# 同一套工具，有人在指揮 AI，有人在替它跑腿。

> AI 應用 · 2026-09-17 · HTML 版（正本）：https://voidvector.tech/zh/insights/who-overrules-the-model/
> 語言：zh-Hant · 來源：voidvector（虛空向量有限公司）

這幾年的討論換過兩輪題目：先是誰在用 AI，後來是怎麼用得更好。這兩題現在都已經分不出高下了。還分得出來的是位置——你是決定什麼算對的那個人，還是把模型的輸出搬去下一格的那個人。

打開你這一週的對話紀錄，往回翻。找一次你把模型交出來的東西退回去的紀錄——要它重寫，或者乾脆自己動手改掉。如果翻了十分鐘都找不到一次，那大概不是因為它這週表現特別好，比較可能的是：你已經有一陣子沒在判斷了，只是在收件。

這幾年關於 AI 的討論換過兩輪題目。一開始問的是誰在用——那時候「會用」本身還算一種區別；後來問的是怎麼用得更好，prompt 怎麼下、工具怎麼接、工作流怎麼排。這兩題到今天都已經鈍掉了：工具人人都有，用法搜一下就是一整頁。現在還分得出高下的只剩位置——在這條工作流裡，你是那個說了算的人，還是那個負責把模型的輸出搬到下一格的人。講得難聽一點，就是主人跟奴隸的差別。

## 同樣的工具，兩個人可以站在完全不同的位置

這件事跟熟不熟練沒什麼關係，這是它最反直覺的地方。兩個人可以用同一個模型、打差不多的字、出活的速度也差不多，而其中一個在指揮，另一個在被指揮。差別不在操作，在於三個問題的答案落在誰身上：什麼算好，由誰定義？不好的時候，誰退得掉？退不掉又出了事，誰的名字在上面？

判準、否決、後果。這三樣還在你手上，工具再強也只是工具；少了任何一樣，你用得再熟，也只是這條流水線上手最快的那一段。

*(圖：圖一：同一條工作流，兩個位置。上面那排，人在看到輸出之前先定義了什麼算過，所以退得回去，送出去的東西也掛自己的名字；下面那排少了第一格，第三格自然就守不住了。)*

## 先鬆掉的通常是判準，而且鬆得無聲無息

沒有人是某天早上決定「從今天起我不判斷了」。它是有順序的，而且第一格掉得最安靜：你不再在看到輸出之前，先寫下什麼樣算過。

事前寫判準是一件很煩的事。你得想清楚這份東西是給誰看的、要達成什麼、哪些地方錯了會真的出事。跳過這一步，交期照樣趕得上，因為模型會先交件，你再來反應。但這一跳，你手上就只剩一把尺——那份輸出本身。你只能對著它問：有沒有哪裡明顯不對。

而「沒有哪裡明顯不對」，剛好是這類系統最會生產的東西。它幾乎不會交給你一份一看就壞掉的稿子；它交出來的是格式完整、語氣篤定、細節齊全，而其中一兩個細節是靠「聽起來合理」補上去的，不是從資料來的。事前沒有判準的時候，這種東西過起來毫無阻力。

## 沒在用的否決權會萎縮

第二格掉得比較慢，但掉得更徹底。否決是一種能力，不是一個按鈕——你得先看得出這裡不對，才有東西可以否決，而這個眼力來自你自己做過，而且做錯過。

於是就有了一個很不舒服的循環：你越少自己動手，越難判斷模型動的手對不對；越難判斷，你越傾向接受；越接受，你越少動手。自動化偏誤（automation bias）在人因研究裡已經被追了幾十年，講的就是這件事——人在面前擺著一份自動化的建議時，會系統性地偏向相信它，也會系統性地漏掉它沒提醒你的那些錯。這不是 AI 帶來的新病，只是這一次，它進到了原本被認為最吃判斷力的那些工作裡。

*(圖：圖二：否決權只會往一個方向走（示意，非實測數據）。每往下一階，你判斷下一階的能力就少一點——而每一階單獨看，都只是一個很合理的省時決定。)*

## 在公司裡，這是流程設計的結果，不是誰比較懶

到了組織這個尺度，上面那些個人習慣會被制度放大或抵銷，而多數公司的制度是放大。三種設計造成了大部分的傷害，而且三種你都眼熟。

第一種是拿產量當導入 AI 的成效：這個月多產了幾份提案、幾篇文章、幾行程式。量最好數，於是量就變成目標，而審核從來沒有被編列成一份工作，它只是「大家順手看一下」。第二種是把「AI 起草、人簽核」寫進流程圖，就當作風險已經處理掉了。第三種是讓否決的成本高於接受——退件要重跑一輪、要多開一次會、要跟人解釋你為什麼不滿意，而點頭只要按一下。這三種湊在一起，就算每個人都想認真，那道閘門也守不住。

同一筆帳我們在談自動寫知識庫的那篇文章裡算過：AI 產出的曲線跟人審核的曲線如果不是同步在長，中間張開的那一塊，就是沒有人看過就生效的內容。那篇講的是知識庫，這篇講的是人，機制是同一個。

## 三個現在就驗得出來的問題

這幾個問題不需要任何工具。第一，判準：在看到輸出之前，你寫得出三行「什麼樣算過、什麼樣算不過」嗎？寫不出來的話，你接下來要做的就不是審核，是抓錯字。

第二，紀錄：上週你退過什麼件？退一次花了你多少力氣？如果一次都沒有，而且你也說不出退件流程長什麼樣，那道閘門就只存在於流程圖上。

第三，名字：這份東西出去之後出了事，誰負責？如果大家第一個伸手去抓的答案是「那是 AI 產的」，那位置已經換過人了，只是還沒有人宣布。

## 這不是在叫你少用

把上面幾段讀成「所以要少用 AI」是完全讀反了。用得很少的人一樣可能被指揮得很徹底，他只是把判斷交給了別的東西——交給範本、交給上一版、交給「這裡一直都是這樣做的」。這件事跟用量從來沒有關係，跟判準留不留在你這一側才有關係。

反過來說，握得住判準的人，才有資格把 AI 用得很兇。你知道什麼算對，就敢讓它一次生十個版本，因為你有本事在十個裡面挑，而且說得出為什麼挑這個。工具的上限是使用者的判斷力，這一點在 AI 出現之前就成立了；不一樣的是，以前的工具還沒強到讓「把判斷整個外包出去」看起來像一筆划算的交易。

模型不會來奪權。它只會一直交出看起來可以接受的東西，一直交到有一天你懶得再看。在那一天之前，主人跟奴隸用的是同一套工具、坐在同一間辦公室，差別只在那份東西送出去之前，有沒有一個人真的看過，而且有權說不。