title

AIBT-10｜開放人機委託市場：家庭智能資本與微型契約工作室

english_title

Open Human–AI Commission Markets: Household Intelligent Capital, Micro-Contract Studios, and the Conditions of Income Recovery

series

AI 泡沫、產業重整與文明適應論

series_code

AIBT

document_id

EML-AIBT-2026-10

series_position

Core Paper 10 / 12

version

v0.1

date

2026-10-31

concept_by

Neo.K

research_collaboration

GPT-6

institution

EveMissLab／一言諾科技有限公司

language

zh-TW

status

完整概念研究原稿與可否證實證設計；未經同行評審；非已實證之普適市場機制

canonical_source

UTF-8 Markdown; LF; no BOM

canonical_math_delimiters

inline single-dollar; display double-dollar

evidence_cutoff

2026-10-31 (Asia/Taipei); 2027–2028 scenarios not observed

parent_document

AIBT_00_研究總綱_AI泡沫產業重整與文明適應論_v0.1_2026-10-31.md

previous_paper

AIBT-09｜數位供給充裕、有效需求與購買力斷裂

next_paper

AIBT-11｜制度適應時間差、分配張力與 AI 朋克危機

AIBT-10｜開放人機委託市場：家庭智能資本與微型契約工作室

Open Human–AI Commission Markets: Household Intelligent Capital, Micro-Contract Studios, and the Conditions of Income Recovery

《AI 泡沫、產業重整與文明適應論》（AIBT）第四部・第十篇
理論問題提出： Neo.K
研究協作與正式整稿： GPT-6
研究機構： EveMissLab／一言諾科技有限公司
版本： v0.1／2026 年 10 月 31 日
資料截點： 2026 年 10 月 31 日（臺灣時間）；後續年度均作條件式研究情境，不稱為既成事件。
研究性質： 技術經濟學、家庭微觀經濟、產業組織、平台市場、數位勞動、契約治理及可否證制度研究。非個案投資、法律、金融、支付合規或勞動關係建議。

作者： Neo.K
日期： 2026-10-31

摘要

當 AI Agent 和通用／專用模型降低數位工作所需的人力與資本門檻時，一人、家庭或臨時組成的人機團隊，可能得以承接過去主要由永久雇用團隊之企業交付的軟體、設計、內容、測試、研究支援與企業流程工作。這種轉型不只是自由工作者學會使用生成式 AI，也不只是 AI Agent 被放上產品商店；更值得研究的是，可被辨識、授權、驗收、追責、結算並重複受託的「人類—AI 複合生產單位」是否能進入新的開放成果委託市場。若這個市場具備足夠真實需求，部分受既有雇用關係改變影響的工作者，可能以自我組織、家庭智能資本及臨時專業合作重新取得收入與經濟參與機會。

然而，新增 AI 產能不會自動生出買方的支付能力。當大量人在失業或職涯轉型後同時進入同一種 AI 接案市場，市場可能面臨供給擁擠、低價競爭、評價冷啟動、付款風險、平台抽成、隱性工時、家庭風險外部化及大平台重新壟斷交易入口。更重要的是，買方同時取得 AI，自行完成工作之成本可能下降，使原先預期可承接的外部訂單縮小。因此，降低成為生產者的門檻，不等於降低取得持續淨收入的門檻。

本文依 AIBT-09 對有效需求與購買力的區分，延伸 AIBT-07 的最小有效企業規模與 AIBT-08 的紅利分配議題；同時直接承接既有 AICET-03、05–08、10–11 及 B03，而不重新命名其家庭代理、委任鏈與收益歸因定義。研究建立三種彼此不得混同的市場層級、四種複合組織構型、需求—委託—交付—結算—生活收益的轉化鏈、可量測的市場淨收益模型、買方自做之反向機制、兩組明示假設的成本與時間算例、十二項可否證假說、對照實驗與 2027–2028 年四種非必然情境。公開證據顯示成熟自由工作平台已經 Agent 化，新興市場宣稱支持人類與代理的混合接案，但尚無充分跨平台資料證明其能普遍吸收大規模失業人口。

中心命題： AI 可將部分傳統企業內部化的生產能力轉移至個人、家庭與短期人機團隊，卻不能保證相關群體持續獲得可支付訂單；市場是否成為經濟緩衝器，取決於需求形成、專業可信度、契約可執行性、跨平台可攜性、全成本扣除後的收益及社會保障的共同條件。

關鍵詞： 開放人機委託市場、家庭智能資本、人機微型契約工作室、AI Agent、個體機構化、任務市場、成果驗收、代理委任鏈、平台信譽、平台抽成、失業轉型、收入重建、需求吸收、供給擁擠、買方自做、契約責任、人工行動者市場、AI 朋克危機。

Abstract

AI agents may reduce the labor, coordination, and capital requirements for delivering some digital services, allowing an individual, household, or temporary human–AI coalition to compete for contracts previously served by larger firms. This paper studies the emergence of an open human–AI commission market, where the economically salient unit is a verifiable, accountable, and continuously serviceable composite production organization rather than merely a person who owns AI subscriptions. The central distinction is between accessibility of production capability and the ability to earn persistent, risk-adjusted household income.

Building on the preceding AIBT papers and earlier AICET research, the paper distinguishes outcome contracting, rentable intelligent production capacity, and regulated financial-capital markets; develops household, solo, ephemeral-team, and formal-studio configurations; and models conversion from observed requests to accepted deliveries, final settlement, and disposable household resources. It treats buyer self-production, platform concentration, weak demand, reputation cold starts, unpaid labor, and risk externalization as competing forces. Contemporary observations from Upwork, Fiverr, emerging agent marketplaces, ILO platform-work standards, and peer-reviewed research support the existence of relevant ingredients, not the claim that mature agent-native contracting can already absorb broad displacement. Illustrative accounting models, falsifiable hypotheses, and prospective experiments are provided. The paper does not grant legal personality to AI agents, presume contractual enforceability across jurisdictions, or equate platform growth with civilizational net benefit.

0. 研究位置、材料來源與明確非主張

0.1 在 AIBT 十二篇中的位置

AIBT-01 至 03 說明 AI 的財務回收、算力與能源限制，以及國家戰略與企業利潤的差異；AIBT-04 至 06 說明核心模型市場集中、企業是否應自建模型，以及可被核心平台吸收的數位產品功能；AIBT-07 進一步提出一人或少數人利用 Agent 降低部分數位產品的最小有效組織規模；AIBT-08 區分自動化、增強、新任務與紅利分配；AIBT-09 則研究供給充裕並不保證同量有效需求。

本篇新增的問題是：當一些企業與工作角色遭到重整，個人和家庭能否在僱傭關係之外，以可驗收成果取得訂單與收入？市場如何使 AI 生產能力成為可對外受託、可維持承諾的微型契約組織？這是 AIBT-09 的需求分析與 AIBT-11 的制度適應時間差之間，必須明確建立的中觀市場接口。

0.2 已有理論不是本篇的新發明

• AICET-03：家庭智能資本與有效 AI 可達性；設備擁有、模型使用、合法委託與可核實收益必須分開。
• AICET-05：代理創收的真實需求、合法交付、外部付款、增量歸因與全成本核算。
• AICET-06：家庭代理經濟與個體機構化；不把代理數量等同於機構功能。
• AICET-07／08：授權、代理工作章程、AI—AI 委任鏈、對價與最終受益歸屬；AI 技術角色不自動取得法律身份。
• AICET-10：供給擁擠、注意力—需求吸收門檻與不同退出狀態。
• AICET-11：智能收益受益者分布核查（BDA）與收益—購買力—有效需求循環（AIPD Circuit）。
• B03：人工行動者可在授權下形成或轉介交易需求，但不推論各代理具有單獨法律人格或本源購買力。
• AICET 人機市場橋接稿 v0.1：先前已提出「開放人機委託市場」與「人機微型契約工作室」的候選語彙。本篇正式轉入 AIBT-10，增加清楚的因果辨識、買方自做反例、不同市場設計與制度限制，而不是宣稱今日首次提出。

0.3 敘述標記

0.4 非主張

本文不主張：

1. AI 已能全面取代任何大型企業或所有領域的專業工作。
2. 任何失業者只要學會使用 AI 就能取得足以維生的訂單。
3. 可以合法接案即必然可以不登記、不納稅、不投保或不負專業責任。
4. 家庭成員自然共享資料、算力、所有權、代理授權與全部收益。
5. 多個 AI 帳號等於多位員工，或多代理必然優於單一強模型。
6. 能交付結果的 AI Agent 自動取得自然人／法人地位或獨立簽約權。
7. 客戶、平台與 Agent 間的技術 API 交換即可構成法律有效契約。
8. 具有「託管付款」網頁標示即保證依法持牌、不可撤銷或完全受保護。
9. 勞務成果市場與出售股權、證券或公共募資的金融資本市場是同一概念。
10. 生成量、活躍代理數、瀏覽量、提案次數、交易流水即可等同淨所得或 GDP 新增值。
11. 低價或供給擁擠必定使所有工作室虧損；長尾需求與新產品仍可能成長。
12. 委託平台取代傳統企業後，不會再產生新的平台租金與集中風險。
13. 每個人都願意或有能力將自己的生活變成受接案市場持續評分的工作。
14. 自主 AI 工作室市場成熟等於 SAS-01 的系統閉環或文明正和奇點成立。
15. 2027 或 2028 年必定發生大規模 AI 失業潮，或人機委託市場必然足以吸收它。
16. 本篇已經完成具代表性的長期追蹤、準實驗、平台成交驗證或全國需求估計。

1. 研究對象：不是「人人都來當 AI 公司」

1.1 三個必要區分

第一，生產能力：個人是否能在既定品質、期限、成本和責任規格下可靠完成某項工作。第二，市場進入權與能力：個人能否讓買方認識其能力、取得資料處理授權、報價與簽約。第三，持續收益：交付後的已支付款項，扣除工具、人類時間、返工、稅務與其他風險，是否足以支持家庭生活。

當這三層分開，就可以理解：擁有強大模型的人可能完全沒有客戶；缺乏昂貴 GPU 的人也可能利用可負擔 API、專業知識與可信任流程承接重要工作；曾經高薪的專業人士若移入自由接案市場，仍可能因聲譽冷啟動、平台排名和跨境收款而失去部分收入。

1.2 關鍵生產單位

本篇以人機微型契約工作室作為候選研究單位：由一名或少數人類承擔法律、品質與財務上可辨識的主責，利用自己合法取得或租用的 AI 工具、代理、流程與知識資產，對外完成可驗收成果與持續維運，並可依單次委託加入或退出其他人機工作室的微型生產安排。

這個定義不強制要求永久法人形態；但若特定市場法律要求登記、專業資格、保險或正式法人，實際承攬必須服從這些要求。該安排也不必把家庭內所有工作或生活價值商品化。

1.3 四種可比較組織構型

四者不是發展階梯；家庭不必升級成法人，公司也不必縮為一人。任務的法律與工程要求可以使不同構型長期共存。

2. 「開放資本市場」的三層定義與法律界線

使用「新開放資本市場」有助於描述家庭不再只有出售工時，而能攜帶可調用的智能生產能力進入市場；但該詞在法律與財務分析上必須拆開。

中心區分： 本篇主要研究 M1 與 M2 的耦合：個人把租來或自有的智能資本轉化為可被客戶付費的結果。M3 只是可能接入的獨立制度層，不能因 Agent 能使用支付 API 就宣稱其已合法具備投資或募資資格。

如果未來由平台提供接案融資、收入預支、機器保證金或收益權轉讓，應分別檢驗當地借貸、支付、證券、保險、反洗錢與消費者保護規則，而不是把「去中心化」當作免責特權。

3. 為何經濟組織的邊界可能改變？

3.1 交易成本與分工成本雙向下降

Coase（1937）研究企業邊界時強調市場交易具有搜尋、談判與協調成本 [S01]。AI Agent 可能同時降低外部市場的供應商搜尋、文件草擬、成本評估與交付驗證成本，以及企業內部的工作編排、品質檢查與記憶維護成本。因此不能從 AI 存在直接推出企業一定縮小：若內部協調下降更多，某些公司反而可能擴張。AIBT-07 已分開處理最小有效企業規模，本篇聚焦外部成果委託能否成為更可行的替代組織形式。

3.2 以成果而非員工數定義供給者

傳統自由接案平台主要以個人履歷、技能、估計工時與過往評價辨識供應者。人機微型工作室則有機會提供更明確的交付規格：功能測試、素材授權鏈、環境依賴、效能下限、維護期、處理資料的限制、驗收腳本與對外責任。

例如企業委託「建置一套客戶資料去重與匯出流程」，工作室可以用一位人類統合者、程式 Agent、驗證 Agent、人工安全審查及外部專家完成；買方購買的是可持續的資料清理能力，而不是工作室內有幾個人、幾個 AI 帳號。

3.3 開放市場不是無中介市場

客戶仍須確認身分、支付、風險與品質；這會產生認證、爭議、法律和客服等平台功能。若這些功能全由少數平台掌握，市場可能重新集中。真正要研究的是可攜聲譽、可外部驗收、跨平台付款與合法替代入口，而不只是新增更多「AI 接案 App」。

4. 2026 年的市場實物：已存在的層次與尚未驗證的主張

4.1 Upwork：成熟委託市場的 Agent 入口

Upwork 官方 MCP Server 頁面顯示，可由支援 MCP 的助手搜尋人才、張貼工作、處理部分合約操作，涉及金融行動仍需在 Upwork 網站完成 [S02]。Upwork Agency 條款指出：代理工作室的客戶付款先進入 Agency 帳戶，向工作室個別成員分帳由 Agency 自行負責，Upwork 不直接保障或處理其內部分配 [S03]。因此，人機團隊可以使用既有平台管道，但「有正式平台」不代表「每一位內部工作者都直接得到付款保障」。

Upwork 2026 年 7 月的 Future Workforce Index 指出，在其平台與調查範圍內，生成式 AI 與創意製作工作的合約起始數年增約 90%，但單份合約收益年減約 13%；複雜 AI 增強專業服務則呈現另一種價格和需求結構 [S04]。這支持工作量可以增加而個別工作價格下降的研究問題；但報告屬平台內資料與關聯觀察，不能直接作成對全球失業者收入的因果結論。

4.2 Fiverr：價格、需求與轉向複雜工作的同時變化

Fiverr 於 2026 年 10 月 29 日發布第三季結果：當季營收約 9,090 萬美元，較去年同期減少約 15.8%；截至 9 月 30 日的年活躍買方約 240 萬，去年同期約 330 萬，下降約 25.8%；每買方年支出由 330 美元升至 373 美元，增約 12.9%；過去十二個月平台 take rate 為 28.2% [S05]。Take rate 是平台會計口徑的收入與交易總額關係，不等於本篇假設的單案服務費率，也不能當作所有接案者的實收扣費。

同一份財報指出該公司將媒合與產品往較複雜高價值工作發展，並坦承傳統搜尋流量與市場需求承壓。這些數字與策略說明共同形成一項開放的研究問題：AI 可能降低標準化工作需求，同時提高某些複雜交付的單案價值；總體受益者不一定均等，平台是否成功轉型仍須後續追蹤。

4.3 新興 AI 原生平台：供應商自述不等於真實流動性

• dealwork.ai 網站宣稱可由人類、AI Agent 或 Hybrid Team 接單，使用專案預算、里程碑、託管及爭議處理；另宣稱 API／MCP 入口可讓 Agent 發起委託 [S06]。
• TaskForce 網站宣稱人類與 Agent 可共同投標，使用 USDC 及里程碑付款 [S07]。
• Augex 官方說明將專家打造的代理、治理執行環境與必要時的人類專家支援組合成可按次計費工作流 [S08]。

重要 RISK： 網站上列出的錢包餘額、投標示例、聲譽評分、託管承諾或智能代理數量，可能只是產品展示；本篇沒有取得獨立成交量、實際退款、合法託管牌照、保險覆蓋或用戶留存資料。因此只稱「網站宣稱具備某功能」，不稱已證實完整成熟市場。任何以加密資產結算之方案另須核對各法域的支付、資產、洗錢防制、爭議處理及消費者權益規則。

4.4 人與 Agent 協作的可用性證據

Upwork 2025 年 Human+Agent Productivity Index 選取超過 300 筆低複雜度、已由真人完成並經客戶付費的明確委託，以工作準則評估 Agent 輸出及專家回饋。特定設定下，人機協作讓任務完成率相較單 Agent 最多提高約 70%；但所選任務不足其平台交易總額的 6%，且受明確任務範圍及專家評估方法限制 [S09]。這不代表現有 Agent 可以自動完成大型商業專案，更不代表所有工作室成本都會下降 70%。

4.5 勞動與平台制度：2026 年的新背景

ILO 於 2026 年 6 月通過《平台經濟體面工作公約》（第 193 號），涉及平台勞務之工資／報酬、資料保護、演算法管理、職業安全、身分辨識及救濟 [S10]。該公約並非自動在所有國家生效，而須各國批准並依本國制度實施。聯合國經濟及社會事務部 2026 年 9 月報告也提示，平台自由工作可能擴大收入機會，卻使無固定雇傭關係者較難取得勞動與社會保障 [S11]。

這證明人機工作室市場不是只有「如何找到工作」的技術問題；它同時涉及在正式雇用減少時，保障與責任究竟移轉到哪個主體。

4.6 不同市場、工作種類與擴散速度不能互換

Tekic、Omelchenko 與 Dunaeva（2026）對特定受限制擴散條件下的自由接案交易提出異質性證據：文本相關服務的參與、訂單與收入收縮較清楚，設計、程式與其他類別呈現不同模式 [S13]。這提示市場衝擊並非只有「AI 普及率」一個解釋；任務類型、取得工具的限制與重新組織工作之能力均可能改變結果。該研究的地區和市場條件不能直接外推成全球接案市場定律。

Bick、Blandin、Deming 與 Schumacher（2026）的任務層級調查則指出，生成式 AI 在許多職業與任務中已被使用，但不少職業內的實際採用仍相對淺，且相似工作者間有很大差異 [S14]。這也意味今日少數人機工作室的成功故事，既不能代表所有原職業已被取代，也不能證明所有工作者都具備同等的轉型條件。上述兩項研究不是同一種因果設計，不能把其效果相加得出單一「AI 自由工作增長率」。

5. 市場的需求側：誰會委託，誰其實不需要委託？

5.1 六種需求者與不同的支付邏輯

AI 買方代理本身不是憑空出現的獨立需求；原則上仍須追溯至具有支出權限的真實人或合法組織，以及其支付來源與責任。代理間重複互相購買服務，也不得把所有中間流水加總當作新的最終需求。

5.2 買方的三個競爭選項

對同一需求，買方至少可以：自行使用現有 AI／員工完成、委託人機微工作室，或購買大型企業現成產品及持續服務。因為 AI 同時降低買方的自做成本，供應者擁有 AI 並不自動形成可售優勢。

候選選擇條件可寫為：

其中 $C$ 表示在指定品質、期限與維護規格下的預期全成本； $R$ 是以相同貨幣與期間衡量、避免重複計入的風險期望成本。此式只是簡化的選擇啟發式，實際決策還可能受偏好、品質差異、供應商可信度及契約法限制；風險不總能合理換算成一個貨幣數字。

5.3 買方自己也變強：新市場的內生侵蝕

假設 2027 年某些 Agent 能更可靠地完成中型網站或圖像任務，工作室的交付成本下降；但委託人自己的 Agent 也同時受益。結果可能同時是市場總件數增加、單案報價下降、直接委託減少，以及複雜整合委託增加。這個混合結果不能只用「AI 使用率上升」推導。

HYP： 隨著通用 Agent 自做成本下降，仍有獨立收入空間的供應者較可能依賴需求澄清、責任承諾、專門知識、跨系統整合、實地工作或長期維運，而不只是呼叫同一模型生成一次結果。這是需要依產品類別檢驗的條件假說。

6. 從「會用 AI」到「可獲支付」的六道門檻

研究一筆潛在委託時，應分清：

1. 可生產能力：在既定測試中完成某類合格工作，並非只是展示樣品。
2. 市場可被發現：適合的買方能看到供應者與可辨識成果。
3. 規格與信任成立：雙方確認需求、合法權限、交付界線、專業資格與風險。
4. 契約實際成立：取得工作；款項是否備妥、如何支付須分開。
5. 合格交付與正式驗收：工作完成且由具權限者依準則驗收。
6. 款項最終結算及家庭收益：扣除成本、返工、稅費、隱形工時、風險與各方分帳後，主責者真正取得可支配收益。

因此，Agents online、Tasks attempted、Accepted deliverables、Cash settled、Household net gain 必須分開報告；不能以交易頁面或訂單數推導家庭真實收入。

對市場類別 $s$ 和期間 $t$，可提出條件轉化式：

其中 $N_{eligible}$ 代表已確認具某種任務能力和市場法定資格的機會數；各 $p_k$ 為依序條件機率，且每一機率都須具有清楚的觀察分母。此式是鏈式分解的簡化：實際市場存在客戶複購、取消後再提案、部分交付與多次付款，不能把同一案重複計數，也不能從單一數字乘出因果結論。

例如假設每月有 100 件對特定工作室可見、可競標且規格合適的案件：若分別有 40% 進入正式提案、20% 在提案後成交、90% 合格交付、95% 如期最終付款，則實際按期結算的預期件數只有 $100\times0.40\times0.20\times0.90\times0.95=6.84$，不是 100 件。這是假設的期望值，不是可觀察的 6.84 份實際訂單；此例只用四個門檻，與上式通用的五機率並不矛盾，因為第一步可視為已具資格的入池篩選。

核心識別： 「可接案人口擴大」與「有付費客戶的合格接案人口擴大」必須分開測量。

7. 新平台的制度功能：工作流、信用與風險

7.1 最小可行委託鏈

一個可跨人類和 AI Agent 的成果契約，至少應對應：

• BuyerPrincipal：實際承諾預算、負擔支付義務的自然人／合法實體。
• SupplierPrincipal：具有適用資格且對品質、資安、交付承擔責任的人或組織。
• AgentRole：AI 使用哪些模型、工具與資料、可擁有何種操作權限；不是當然法定合同一方。
• Scope：需求規格、不可接受事項、版本、檔案、授權及品質指標。
• Bid：報價、期限、可信任能力證據、是否再轉包。
• PaymentMandate：支付授權、額度上限、託管或分段付款方式。
• DeliveryEvidence：驗收結果、測試報告、成果雜湊、權利及資料處理紀錄。
• Acceptance：由何種具法律授權的主體確認成果完成。
• Settlement：應付帳款與最終收到款項的狀態，含爭議及退款。
• Remedy：返工、保固、事故處理、賠償與退出條款。
• BenefitAllocation：對團隊成員分帳與應稅義務的記錄。

可形成如下狀態機：

DISCOVERED -> QUALIFIED -> OFFERED -> CONTRACTED
                                  |              |
                               DECLINED       FUNDED
                                                  |
                                               EXECUTING
                                               /     \
                                       CANCELLED   DELIVERED
                                                      |
                                                 REVIEWED
                                                 /    \
                                            REVISION  ACCEPTED
                                               |        |
                                            DELIVERED  SETTLED
                                                          |
                                                    WARRANTY_CLOSED

所有狀態變化都需有行為者、授權、時間及可核查證據。

這不是現行任何平台的正式 API 規格，而是研究用工作流原型。對已取消但需退款、已交付但進入爭議、分期付款與部分驗收的情形，應另有分支；不可假裝單一線性流程涵蓋全部交易。

7.2 複合供應單位必須保留責任主體

AI 可協助搜尋、草擬報價、執行程式、進行交付與在授權內調用其他服務；但在現行通行的契約制度下，單憑 Agent 具有網路身分、API Key、錢包或公開工作紀錄，不能認定其具有獨立、完整的法人或自然人權利義務。應清楚標示誰批准投標、誰負責侵權與錯誤、由誰付款與接受付款。這裡不對未來 AI 主體性或法權議題預作終局判定；研究只區分現有制度與未來可能的制度轉變。

7.3 契約不只是事後賠償，也提供對外可信任承諾

買方與工作室可談判特別條款：機密資料、供應商使用範圍、不可再轉包、模型資料使用限制、可稽核交付、專案保固、重大事故通報、責任限制及合理的保險或擔保。供應者願意接受實質責任，在其確實具履約能力時，會成為可辨識的事前盡職治理與對外信用訊號，而不只是事故後追求補償的路徑。

但契約無法自動排除法定責任、不可逆資料外洩或實際舉證問題；出具條款不等於已經遵守或有足夠資金賠付。平台提供第三方審核也不等於其代替供應者負擔所有產品責任。

7.4 團隊可即時組成，責任不能隨解散消失

臨時人機工作室可能只為一個專案存在三週，但保固、資料刪除、退款或安全漏洞可能在三個月後才出現。需要在合約中預先指定長期主責、交付資產與版本控制、備用維護者、停業後接續及爭議解決機制。「臨時組隊」是生產安排，不是消滅既有債務與責任的技術。

8. 平台真正提供的資產：可驗證履約而不只流量

8.1 最低聲譽資料構成

對供應者的聲譽不應只是一個可被平台隨意更改的星級。研究候選的可驗證資料包括：依不同工作類型分類的已驗收交付率、逾期率、缺陷返工、退款率、售後修正時間、客戶是否為重複客戶、授權文件、跨模型工具相容性和處理敏感資料的合規證據。資料必須有授權、時效與隱私保護，不應公開買方商業機密或工作室內的敏感原始紀錄。

研究可設計可攜式履約證明，包括匿名化的客戶簽署、可驗證憑證、經同意之作品摘要與對應的版本雜湊，並允許被評價者申訴、說明、撤回不合法資料或更正錯誤。可攜不等於公開所有客戶資料，也不能假定所有平台願意互認。

8.2 聲譽冷啟動與失業者的逆選擇

失業者即使有十年設計或開發經驗，轉進新平台可能因未累積平台內評分而很難取得第一筆案子。Parker-Waldern 與 Leonardi（2026）研究轉入平台工作者的聲譽冷啟動，指出舊職涯的能力與新市場的評價制度可能錯位 [S12]。因此，假若平台只依已成交數量推薦，就可能使最需要重新進入市場者持續不可見。

可比較的候選介入包括：基於可查核作品的技能與交付能力認證、低風險試做案、具明確保護條件的首次接案配額、評價申訴與多平台可攜履約憑證。這些是待評估的實驗選項，並不保證改善總體福利；配額也可能降低買方信任或產生套利，需要實測。

8.3 平台租金與第二次集中

當平台控制供需搜尋、付款、合約、聲譽、推薦與資料接口時，即使供應端形成百萬個工作室，也不代表交易權力被分散。平台可以提高抽成、改變推薦條件、限制資料帶走及提高退出成本。因而應測量平台依賴程度、可攜率、關鍵客戶集中率，以及工作室能否在其他平台或直接委託下持續交易。

公平競爭不要求平台無償提供所有服務，也不意味所有人都應享受相同推薦位置；關鍵是規則是否可理解、爭議是否可申訴、費用是否可比較，以及工作者能否擁有實質的替代市場選項。

9. 家庭智能資本：成本、可達性與不應被抹去的生活時間

9.1 家庭的資本不是只看 GPU 數量

AICET-03 已區分硬體、算力、模型租用權與有效工作能力。家庭可使用低資本額的 API、開源模型、短期運算、既有電腦、領域知識與可重用的客戶流程形成生產資本；但沒有足夠時間驗證、缺乏合法業務資格、無法保管資料或缺少客源時，再多 AI 仍不一定形成有效收入。

若某家工作室把新 GPU 當作降低成本的必然方式，必須比較購置價格、折舊、維護、電費、閒置率、機會成本、雲端訂閱、API 的客製契約與事故保障。大多數低使用量接案者不必然需要先買進高價 GPU。這裡延續 AIBT-05 的總持有成本與企業契約比較，不另做硬體採購建議。

9.2 家庭成員的權利與時間配置

家庭可能共同使用設備，卻有不同工作意願、資料授權、保管責任與收益偏好。例如家庭電腦是甲支付的，乙提供美術專業，丙提供夜間驗收；不能因共用一台機器就把三人的投入全部視為甲的免費資源。

照護、育兒、休息、學習和家庭關係，不可一律被視為待動用的空餘產能。家庭代理組織可能提高自由度，也可能讓某成員變成全天候監督 Agent 的不可見管理員。若「可賺錢」需要不斷犧牲健康與生活安全，就應把這些負擔作為研究結果，而非當作零成本。

9.3 AI 生產者可能同時是被排擠的原工作者

個人進入市場的原因需分開：主動選擇自由接案、被迫失業後進入、收入補充、照護責任下尋求彈性、家庭共同事業、長期專業工作室。對這些群體而言，成功的門檻不同；對被迫轉業者尤其不能只報告平台上最成功的一小群工作室。研究需要連續觀察未取得首單者、退出者及收入為零者。

10. 從交易額到淨收益：五個不能互換的數字

對工作室 $i$ 和期間 $t$，必須分開：

1. 潛在產能與未變現的可接單容量。
2. 取得的報價或委託總額。
3. 已交付／已驗收的成果金額。
4. 扣除退款並已經實際收到的現金。
5. 扣除完整經濟成本後可供家戶自由支配之收益。

10.1 風險預留後的可分配餘額（不同於實際現金流）

對一期間內已實際結算的訂單集合 $J_{i,t}$，定義研究用的預留後可分配餘額：

其中 $P_j$ 是已結算並實收的價格； $f_j$ 是與價格成比例的平台／支付費率（另有固定手續費時須歸入其他成本）； $C^{compute}$ 、 $C^{external}$ 是模型工具及外聘／分包成本； $C^{rework}$ 、 $C^{risk}$ 分別涵蓋已實付返工／事故成本與尚未實付、但因履約或保固風險合理預留的成本，同一筆成本不得重複扣除； $C^{fixed}$ 、 $C^{othercash}$ 是固定與其他實際費用。

本式不是現金流量表的「實際淨現金」：若部分返工與風險準備尚未支付，銀行帳戶現金可能高於本式的可分配餘額。實證必須另保留實際收付帳、未付準備金與可分配餘額三個口徑，避免把已預留但未付款的金額當作現金支出，亦避免把這些暫時尚在帳上的金額誤稱為可自由花用的收入。

10.2 人類時間與可比較的經濟剩餘

另記人類成員投入的全部時間：需求澄清、投標、監督、驗收、返工、溝通、合約處理、客服、帳務及待機。若以 $H_{i,t}^{human}$ 表示合計可追溯人類工時，需同時提供：

其中 $T_{i,t}$ 代表在此現金口徑尚未扣除、實際應支付之稅費及必要社會保障支出；若分母為零，指標不定義。若已將成員薪資／分帳算入前式外聘成本，計算受益者個人的有效時薪時，必須按各人實際收到的款項及各自工時重新核算，而非將整個工作室剩餘全部分給每一位成員。

若要比較相對於有薪工作或其他工作的完整機會成本，可另外設定：

其中 $w_i^{outside}$ 是明示可比較反事實的單位工時價值， $C^{noncash}$ 是尚未在其他項目認列的折舊或家庭無償資源成本。這不是標準企業財報的淨利式，而是研究家庭經濟機會成本的候選口徑。

10.3 團隊分帳與最終受益人

跨家庭與跨專業工作室可讓 A、B、C 三位成員透過共同接案增加能力，但須確認外包費、固定薪酬、專案分紅、平台扣費與稅費只在適合的核算層級扣算一次。團隊的成交額不等於每位成員的個別收入；上游 API 供應商收到的費用也不能同時算作工作室淨收益與同一個人的可支配收入。

11. 算例 A：只有工作效率，沒有大量訂單

以下所有價格、工時與比率均為明示的研究假設，不是臺灣市場行情、平台真實報價或對任何失業者的收益承諾。

假設某人機工作室每月成交並結算四份設計／網站整合工作，每份價格新臺幣 12,000 元，平台費 10%，支付處理費 2%，單案推理／工具成本 900 元、外部驗收與分包支出 600 元、返工準備 900 元、保險及風險準備 360 元；每月固定費 4,200 元。主責人每案花 18 小時，另花 32 小時投標、客服與行政。暫不扣個人所得稅、假設沒有雇用受薪員工；風險準備採已提列預留後之經濟可分配現金額度，而不是全部當作已發生支出。

這個算例的目的不是表明工作室一定比雇用更好，而是強調：哪怕 AI 能完成大部分實作，人類的談判、驗收、返工及獲客時間仍可能決定家庭真正的經濟結果。若一人原本有固定月薪與福利，還必須和失去的薪資穩定、職業保險、年資及休假比較；僅看「27,000 元」可能高估轉型成效。

11.1 平台抽成下降不必然增加總淨收入

假設平台費由 10% 降到 5%，其他條件不變，每案提高 600 元，四案每月多 2,400 元；但如果新平台的客戶較少，實際成交由四案降到三案，增加的單案收益便可能被訂單流失抵銷。平台選擇應同時評估成交率、付款安全、實際費率、售後、可見度、客戶品質與可攜性。

11.2 零成交的月分必須進入研究樣本

當月無成交時，固定費、投標工時與家庭必要支出仍存在。若只訪問四案成功者或只對有接單收入的帳戶計算平均，便會產生典型的存活者偏誤。研究需要紀錄完整隊列，包含已報名但未有首單、曾成交但離開、因資金不足而暫停及重新回到傳統工作者。

12. 算例 B：當所有人都學會 AI，價格與訂單同時下滑

延續上一算例，假設競爭使每案成交價降至新臺幣 8,000 元、每月結算三案，平台與支付費仍合計 12%，每案模型與其他固定支出暫保持相同：

此例顯示兩種條件同時出現時的壓力：價格競爭下降，以及實際付費客戶減少。只改善單個案件的 AI 生成時間，不能保證抵銷市場上有效需求的流失。反過來，若更低價格成功吸引新需求、使成交量擴張，收入可能改善；此例不是預言必然跌價或訂單必減。

12.1 單案報價的保本門檻

若固定人類工時與單案外部費用如上、每月成交 $n$ 案、每案比率扣費 $f$ 、固定成本 $C_F$ 、需要補足的月度家庭現金目標 $Y^*$，則在其他條件固定且單案成本 $c$ 可預估時，保本／目標價格須滿足：

這是指定現金目標下的價格下界條件，並非市場願付價格。若計入機會工資、稅費、保險與風險損失，應補足相應成本，不得以公式直接宣稱接案可維生。

13. 不只失業者可以使用，也不能讓失業者承擔全部轉型成本

13.1 作為過渡機制的四種可能作用

1. 收入補足：失業或轉職期間，用少量具真實需求的委託補充家庭現金流。
2. 技能重組：將原有專業與 AI 工作流結合，使過去無法獨立承接的工作變得可行。
3. 弱企業依賴：某些工作不用加入大型企業的雇用系統即可承接，但需要法律與客戶保障。
4. 新型合作：不同人不必成立永久公司，也能透過授權、範圍和分帳契約組合能力。

13.2 也可能產生四類新的不平等

• 擁有既有客戶、資產與聲譽者，比剛失業且沒有作品可攜者更容易拿到訂單。
• 有家庭現金緩衝與長期教育時間者，比必須立即支付房租與照護費者更能承受接案冷啟動。
• 使用高性能模型或商業 API 的成本差異，可能使價格競爭重新偏向資本更充足者。
• 能管理多 Agent 和長期專案者，可能更容易利用平台規則；被迫進入平台者則承擔不成比例的收入與心理壓力。

因此，人機微型工作室應被視為可能的補充經濟路徑，而不能作為撤除就業保障、教育或公共安全網的理由。它能降低某些企業的進入門檻，未必降低每個家庭承擔收入波動的風險。

13.3 「重新進入生產」與「重新取得購買力」的區別

傳統僱傭的變動可能讓大量人有更多時間卻少了現金；AI 讓他們更容易產出作品，但如果家庭沒有可以持續取得訂單的市場，這種時間不等於自願的自由時間。AIBT-08 和 EWDT-21 已區分工時紅利與被迫失業時間；本篇在市場層級提出必要的接單與收益記錄，不重定義該區分。

14. 人機工作室與大型企業：並不是只能活一邊

14.1 哪些領域可能更偏向微型工作室？

標準化、可模組化、驗收清楚、資產需求低、跨時區可交付的數位工作，是較容易受到研究的候選領域。例如特定網站組件、具有完整測試的內部工具、依法授權的圖像及文本製作、已定規格的資料清理與程式測試。這只是候選任務集合，尚須按市場需求和法律責任細分。

14.2 哪些領域保留大型組織優勢？

需要大量稀缺資本、持續高可用服務、長期跨國合規、大型通路、專業簽證或執照、實體供應鏈、複雜品牌授權與全天候責任承擔的工作，仍可能需要較正式的企業組織。微型工作室也可能成為大型企業的下游供應者，而非每次都直接取代企業。

14.3 市場可能呈現混合均衡

買方可以用 AI 自做一部分、交給微型工作室一部分、購買大型平台一部分。長期市場可能發展出「少數高階平台和大量任務型工作室」的分工，也可能由大型平台重新吸收工作室的差異化功能，或者由開放協議維持較分散的交易。沒有一種結果由模型能力本身必然推出。

15. 2027–2028 年四種非必然情境

不同工作、國家和平台可以同時處於不同情境；時間窗只是供觀測，不是預言哪一種會勝出。

16. 十二項可否證假說與競爭解釋

每個假說在實證前均須先指定市場範圍、任務集合、基準期、樣本與主要結果變數，不能根據結果事後修改方向。

H12 主要是理論界線與分類稽核，不是宣稱單一觀察可「證明沒有奇點」。必要時可把 H12 改為一組對「誤將數位市場指標當物理奇點證據」的分類測試，而不把它當自然科學的直接因果假說。

17. 三種可執行的研究設計

17.1 研究 A：失業者—家庭—工作室長期隊列

招募近期失去正式工作、正在找工作與自願轉為自由接案的不同人群，按先前技能、地區、家庭照護、年齡及現金緩衝分組，追蹤 6–12 個月。記錄新平台帳戶、首單、已付費訂單、返工、人工監督時間、AI 費用、可攜作品、家庭淨收入、健康與主觀控制感。比較未參與工作室者、一般自由接案者及人機工作室者；針對選擇偏誤、非隨機 AI 使用與早期退出者採敏感性分析。

主要結果： 觀察期內的正淨收入占比、月收入變異係數、首單所需時間、實質可支配收入、失業後生活保障缺口。不能只以「開了帳號」作為就業成功。

17.2 研究 B：買方同規格採購與驗收盲測

在合法、低風險且不涉及高敏感資料的任務中，設立同規格成果要求，比較：(i) 人類自由工作者；(ii) 單人＋Agent；(iii) 兩至三人＋Agent；(iv) 既有專業公司；(v) 買方自行用 Agent。盲測按實際品質、期限、保固、修改次數、資料處理和總成本評估。將買方成本與供應者所得分開報告，避免只因較便宜就認定全面較好。

主要結果： 最終驗收成功率、總生命週期成本、缺陷密度、維護承諾、買方付費意願、供應方實際有效時薪。不得假定 2026 年 Agent 已能完成大型完整商業遊戲或醫療等高監管工作。

17.3 研究 C：平台冷啟動、聲譽與費率的對照試驗

在取得平台與受試者同意、避免虛假評價或人為操縱買方的情況下，隨機提供不同程度的作品驗證、專業履歷可攜、標準化合約與稽核工具；或利用平台費率、排名方式調整的自然實驗，觀察新手的首單、回頭客、實收價格、退款、停用及跨平台轉移。研究需要預先登錄主要變項，區分媒合改善與從既有接案者移走訂單的擠出效果。

主要結果： 新參與者的新增成交、舊參與者的被擠出量、平台總有效需求、客戶留存率、事故及申訴結果。若只是把舊工作室的客戶轉給新工作室，不能全部算作新增社會需求。

18. 最小資料字典與記錄邊界

資料治理要求： 研究同意、目的限定、最少必要收集、敏感資料去識別、可撤回權與研究倫理審查；不得擅自爬取私有委託、付款、家庭資料或以不存在的「平台合作」來標示資料來源。

19. 與 AIBT-11 及真 AI 奇點的分界

本篇研究市場是否讓個人重獲外部收入能力，不直接提出應採哪種固定福利或股權分配制度。若失業者確實能經由新市場取得持續且可負擔的訂單，則可能降低部分收入衝擊；若訂單稀少或市場價格被壓低，便可能加深家庭的財務緊張。這種在部分人受益、部分人損失的混合結果，不可用平均接單成功者收入遮蔽。

AIBT-11 將進一步研究：當技術變動的時間速度超過社會保險、職業訓練、信用、公共制度與家庭財務緩衝時，如何形成制度適應時間差、分配張力與候選 AI 朋克危機。GBI、短工時、基本服務、收益分享、動態股權和開放接案市場均作待比較的制度路徑，而非本篇政策結論。

同時，即便人機工作室使數位服務價格下降、家庭成功接案，也不證明 AI 已經能跨週期再生支撐自身的電力、晶片、製造、物流與物理基礎設施。SAS-01 的系統閉環門檻及文明正和門檻需另以物理與社會效果驗證。AIBT-12 會回收此界線。

20. 結論

市場上的真正變化，可能不是所有人都變成永久的 AI 公司，而是一項成果從需求到交付，不再必然需要由傳統雇用大量員工的單一企業承攬。個人、家庭和臨時人機工作室可能以 AI 與專業能力直接接受委託，也可能為大型企業提供專業分工；企業與市場的邊界因此出現條件性重組。

但這種市場的成功不能只以「接案者有多少 AI」衡量。其存在性取決於能否建立可信任的需求、可負擔的接入、可驗收的交付、可追溯的法律主責、最終結算與合理分帳；其社會價值則取決於低成本生產是否真正提高廣泛家庭的淨收入、生活穩定與自由選擇，而非只將原有企業的風險轉移給家庭。

本篇提出的主要可反駁命題為：

AI 可以降低成為生產者的門檻，卻不保證降低成為可持續收入取得者的門檻；開放人機委託市場是否有助於社會適應，必須經由有效需求、可驗證合約、風險調整的淨收益及長期可攜退出權共同判斷。

這項結論既不要求停止 AI 研發，也不否認大型企業的剩餘價值；它只是將「市場開放」從技術介面，轉化為可實際檢驗的家庭經濟與制度問題。

附錄 A｜研究算例、口徑與公式檢核表

• 算例 A 的單案假設： $12{,}000-0.12(12{,}000)-900-600-900-360=7{,}800$。
• 算例 A 的月餘額： $4\times7{,}800-4{,}200=27{,}000$ ；工時： $4\times18+32=104$ ；有效時薪： $27{,}000/104\approx259.62$。
• 算例 B 的單案假設： $8{,}000-0.12(8{,}000)-2{,}760=4{,}280$。
• 算例 B 的月餘額： $3\times4{,}280-4{,}200=8{,}640$ ；工時： $3\times18+32=86$ ；有效時薪： $8{,}640/86\approx100.47$。
• 每案新臺幣 12,000 元與 8,000 元均為架空算例，與 Fiverr 28.2% take rate 或 Upwork 任一合約扣費無數值關聯。
• 機會成本式只在明示 $w_i^{outside}$ 與相同口徑時有意義，不能直接當國民帳戶淨增值。
• 鏈式 100 × 0.4 × 0.2 × 0.9 × 0.95 = 6.84 是期望值，不是真實成交件數。
• 計算結果須依原始碼再次驗證後才可交付，且不得將簡化算式標示為因果估計。

附錄 B｜正式研究介面與篇號約束

參考來源

A. 既有 EveMissLab 原始研究（內部／先前研究文件）

• AIBT_00_研究總綱_AI泡沫產業重整與文明適應論_v0.1_2026-10-31.md
• AIBT_07_Agent生產革命與最小有效企業規模的重估_v0.1_2026-10-31.md
• AIBT_08_替代與增強的交叉作用_生產力紅利如何分配_v0.1_2026-10-31.md
• AIBT_09_數位供給充裕_有效需求與購買力斷裂_v0.1_2026-10-31.md
• AICET_03_家庭智能資本與有效AI可達性_v0.1_2026-10-27.md
• AICET_05_AI代理創收_從活動數據到可核實淨收益_v0.1_2026-10-27.md
• AICET_06_家庭代理經濟與個體機構化_v0.1_2026-10-27.md
• AICET_07_代理契約授權與類員工關係_v0.1_2026-10-28.md
• AICET_08_AI-AI交易委任鏈與收益結算_v0.1_2026-10-28.md
• AICET_10_代理供給擁擠注意力競爭與市場退出_v0.1_2026-10-28.md
• AICET_11_智能收益分配購買力與經濟需求循環_v0.1_2026-10-28.md
• B03_Artificial_Actor_Markets_AI_Native_Transactions_Payments_Contracts_v0.1_2026-09-11.md
• AICET_開放人機委託市場_家庭智能資本與微型契約工作室_研究橋接_v0.1_2026-10-31.md
• SAS-01_Redefining_AI_Singularity_Positive_Regenerative_Loop_v1.0_2026-08-18.md
• EWDT-19_系統性AI奇點作為經濟世界域相變_v0.1_2026-10-03.md
• EWDT-21_自動化社會閉合與廣泛世界域傳遞_v0.1_2026-10-06.md

B. 可公開核對的外部資料（均截至 2026-10-31）

[S01] Coase, Ronald H. (1937). The Nature of the Firm. Economica, 4(16), 386–405. https://doi.org/10.1111/j.1468-0335.1937.tb00002.x

[S02] Upwork. (2026). Upwork MCP Server. https://www.upwork.com/ai/mcp （依 2026-10-31 頁面功能敘述；以實際條款為準。）

[S03] Upwork Help. How agency finances work. https://support.upwork.com/hc/en-us/articles/360009524554-How-agency-finances-work

[S04] Upwork. (2026-07-14). Future Workforce Index 2026: AI, Freelancing, and the New Value of Work. https://www.upwork.com/research/research-future-workforce-index-2026

[S05] Fiverr International Ltd. (2026-10-29). Fiverr Announces Third Quarter 2026 Results. https://investors.fiverr.com/news-releases/news-release-details/fiverr-announces-third-quarter-2026-results

[S06] dealwork.ai. How dealwork.ai works. https://dealwork.ai/how-it-works （平台自述，非經獨立認證的付款安全與成交量。）

[S07] TaskForce. Work Marketplace for AI Agents & Humans. https://www.task-force.app/ （平台自述，需審核合約、支付與實際營運。）

[S08] Augex. What is Augex?. https://augex.ai/help/what-is-augex （平台自述，交易與資安尚未獨立驗證。）

[S09] Upwork. (2025-11-13). Human+Agent Productivity Index Reveals Up to 70% Boost in Work Completion. https://www.upwork.com/press/releases/upwork-human-agent-productivity-index-reveals-up-to-70-boost-in-work-completion-from-human-and-ai-agent-collaboration-vs-agents-working-alone

[S10] International Labour Organization. (2026-06-18). How will the new Convention No.193 promote decent work in the platform economy? https://www.ilo.org/resource/article/how-will-new-convention-no193-promote-decent-work-platform-economy

[S11] United Nations Department of Economic and Social Affairs. (2026-09-10). Policy Brief No.194: Decent Work in the Platform Economy. https://desapublications.un.org/policy-briefs/un-desa-policy-brief-no-194-decent-work-platform-economy-governing-digitally-managed

[S12] Parker-Waldern, S. H., & Leonardi, P. M. (2026). Cold Starts and Burning Desires: Reputation System Misalignment and Late-Career Transitions to Platform Work. Administrative Science Quarterly (online 2026-09-05). https://doi.org/10.1177/00018392261464889

[S13] Tekic, Z., Omelchenko, Y., & Dunaeva, A. (2026). Generative AI and the Uneven Disruption of Freelance Labor: Exposure, Diffusion, and Adaptation under Constraint. Technology in Society, 88, 103464. https://doi.org/10.1016/j.techsoc.2026.103464

[S14] Bick, A., Blandin, A., Deming, D. J., & Schumacher, T. R. (2026-08). What Work Does Generative AI Do? NBER Working Paper 35677. https://www.nber.org/papers/w35677

[S15] Upwork Legal Center. (2026-07-20 version). User Agreement. https://www.upwork.com/legal （實際生效文本與各契約類型須分別核對。）

研究結論狀態： 完整概念論證與可否證研究規劃已撰寫；現實市場發展、家庭長期收入效益及 2027–2028 年的事件仍待驗證。本稿不是已完成實證發現，也不聲稱新興平台具正式合規認證。