AI 讓人越來越有自主性，卻也可能讓人失去獨立判斷？

最近《The Pragmatic Engineer》作者 Gergely Orosz 在 X 上提出了一個有趣的觀察。他感覺科技業正逐漸分成兩群人：一群人主動利用 AI 改變自己的工作方式，生產力持續提升；另一群人則習慣等待主管指示，不知道該如何應對 AI 帶來的變化。他認為，未來職場越來越重要的能力是自主性（Agency）。當一個人凡事都需要別人交代，主管可能直接把同樣的指令交給 AI Agent，反而更有效率。

但幾天前，Anthropic 發表的一篇研究〈How AI agents shape experts' judgment calls〉，剛好從另一個角度提出了值得思考的問題。當人們開始有能力利用 AI 自主完成工作，是否也在不知不覺中，把自己的判斷權交給了 AI？

Anthropic 找來 50 位使用 Claude Code 的專業分析師，要求他們完成一項涉及因果推論的研究。在過程中，研究團隊刻意讓 AI 對不同分析方法具有預先設定的偏好，但並未告知參與者。結果發現，在四項分析決策中，有 86% 的選擇符合 AI 的偏好。而在研究結束後，77% 的分析師至少有一次沿用 AI 提出的理由來解釋自己的決策，但只有 15% 的人曾明確提到這些理由來自 AI。

值得注意的是，AI 在實驗沒有被要求捏造數據或欺騙使用者，而是在合理選項之間，提出支持特定選擇的論點。換句話說，即使 AI 提供的分析與論點看起來相當合理，仍然可能影響專業人士的判斷，而且使用者未必能夠清楚察覺。

類似的現象其實不只發生在工作與學術研究中。2025 年，《Nature》也發表了另一項研究，透過美國、加拿大與波蘭的選舉情境，發現與 AI Chatbot 進行對話，確實能夠影響參與者對候選人的偏好。而同年《Science》發表、涉及近 7.7 萬人的研究則進一步指出，透過特定訓練與提示方式，可以讓 AI 更具有說服力，但這種提升有時也伴隨著資訊準確度下降。

這些研究並不代表 AI 一定會操控人類，也不能直接證明 AI 會永久改變人的政治立場。但它們共同提醒了一件事：AI 不只是替人類完成工作，也正在參與人類形成觀點與判斷的過程。

這就產生了一個有趣的矛盾。一方面，AI 正在降低執行工作的門檻，讓更多人不需要依靠他人，就能完成過去難以獨立完成的任務。但另一方面，當 AI 能夠快速提出完整的分析、具體的建議，甚至一套邏輯清楚的解釋時，人們也可能越來越少花時間自行建立假設、比較不同方法，或質疑 AI 提出的結論。

尤其在學術研究與專業訓練中，這個問題值得重視。因為過去許多看似沒有效率的過程，例如反覆嘗試、犯錯、與不同觀點辯論，其實都是培養專業判斷的重要途徑。AI 帶來的效率提升無庸置疑，但未來的人機協作或許不能只看一個人能夠透過 AI 完成多少工作，也需要關注他是否仍然有能力理解、檢驗，甚至推翻 AI 提出的答案。

這也讓我想到 EdSurge 最近的一篇文章〈How AI Is Breaking the Way We Reward High-Achieving Students〉。作者 Melinda Medina 提出了一個值得思考的觀點：或許 AI 不只是在改變學生的學習方式，也正在揭露過去教育制度對「成就」的定義有多麼狹隘。

文章中有一段特別值得分享：

「表揚錯誤的事」（Honoring the Wrong Things）

『AI 不僅在顛覆學生成就，更在揭露學校對成就的定義有多狹隘。世代以來，我們獎勵的是精心雕琢的文章、正確的答案、一絲不苟的筆記、亮眼的 GPA 和完成的作品。AI 極擅長產出作品。因此，若我們衡量的僅是作品本身，AI 勢必會讓辨識人類成就變得更加困難。

教育工作者需要保留有生產性的掙扎，因為作業背後的思考過程與最終成品同樣重要。這一點對於高成就學生而言更為重要。

我不再只問「這篇文章寫得多好？」，而是越來越想知道：你是怎麼走到這裡的？讓我看看最初啟動你研究的那個問題。讓我看看你最早提出的主張，並解釋你為何捨棄了它。告訴我哪一份資料改變了你的想法。當我質疑你的結論時，請你為它辯護。說明 AI 在哪些地方有所貢獻，而你又在哪裡拒絕了它的建議。讓我看看你如何改變自己的想法。

這些能力之所以更難自動化，是因為它們彰顯了知識的自主性，而這正是我們應該保護的核心。』

參考資料