani 為什麼說創新不能只看成功故事？平台工作如何重寫人的價值

Lilly Irani 最重要的提醒是，「創新」從來不只是新技術或新產品的故事。當平台把工作拆成任務、把人放進排行榜、把不確定的收入包裝成彈性選擇，創新也同時在重寫什麼工作值得被看見、誰被稱為人才、誰只能成為系統背後可替換的一部分。

如果只把平台經濟看成提高效率，就會漏掉它改變人的方式：有人被鼓勵成為能自行承擔風險的創業者，有人則被安排處理零碎任務、等待任務與維護品質。Irani 的價值，在於她讓這條分界重新變得可見。

實體索引｜Lilly Irani為什麼說創新不能只看成功故事？平台工作如何重寫人的價值

• 平台與勞動實體：Lilly Irani為什麼說創新不能只看成功故事？平台工作如何重寫人的價值；核對平台、發案方、工作者、任務、演算法、資料、報酬、規則與研究來源。
• 原文錨點：Lilly Irani 最重要的提醒是，「創新」從來不只是新技術或新產品的故事。當平台把工作拆成任務、把人放進排行榜、把不確定的收入包裝成彈性選擇，創新也同時在重寫什麼工作值得被看見、誰被稱為人才、誰只能成為系統背後可替換的一部分。 編輯插圖：計算、回饋與制度設計如何彼此連動。 如果只把平台經濟看成提高效率，就會漏掉它改變人的方式：有人被鼓勵成為能自行承擔風險的創業者，有人則被安排處理零碎任務、等待任務與維護品質。Irani 的價值，在於她讓這條分界重新變得可見。 快速抓住這
• 權力脈絡：把任務拆分、評分、資訊可見度、彈性、隱形工作、議價與申訴分開，說明自動化如何重新分配成本。
• 編輯界線：區分平台宣稱、工作者經驗、研究證據與評論，不把「自動」或「彈性」直接寫成中立結果。

快速抓住這篇文章

• 創新敘事常聚焦創業者、產品與資金，卻容易忽略支撐平台與 AI 的任務工作、維護工作與協調工作。
• 平台把工作拆細後，工作的價值容易被件數與速度定義，經驗、等待、溝通與例外處理則退到背景。
• 「彈性」不只是工作者多了選擇，也可能代表收入、時間與規則的不確定性由個人吸收。
• AI 導入不只改變工作量，更會重新安排誰有判斷權、誰能修改規則、誰必須接住系統的例外。
• 成熟的創新不應只問技術可否擴張，也要問工作設計是否讓參與者能理解、協商與改善流程。

背景與核心脈絡

Lilly Irani 是研究科技文化、平台勞動與創新政治的學者。她的著作《Chasing Innovation: Making Entrepreneurial Citizens in Modern India》討論創新如何不只是產業政策或商業策略，也是一套塑造人的制度語言：人們被期待主動、靈活、能承擔風險，並把不穩定視為自我成長的一部分。

在她對 microwork 的研究裡，Irani 也觀察到，平台可以把大型工作拆成大量小任務，再以介面、評分與規則把這些任務分配出去。使用者看見的是快速完成的服務，投資人看見的是可擴張的產品，但真正維持系統的人往往難以被視為創新的主角。

這條問題線可以接到 Mary L. Gray 與 Siddharth Suri 對隱形工作的分析：AI 與平台服務之所以顯得順暢，常常不是因為人已經退出流程，而是因為人被安排到產品畫面之外。

創新敘事最容易漏掉的，是誰讓系統真的跑起來

創新故事通常有清楚的角色：創辦人、工程師、投資人、使用者。但平台與 AI 的日常運作，還需要大量不在舞台中央的工作：資料整理、格式校對、品質檢查、問題回報、例外處理與流程修正。

這些任務不見得不重要，反而常是系統能否維持品質的關鍵。問題在於，當它們被拆得太細、被包裝成可隨時替換的任務，就容易從「專業工作」變成「系統成本」。技術的成功被放大，讓成功成為可能的人卻被留在背景。

創新不是只有新工具被發明，也包括誰被安排負責那些工具無法完成的部分。

當工作被拆成任務，價值也會被重新定義

平台擅長把工作轉成可追蹤的單位：完成幾件、花了多久、得到多少評分。這種設計便於管理，也便於比較，但它會讓容易計量的產出變得格外重要。

相對地，準備工作、理解脈絡、與人溝通、等待回覆、處理模糊案例與修正錯誤，往往沒有同樣清楚的計價方式。這不表示它們沒有價值，而是系統很容易看不見它們。

Irani 的觀點提醒我們，任務設計不是中立的介面選擇。它決定了什麼能被記錄為成果，什麼被當作理所當然的背景；也決定了誰有資格被稱為創新者，誰只能被期待更快地完成下一件任務。

「彈性」為什麼不一定等於更多自由

彈性工作可以讓人選擇時間與任務，這確實可能帶來便利。但它也可能把原本由組織承擔的安排，轉成個人每天必須處理的問題：何時有任務、規則是否改變、收入是否穩定、遇到爭議該找誰。

因此，判斷一份工作是否真的具有彈性，不該只看能否自由登入平台，還要看工作者能否理解規則、預測收入、提出異議，以及在系統出錯時得到合理回應。沒有這些條件，彈性很可能只是把不確定性換了一個名字。

生成式AI正在重新分配判斷權

生成式 AI 能協助寫作、整理、翻譯與搜尋，agent 也能在固定流程中執行多個步驟。這讓一些工作更快，但同時會產生新的問題：誰能判斷輸出是否可用？誰能標記例外？誰能修改流程？誰必須為錯誤對外說明？

真正關鍵的不是人是否還在流程裡，而是人還有沒有判斷權。若人只剩下接住系統失敗的責任，卻沒有修正規則的權限，AI 就可能把工作者變成被動的補洞者。反過來說，若團隊把回饋、人工覆核與流程修正設計成正式職能，AI 才能成為放大專業的工具。

這和 Sayash Kapoor 對 agent 可靠性的提醒一致：系統不只要能完成任務，也要讓人知道何時接手、如何回復，並能把失敗經驗反饋回流程。

對台灣讀者來說，AI導入不該只問能省幾個人

台灣的公司與內容團隊導入 AI 時，很容易先問能省下多少時間與人力。Irani 提供的更好問題是：被省下的工作去哪裡了？是被真正消除，還是變成更零碎的檢查、修正與例外處理？這些工作由誰做？是否被正式承認？

更可靠的 AI 流程，會先畫出完整工作地圖：哪些任務交給工具、哪些工作需要人、哪些情況必須升級處理、誰能調整規則、誰對最後結果負責。把這些角色寫清楚，通常比一開始追求全自動更能保住品質與信任。

讀者常問

Lilly Irani是誰？

Lilly Irani 是研究科技文化、平台勞動與創新政治的學者。她的工作關注創新如何影響人們對工作、人才與自我負責的理解，也討論平台任務如何讓部分工作變得不易被看見。

平台的任務拆分為什麼重要？

任務拆分能提高分配與追蹤效率，但也可能讓準備、等待、溝通與例外處理變得難以計價。它不只改變工作怎麼完成，也改變什麼被視為有價值的成果，以及哪些人的投入會被系統看見。

創新與平台工作有什麼關係？

創新常被描述為新產品與新公司，但平台服務通常也依賴任務工作、品質維護與例外處理。若只看創業者與技術成果，就容易忽略那些讓服務能被穩定提供的人與流程。

生成式AI會讓平台勞動消失嗎？

未必。生成式 AI 可能減少部分固定任務，也會增加檢查輸出、修正資料、處理例外與維護流程的新工作。真正要看的，是這些工作由誰負責、是否被承認，以及人是否有能力改善系統規則。

團隊導入AI時如何避免忽略人類工作？

先把完整流程畫出來，列出工具處理、人類確認、例外升級與錯誤回復各由誰負責。接著把人工時間、修正成本與對外責任一起計入效益評估。AI 是否有價值，不只看它完成多少任務，也看它是否讓團隊更容易維持品質。

收尾

Lilly Irani 的價值，在於她讓創新不再只是少數成功者的故事。

當我們看見任務如何被拆分、風險如何被移轉、判斷權如何重新分配，才有可能讓技術進步不只是更快地完成事情，也能更清楚地承認人真正做了什麼。

參考資料

• Lilly Irani，《Chasing Innovation: Making Entrepreneurial Citizens in Modern India》，Princeton University Press，2019。
• Lilly Irani，〈The Cultural Work of Microwork〉，《New Media & Society》，2015。
• Lilly Irani、M. Six Silberman，〈Turkopticon: Interrupting Worker Invisibility in Amazon Mechanical Turk〉，CHI，2013。
• Mary L. Gray、Siddharth Suri，《Ghost Work》，Houghton Mifflin Harcourt，2019。
• Kate Crawford，《Atlas of AI》，Yale University Press，2021。