生成式 AI 讓職場產出量急速膨脹，工作看起來比以前更多、更快、更豐富，但員工實際具備的能力與判斷力，卻在靜悄悄流失。

產出跟能力脫鉤：他很厲害，可能是他用的 AI 很厲害

工程師出身的 No One's Happy 部落格作者觀察到一種新的職場現象：一位非工程背景的同事花了 2 個月、借助 AI 工具打造出龐大的資料架構系統，程式碼與文件洋洋灑灑，但基模設計從第一天就是錯的，且錯在連入行 2 年的工作者都看得出來的地方。

被追問時，這名同事無法解釋系統如何運作。懂的人看出問題，管理層卻落入專案快速推進的假象，選擇讓系統繼續跑。

這是研究者所稱的「產出與能力脫鉤」（output-competence decoupling）現象。在過去，一份作品的品質是製作者能力的可靠訊號，菜鳥的文章讀起來就像菜鳥寫的，菜鳥的程式碼會以菜鳥的方式崩潰。

如今 AI 切斷這個關係，任何人的產出都能看起來像專家之作，人卻成了「導管」：能把 AI 的輸出轉交出去，卻無法判斷它的好壞。

資歷愈淺，從 AI 獲得的判斷力愈少

根據哈佛商業評論（Harvard Business Review）2026 年 2 月刊出的分析，顧問公司 Disruptive Edge 合夥人大衛．鄧肯（David S. Duncan）指出，他在使用生成式 AI 時注意到，AI 對他的幫助遠大於資淺同事。

鄧肯能快速產出成熟的成果，但資淺分析師用 AI 生成的產出，品質卻沒有比使用 AI 前顯著提升，更關鍵的是，資淺者往往無法判斷那份產出的好壞。

鄧肯指出 AI 產出背後的矛盾： 判斷力的養成，歷來是靠反覆完成費力、不完美、必須承擔責任的任務 。AI 讓產出加速，卻跳過這個磨練過程，結果是組織開始面臨人機協作的「 判斷力悖論」 ——愈需要判斷力的時代，愈少人有機會培養它。

文件產生成本為零：但閱讀成本反而在上升

No One's Happy 作者描述 AI 帶來的另一個問題：原本只需要一頁的文件，現在變成 12 頁；原本只需要 3 句話的進度更新，現在是項目符號的層層摘要。 每一份文件都可以無限膨脹，但製作者往往不細讀自己產出的東西，收件人也不細讀自己收到的東西。

問題在於，現在製作一份文件的成本已跌至接近零，但閱讀一份文件的成本卻沒有下降，甚至還在上升。因為讀者現在必須從更龐大的脈絡裡，找回文件原本想說的那件事。

No One's Happy 作者以自身職場觀察呼應了這個判斷：「完成工作本身就是在培養判斷力。儘管現在產出技能大部分屬於機器，但判斷力仍屬於我們，只是愈來愈少人在練習或使用它。」

AI 沒有讓工作變少，反而帶來更多、更密、更難停下來的工作

加州大學柏克萊分校（UC Berkeley）哈斯商學院（Haas School of Business）副教授阿魯納．藍加納坦（Aruna Ranganathan）與博士生謝星祺（Xingqi Maggie Ye）對一家約 200 名員工的美國科技公司進行為期 8 個月的田野調查，並於 2026 年 2 月發表於哈佛商業評論。

研究指出 3 種 AI 在工作模式中帶來的改變：「 任務擴張 」(Task expansion)，如產品經理開始寫程式碼、研究員接手工程任務等；「 工作與非工作界線模糊 」(Blurred boundaries)，午餐、會議中間隙傳送提示詞，讓 AI 持續在背景運作；以及「 更多工 」(More multitasking)，同時管理多個 AI 執行緒，導致注意力不斷切換。

這些變化成為一個循環：AI 加速部分任務，讓組織對產出速度的期待隨之提高；員工為此更依賴 AI，卻又承擔更多工作。

其中一位工程師說出了許多人的感受：「你以為因為 AI 讓你更有生產力，就可以少一點工作。但其實你的工作並沒有減少，還是一樣多、甚至更多。」研究者警告，若不主動建立「AI 使用規範」，恐造成認知疲勞、倦怠，以及決策品質的下滑。

當未來的主管都沒做過「底層苦工」：AI 時代下的組織接班危機

這些發現都在不同面向指向相同的組織隱憂：若新人跳過了過去藉由實作累積判斷力的歷程，幾年後企業恐將面對一批從未真正做過底層工作的中階主管，以及愈來愈薄的接班梯隊。

鄧肯建議組織應該開始檢視：誰在做真正有後果的決定？誰只是在審閱機器或他人塑造的產出？哪些職位已經失去那些過去用來養成判斷力的高重複性、低風險任務？

No One's Happy 作者更建議，只在「能夠精確驗證產出」的地方使用 AI 工具；不要向模型確認成果，因為它通常會對所有人表示同意，且不須付出任何代價，它的同意等同毫無價值。

AI 讓職場的生產力數字好看了，卻讓通往判斷力的路變得更窄。組織若不主動介入，最終可能發現當初以效率為名省掉的，其實是客戶真正在付費購買的東西。

資料來源：No One's Happy、Wired、Harvard Business Review1、Harvard Business Review2；本文初稿由 AI 協助整理，編輯：支琬清