當我們討論人工智慧（AI）與數位轉型，媒體與政策往往聚焦於青年科技創業、「數位原住民」的勞動市場適應力，卻忽略一股不可逆的勞動力結構變遷：超高齡社會的銀色海嘯來襲。
執教於北愛爾蘭貝爾發斯特皇后大學的薩賈·費爾杜斯（Sajia Ferdous）撰文指出，歐洲多數國家在2030年之前將有超過一半的勞動力年齡在50歲以上。澳洲、美國等國也有類似趨勢。在台灣，根據國發會的推估，2025年起65歲以上人口將超過20%，進入「超高齡社會」，而這群高齡者並非全數退休，許多仍活躍於勞動市場。
從正面思考超高齡社會的來臨，年長工作者不只經驗豐富與表現穩定，更肩負著組織記憶保存者的角色。他們熟悉制度運作、處理過多種突發狀況，擁有的是AI仍難以複製的深層知識。
AI潛藏年齡歧視，多數國家缺乏政策措施
然而，這份世代資產卻面臨被系統性排除的風險。在AI主導的職場設計與訓練資源分配中，年長勞工往往缺席。費爾杜斯指出，AI訓練多聚焦於青年與中壯年階段的勞工，鮮少針對年長工作者量身設計。不僅如此，數位產品與介面常以年輕用戶為預設目標：語音助理無法辨識老年人聲線、金融科技應用假設使用者能熟練操作多重帳戶與複雜介面，導致不少年長者因安全疑慮或認知負荷而自動退出。
這不僅是技術設計的盲點，更可能構成「演算法年齡歧視」（algorithmic ageism）。當雇用系統中的AI篩選履歷時，畢業年份、工作空白、用詞風格都可能成為年齡的代理變項，導致經驗豐富的候選人輕率地遭到淘汰。
此外，人們普遍對年長者「不願意學」、「學不來」的印象，往往是年齡偏見的延伸。事實上，許多年長勞工對科技具有高度興趣，但苦於缺乏適切的支持與信心培養。
職場文化中對速度與彈性的強調，讓年長工作者感到疏離。而組織內部的訓練規劃，常以標準化課程為主，忽略了年齡與職種交織下的複雜需求。比起一般的數位媒體與資訊素養課程，年長者更需要的是「具職能導向的進階訓練」，並結合心理層面的支持。
費爾杜斯頗為讚許新加坡的「SkillsFuture」計畫。透過該計畫，新加坡政府為中高齡者提供彈性學習機會，並輔以職涯再設計，是具備年齡敏感度的政策實踐。然而，多數國家仍缺乏這類政策措施，也缺乏系統性支持。
不只是公平性的問題，可能加劇勞動力市場的結構性分裂
將年長者排除於AI發展與應用之外，不只是對個人權益的侵害，也可能導致更深層的社會與經濟損失。
首先，這將加劇勞動力市場的結構性分裂：一部分人能掌握數據與AI工具，另一部分人則被孤立在技術之外。其次，企業將喪失一個能為AI系統提供重要判斷與監督的族群。尤其是在生成式AI普及的當下，AI模型產出的內容經常「似是而非」，需要職場裡的資深專業者來校正其偏誤。
更重要的是，AI的公平性與倫理性，本身也取決於參與設計的多元性。當開發者集中在年輕男性、科技中產階層，所產出的系統自然充滿「同溫層視角」。這不僅造成年齡偏見，也強化其他的歧視問題：如對女性、身心障礙者或低教育程度者的排斥。
向「年齡中立」的設計轉型，擺脫歧視性語言
我們需要一個對所有年齡友善的AI系統，但更重要的是擺脫其中隱含的歧視語言。
正如費爾杜斯所指出的，「年齡友善」（age-inclusive）一詞，往往隱含一種「為他人設計」的傲慢認知。真正值得追求的是「年齡中立設計」（age-neutral design），也就是在系統架構、演算法訓練資料與介面設計上，不將年齡視為負面變項。「年齡中立設計」承認年齡的差異性，但不以此作為排除、侷限的依據。
進入AI社會的關鍵時刻：為中高齡者而設計
到目前為止，台灣尚未嚴肅針對「中高齡者的數位適應」提出具體對策。根據勞動部中高齡及高齡（45歲以上）勞動參與狀況統計顯示，中高齡及高齡就業者就業之行業，以製造業、批發及零售業及營建工程居多，此三業別的就業人數約占中高齡及高齡就業者近 5 成。若這些群體未能接軌AI新技術，不僅會出現勞動力的「技能斷裂」，更會加劇台灣既有的代際不平等與區域發展差距。
另一點必須提醒的是，許多企業內部導入AI的同時，也應同步設計人力再訓練與知識轉移的機制，避免高齡員工被邊緣化。
AI時代需要的是「跨齡共創」，當然也需要每個年齡層的人都能在政策/制度設計、應用與評估中發聲。因此，我們該問的，或許並非「中高齡者要如何融入AI社會」，而是「AI社會如何為中高齡者設計」？若科技進步的結果，是讓一整個世代失去參與感與貢獻機會，那麼這並非真正的進步，而是一場制度性的倒退。
