趨勢觀察／AI 可提高效率，判斷力不能外包

我在麥肯錫的同事上月發表一篇文章，裡面的數字值得每個正在簽AI預算的董事長多想一下：79%的企業已採用生成式AI，卻只有39%能指出AI帶來的效益，也只有約三分之一真正做到規模化。

麥肯錫全球研究院估算，AI代理人與機器人到2030年每年可為美國創造2.9兆美元的經濟價值，但是這筆錢，多半還沒人拿走。

我們的看法是：卡住的不是技術，而是使用技術的人。真正的瓶頸，是人的認知負荷。

執行從來不是人類工作的全部。人類過去同時要做兩件事：先判斷什麼叫「好」，再動手做出來。AI拿走了後半段的工作，留給人的是純粹的判斷——定義標準、設定門檻、決定何時該停手。

以SQL查詢為例，現在你只需要說明你要什麼結果，不必自己寫出每一步該怎麼做。問題是，人類能給出的判斷力，依舊是有限的。

我們研究中有個例子很能說明問題：分析師過去要花幾小時做投影片、整理Excel，現在AI幾分鐘就能做完，效率確實大增。

但AI教不會一個20多歲的年輕人怎麼讀懂一個挑剔的客戶、怎麼在論點快站不住時臨場應變、怎麼在氣氛僵持時穩住場面。這些能力，不靠磨練就無法培養，而自動化剛好把過去免費的練習機會拿掉了。

長期依賴AI會造成「認知外包」，讓獨立判斷力隨時間下滑。《哈佛商業評論》一項調查發現，長期監督AI會造成「大腦疲勞」：思緒模糊、決策變慢。

MIT初步研究更發現，重度使用AI的人一旦失去工具，神經連結與記憶力都會下降。不是要企業少用AI，而是要提醒一件事：判斷力不是免費資源。

同樣的負荷轉移，也發生在組織各個層級。自動化不只是省下工時，還可能把強度集中。過去業務員一半時間處理行政、一半時間開發客戶，現在行政被AI接手，變成整天連續開會、連續通話，工作量下降了，整體強度卻升高了。

資深工程師若一邊定規格、一邊還要逐行檢查AI的產出，等於工作量直接加倍。

說得更具體一點：研究指出一般人注意力平均47秒就會切換一次，一次中斷後要23分鐘才能完全恢復專注。判斷力正是在這裡被一點一點榨乾的。

我們給領導者的建議很實際：先減法，才能加法。先淘汰過時的流程、砍掉沒價值的會議、指定專人負責篩選AI產出，而不是人人都要重複檢查。同時刻意空出完全不靠AI思考的時間，因為判斷力和肌肉一樣，愈練愈強，愈不用愈萎縮。

但這條界線，沒有想像中乾淨：在真正陌生的領域，人往往得先看過AI「怎麼做」，才知道自己要的「好」是什麼。

真正會贏的組織，方向盤仍握在人的手裡，AI只是坐在副駕駛座，而不是反過來主導一切。