當AI掏空了基層歷練，消失的「判斷力」如何補位

生成式AI確實能加快工作速度，卻未必能讓缺乏經驗的人做出更好的成果。組織如今益發仰賴AI完成基層工作，原本用來厚植判斷力的歷練也跟著流失。鑑於人才培養與接班梯隊的結構風險，領導人應該重新設計工作，重建AI時代下的人才養成機制。

幾年前，我在一家顧問公司擔任合夥人，剛開始實驗使用生成式人工智慧（generative AI），注意到一個令人驚訝的現象：同樣是使用生成式AI，我得到的助益遠大於比較缺乏經驗的同事。

就我的工作而言，AI幫助我更快速地產出自己熟悉、有專業基礎的成果，例如研究彙整與分析。這些成果的品質並不完美，但方向正確，很好調整。

然而，較資淺的分析師使用AI，經驗大不相同。他們也能夠更快產出成果，但品質並未因為使用AI而有實質提升。更值得注意的是，他們往往難以判斷成果是好是壞，遑論如何調整方向。有些人甚至不確定該從何處著手。

這現象出乎我意料之外。2022年時的我和許多人一樣，以為使用生成式AI會像一劑強心針，讓較欠缺經驗的工作者能力大增，繳出超乎個人水平的成績。然而，我所見的情況卻正好相反：工具會放大既有判斷力，但無法補足缺乏的判斷。

現在的我已經明白，當時的經驗其實是一個縮影，有助於解釋今日各行各業主管面對AI輔助工作成果時的不安：這些成果產出迅速、看似有模有樣，實則難以評估其品質，因此也難以判斷能否做為行動的依據。

只要看看大家是如何運用AI工具取得優良成果，就會發現這種現象其實相當合理——必須藉由對AI產出的持續評估，進行經過思考的迭代（iteration）。你對AI下提示，得到回應，評估其優劣，再重下提示，並在這個過程中持續做出細部調整。