「我剛剛問AI」：台灣上班族把判斷交給 AI 之後，誰學不會、誰來扛

一項實驗：86% 的時候，專家跟著 AI 走

先看那項實驗怎麼做。Anthropic 招募 61 位有因果推論經驗、平常寫 Python 或 R 的專業分析師，其中 50 位用 AI 代理完成任務：替一個虛構的農業合作社評估輔導計畫該不該擴大。過程中有四個「兩個選項都合理」的分析決定，例如產量要用每公頃收成還是每單位成本計算。研究者事先用擲硬幣決定每位分析師的 AI 偏好哪一邊，並要求 AI 誠實說理、遇到證據要改變立場。

分析師有 86% 的時候選了 AI 偏好的選項，隨機的話應該是 50%。已經先說出自己偏好的人，AI 唱反調時有 60% 改口，AI 附和時只有 6%。跟著 AI 走得最徹底的人，對最終建議的信心和其他人差不多；事後有 52% 說最終建議主要是自己的判斷。

研究者也列了限制：AI 的傾向是刻意加強的，只有一個任務、一種專業；論文的預先登記分析中，AI 傾向對「最終建議」的影響並不顯著。用 AI 的分析師完成得更快，嚴重錯誤也少得多：不用 AI 的 11 人中有 6 人犯了足以推翻結論的錯誤，用 AI 的 50 人中只有 3 人。這不是「AI 有害」的故事，而是「判斷悄悄換了主人」的故事。研究作者是 Anthropic 的人員。

其他研究指向類似的方向。微軟研究院與卡內基美隆大學 2025 年調查 319 位知識工作者，發現對 AI 越有信心，批判思考越少；對自己越有信心，批判思考越多。METR 2025 年請 16 位資深開源開發者實測，用 AI 反而多花 19% 的時間，但他們事後仍相信 AI 讓自己快了 20%；METR 現在已註明這是 2025 年初的舊結果。

「我回去再問一下AI」：AI 成了辦公室的權威

在台灣的論壇上，最常見的場景不是「AI 做錯」，而是「AI 說了算」。慧榮工程師的文章裡，主管要求「一天做 10 件」，工程師的回答都指向 AI。

10 月，一位自稱做硬體模擬的工程師在 Dcard 科技業板發文，標題是〈有AI後，新人的態度〉。他說新人把波形結果丟給 AI，邏輯對不對都不檢查。留言裡，有人說同事因為太相信 AI，把長度單位 mm 和 mil 搞混；也有人說得更直接，檢查本身被犧牲了。

PTT 八卦板的〈凡事問ai很危險吧?〉把場景從工程師擴大到一般上班族。推文裡有人說，同事開會直接拿 AI 的結果出來，自己都沒看過；也有人自嘲主管的處境。

分析也有人覺得這沒什麼新鮮。Dcard 有留言說，以前是「Stack Overflow 說的」，現在變成「AI 說的」；PTT 有推文反問，問人都不怕錯，還怕 AI 給錯？這些反駁點出一件事：盲從不是 AI 發明的。但實驗顯示的差別在於，AI 會主動提出意見、說理流暢，而人往往沒發現自己是跟著它走的。

不看 code 了：速度換來的黑盒子

軟體工程師是最早、也最深度使用 AI 的一群。今年 5 月，PTT 軟體工作板一篇〈AI時代,各位還會一行行看code嗎?〉和它的回文，累積了 337 則推文，是我們讀到最大的一場論戰。發文者說，一行行讀程式碼「很沒效率」。

效率是真的。6 月，有人在同一個看板分享，AI 幫他跑測試、找資料，本來 2 星期的工作，2 小時就做完了；另一篇談怎麼和只會用 AI 的同事合作的回文裡，有人說自己做的東西一行代碼都沒寫。

代價也開始浮現。Dcard 上一位剛畢業的碩士新人坦白，論文的程式全是 AI 寫的，上班後有 bug 或新需求也都交給 AI。

Anthropic 今年 1 月另一項實驗，請 52 位以初階為主的工程師學一個新的程式庫：用 AI 的一組，隨後的理解測驗平均 50 分，手寫的一組 67 分，差距最大的是除錯題。研究者提醒，在時間與組織壓力下，初階工程師可能用速度換掉學習，而失去的正是出問題時找出原因的能力。

公司要你用：KPI、儀表板與 token 月光族

論壇上的另一個共同經驗是，用不用 AI 已經不是個人選擇。PTT 薪水板一篇〈公司狂推 AI 會不會把自己給取代〉描述，公司要求每個人都用 AI 產出，每週週會輪流報告「最近用 AI 自動化了哪些工作流程」，連工作交接都只丟一個設定好的 AI Skill。

特斯拉傳出依 token 用量替員工排名的新聞，在 PTT 科技業工作板引來台灣員工的自述：有人說公司規定一定要用 AI，帳號卻要員工自己買；有人說公司訂閱就伴隨儀表板，也伴隨 KPI 和裁員。Dcard 一則留言說，自家公司的績效指標包含 AI 使用率，沒用到 AI 就會被老闆釘；這是單一匿名說法，我們無法證實。

用量也有上限。慧榮工程師寫，公司每人每月 token 上限 65 美元，燒完後部分人就開始掛機空轉。8 月，PTT 軟體工作板有人轉述，一位新到職的架構師兩次指令就用光整個月的額度，主管去跟老闆要錢加購，結果老闆震怒，要大家自己看著辦。

壓力也延伸到工程師以外。Dcard 金融板一位理財專員說，銀行要求理財面談全面用 AI 記錄，第一個客戶就搖手說「不用不用，他怕留資料」，她只好手寫 40 分鐘，主管的回應是要她加強溝通技巧。八卦板則有人在 10 月最後一天發問：

台灣的調查呼應這種「被要求用、卻沒人教」的落差。資誠 2025 年的全球勞動力調查中，台灣有 64% 的受訪者過去一年在工作中用過 AI，高於全球的 54%，但每天使用生成式 AI 的只有 13%；非管理職中，只有 20% 認為自己擁有所需的學習資源，全球是 51%。資策會的調查則顯示，國人對生成式 AI 的前三大擔憂中，「過度依賴」占 60%。

出事誰扛：「你能背鍋，AI不能」

如果判斷交給了 AI，責任呢？論壇上的答案幾乎一致：還是人。在「一行行看 code」的論戰裡，有兩則推文說得很直白。

薪水板的回文把它說成生存之道，底下立刻有人反駁：

Dcard 上一位第一年的工程師說，同事都讓 AI 實作，進度會議上報告「我跟 AI 討論出來」的方向；她先學基礎，反而被評為「學習能力不好，做事太慢」。留言中有人點出真正的困擾。

一位工程師在 Dcard 工作板描述的高層會議更極端：主管們要一個能自己回答客戶、處理訂單、做決策的「AI 大腦」，目標是省掉一半人力。他寫道，資料治理、權限規劃，以及誰負責出包的責任歸屬，沒人提。另一篇文章則描述功勞的流向：別的部門用 AI 拼湊的程式交給他重做，辛苦弄完大部分 credit 也算對方頭上。

分析把論壇和實驗放在一起看，會出現一種不對稱：做對了，功勞算 AI 和會用 AI 的人；做錯了，責任算在簽名的工程師身上。而實驗中 77% 的人用了 AI 的論點、只有 15% 說出來，意味著連當事人自己都未必分得清，哪一部分判斷是自己的。

新人學不會，還是根本沒被雇用

初階員工的處境最兩難。Dcard 工作板一位第一次帶人的主管發問：新人用 AI 很快做出功能，卻說不出邏輯，該不該讓他過試用期？144 則留言吵成兩派，一則獲 156 個讚的留言站在新人這邊。

也有留言說，現在沒人願意花一年培養新人，不靠 AI 快速產出，連試用期都過不了。另一家公司的做法相反：試用期禁止用 AI，以免新人過度依賴；留言反問，過了試用期天天用就不算依賴了嗎？

更大的問題可能是新人根本沒被雇用。史丹佛大學數位經濟實驗室今年 8 月更新的研究發現，在最容易被 AI 取代的職業中，22 到 25 歲年輕人的就業人數，比照較不受影響職業的趨勢低了 19%，主要是因為企業少雇年輕人，而非裁員；資深員工沒有類似落差。1111 人力銀行與資策會今年的調查中，只有 11% 的新鮮人認為在校所學能完全滿足職場需求。

分析中高齡員工則在另一頭吵。PTT 科技業工作板一則推文認為，正因為寫程式可以交給 AI，有經驗的人反而更有價值，因為判斷和審查不是每個人都做得到。這和實驗的發現有點衝突：研究者檢查了年資、專業程度、對 AI 的信任等十項特徵，沒有一項能可靠地預測誰會跟著 AI 走。

反方：AI 比人可靠，問題在人

並不是所有人都擔心。不少推文認為，AI 審查程式抓到的問題比人還多；也有人說，在需要先在白板上推導的領域，AI 的訓練資料只有程式碼、沒有那塊白板，所以人仍不可或缺。Anthropic 的實驗也顯示，用 AI 的人犯的嚴重錯誤比較少。

分析真正讓論壇不安的，或許不是 AI 會不會錯，而是當 AI 對的時候，人還剩下什麼。6 月，PTT 薪水板轉貼一則日本新聞：一位 52 歲上班族照 ChatGPT 的建議辭職轉行，失業三個多月後才找到工作，年收入從約 500 萬日圓掉到約 300 萬日圓。他事後說，AI 並沒有錯，但他「卻深信它的判斷一定正確」。

「你A了嗎？」

回到慧榮工程師的文章。他寫，導入 AI 之後，工作並沒有變輕鬆，長官的期待從一天 3 件變成 10 件；同事之間的招呼語變成「你A了嗎？」。底下一位新人留言說，不大量用 AI 根本做不完，但摸索學習的時間也被抹掉了。

那篇在 Dcard 抱怨主管「我剛剛問AI」的貼文裡寫道，AI 應該是協助，不是取代你的大腦。實驗的研究者說得更節制：人工覆核要算是獨立的檢查，前提是審查的人，判斷是自己的。