在數位轉型的浪潮下，我經常在企業內訓或課堂上觀察到經理人們的集體焦慮。這種焦慮通常來自一個無法避而不談的提問：AI 到底會對我的公司造成多大的衝擊？

身為決策者，如果無法量化不確定性，很難做出合理的資源配置。因此在課程或演講尾聲，我會帶大家練習校準法（calibration），學會如何預估 AI 對商業世界的衝擊。

大多數人在估計未知事物時，往往會過度自信。例如，一名主管說：「我敢說 2 年內公司 50% 的法務合約審閱都能交給 AI。」但他到底有多少把握？如果他宣稱有 9 成信心，但最後 10 次預測中只有 5 次準確，那就是嚴重失準。

校準法要訓練的，正是把主觀感受轉為信賴區間（confidence interval）與機率：當我們說「不知道」，也要清楚定義「不知道到什麼程度」。

3 方法校準大腦，將主觀感受轉為信賴區間

在評估 AI 這種高不確定性的議題時，我們常採用《如何衡量萬事萬物》作者、決策分析與風險管理大師道格拉斯．哈伯德（Douglas Hubbard）提出的 3 種方法來校準大腦。

1.荒謬測試（absurdity test）：

面對 AI 導入的成本或節省比例，經理人常給不出精確數字，荒謬測試的做法是先從極端值逼近。

做法是先問一個極端小的數字，例如 AI 節省成本可能只有 1% 嗎？再問另一個極端的數字，如可能達到 99.9% 嗎？透過排除荒謬的數值，範圍會逐漸縮小。最後得到的區間可能是 15～25%，雖然仍是範圍，但已具參考價值，也能有效打破「追求完美精確」導致的決策癱瘓。

2.相等賭局測試（equivalent bet test）：

這是用來檢驗你內心真實信心機率的方法，假設你宣稱有 8 成信心，2 年內 AI Agent 會替代掉公司 30% 的行政工作，那你可以給自己 2 個選擇： A：2 年後預測成真，你贏得 1 萬元； B：轉動一個中獎率 80% 的輪盤，贏了拿 1 萬元。

如果你毫不猶豫選了輪盤，代表你對 AI 的預測其實沒有 80% 的信心，這個測試能強迫經理人檢視自己的判斷是否只是口號，進而調整出更誠實的機率分布。

3.正反並陳法（pros & cons list）：

人類大腦容易被第一個想到的數字定錨，在給出估計範圍後，請強迫自己列出 2 個理由，說明為什麼正確答案可能落在範圍之外。

這能降低盲點，讓區間更務實。例如，你認為 AI 會節省 3 成人力，但若把員工適應新系統的陣痛期、或現行法規對自動化決策的限制納入考量，你可能發現區間應該放寬一些。

測測看，你是否過度自信？

為了讓這套方法更具體，我針對台灣經理人改寫了校準測驗，在正式進入 AI 評估前，我們先透過一些已知事實來測試你的校準能力。目標是當你宣稱有 9 成信心時，最後正確答案落在你預估區間的機率。

解答：從第一題至第 10 題依序為 350 公里、2000 年、508 公尺、3952 公尺、1 萬 4000 家、1984 年、是、否、是、否

分析：如果答錯題目超過一題，代表你給的區間太窄，也就是你對自己的知識量過度自信，這是一個非常重要的警訊，提醒你在估算未知事實時，必須更加審慎拉寬你的預期區間。

審視隱形成本、別過度自信，更精準管理預算

當你掌握了校準法，並且對目前 AI 的限制有基本認知後，請嘗試以校準後的角度回答 2 個關鍵問題。

第一是人力節約的信賴區間：在現有業務流程中，特別是行政、初階分析、重複性文書工作，你認為未來 3 年內，公司能夠實現的人力成本節約比例是多少？請給出你的 9 成信賴區間；第二是 AI agent 的任務替代率：你預計未來 5 年內，你所屬部門的工作總時數中，有多少比例會由 AI agent 獨立完成？

帶領團隊做這項評估時，我會提醒 2 件事。第一，警惕過度優化現有流程。有些經理人只專注於用 AI 取代現有人力，卻忽略 AI 可能帶來全新的業務機會；若只是為了節約而節約，你可能在效率上贏了，卻在競爭格局上輸了。

第二，務必審視隱形成本。AI 的導入不是買來即用，它涉及資料清洗、流程重組與員工再訓練；若把轉型陣痛排除在外，你的投資回報率預估就會失真。

我們或許無法精準預知 AI 何時會完全取代某項工作，但可以透過校準法，把模糊的恐懼轉化為具體的機率分佈。這不只是為了精準管理預算，更是讓組織在不確定中，仍能找到方向。

核稿編輯：林庭安