跳至主要內容

觀點

研究與觀點

關於人工智慧、判斷力與價值的研究與思考,清楚區分研究發現與實務建議。

認知讓渡:當人工智慧的答案成了你的判斷

有用的協助,與未察覺地交出判斷,並不相同。重要的是:你是否仍理解並掌握選擇背後的推理?

善用協助,不交出判斷

認知讓渡,是未經批判地接受人工智慧的判斷,當成自己的判斷,卻沒有察覺判斷已經轉移。有意識地請人工智慧協助探索選項、查核資訊或減少例行負擔,可以是有用的協助;前提是你仍持續提問、驗證,並承擔責任。

推理任務研究告訴我們什麼

華頓商學院於 2026 年 5 月刊出的文章,介紹 Steven Shaw 與 Gideon Nave 以特定推理任務進行的實驗。參與者能從正確的人工智慧協助中受益,也可能接受錯誤答案,而不採用自己的推理。這些發現讓問題值得關注,但不能據此認定日常生活或工作中的能力已出現長期退化。

兩種可以並存的看法

華頓商學院《2025 年人工智慧採用報告》中,89% 的受訪領導者認同生成式人工智慧提升員工能力;43% 則認為隨著使用增加,熟練程度可能下降。這些是受訪者的看法,不代表 43% 的員工實際退化,也沒有證實缺乏角色設計、引導或練習就是原因。

可以考慮的實務回應

  • 先寫下自己的看法,再請人工智慧協助,比較兩者的推理。
  • 對重要主張,查核可靠來源,並尋求相關專業建議。
  • 釐清誰決定、誰審閱,以及哪些事項需要人的判斷。
  • 保留獨立練習與反思的空間,不把每個答案都當成結論。

以上是實務建議,不是清明力已獲證實的成效。研究支持的是問題值得關注,並未測試清明力,也不構成對清明力的背書。

探索學習路徑

即將發表

交付而不放棄責任

哪些交給人工智慧,哪些必須留在你手中。

即將發表

判斷力是一種能力

為什麼辨識力可以培養,而非只能天生。

即將發表

看見總價值

看得比第一個顯而易見的效益更遠。

即將發表

人工智慧時代的團隊

與機器共享工作時的當責。