員工用 AI 變強了，關掉之後呢？Nature 新研究：AI 給的是外骨骼，不是肌肉

九十分鐘的超能力

10 月 26 日，國際期刊《自然・人類行為》（Nature Human Behaviour）刊出一篇讓主管們心頭一驚的研究。波士頓顧問公司（BCG）的研究團隊和波士頓大學、OpenAI 的研究者合作，找來 BCG 的顧問做隨機對照實驗。這些顧問大多不會寫程式，卻被要求在 90 分鐘內完成資料科學家的工作：寫程式、做統計判斷、建立預測模型。

一組人拿到 ChatGPT（GPT-4）和 20 分鐘的使用教學，另一組只學了怎麼用 Stack Overflow 這類傳統網路資源。結果，有 AI 的那組在寫程式、統計、預測三項任務上，分別比對照組高出 49、20、17 個百分點。研究團隊另外請 44 位 BCG 資料科學家在不用 AI 的情況下作答當作基準：在寫程式題上，對照組和資料科學家相差 63 個百分點，AI 組只差 14 個百分點。

這看起來像是 AI 培訓最完美的廣告。但論文標題用了一個很冷靜的字：temporary，暫時的。AI 讓員工變強的那一刻，強的到底是人，還是那套裝備？

成績單變漂亮的時候，最該問的不是分數多高，而是脫下裝備之後，還剩下多少。

脫下外骨骼，就回到原地

實驗最後，研究團隊收走 ChatGPT，讓所有人回答 5 題資料科學觀念題。剛剛表現亮眼的 AI 組，這時和對照組看不出差別。作者因此把生成式 AI 比喻成「外骨骼」：一種穿在身上、支撐並輔助動作的裝置。穿著它，你搬得動原本搬不動的東西；脫下來，力氣不會跟著留下。科學新聞網站 Scienmag 的形容很傳神：員工穿著支架時走得更高，但支架一拿掉，底層能力並沒有改變。

這不是孤例。加州大學柏克萊分校的 Brian Christian 團隊本月初在語言模型研討會（COLM）發表的研究，以隨機實驗測試 1,222 人，發現只要依賴 AI 解題大約 10 分鐘，再把 AI 拿走，受試者的正確率和堅持解題的意願都會下降。研究團隊認為，AI 拿掉了「有成效的掙扎」（productive struggle），而學習常常就發生在卡住、想不通、硬著頭皮再試一次的那幾分鐘。

AI 幫你省下的那段掙扎，常常就是你原本會學會的那一段。

最危險的不是不會，是以為自己會

這篇研究還有一個探索性的發現：用過 ChatGPT 的人，對 AI 能力的判斷變得更樂觀，甚至過度樂觀。研究團隊準備了四題 ChatGPT 其實答不出來的題目，問受試者「AI 能不能解決」，AI 組在四題上都更傾向相信 AI 做得到。作者也提醒，這部分屬於探索性分析，還需要更多研究確認。

這比「學不會」更麻煩。不會的人知道要問人；以為 AI 一定對的人，會很有信心地把錯誤交出去。論文在結論裡直接建議：團隊裡可能需要有真正懂行的人，來監督、評估技術背景較淺的同事用 AI 做出的成果；在出錯代價高的地方，組織要另外建立品質把關機制。

AI 讓人做得更快，也讓錯誤走得更遠；越是看起來完美的報告，越需要有人看得懂它錯在哪裡。

底子好的人，穿上裝備才會飛

研究裡也有好消息。原本就有一些寫程式經驗的顧問，拿到 ChatGPT 之後，在寫程式和統計題上的表現跟資料科學家相當。換句話說，AI 放大的是底子：基本功越扎實，越知道該問什麼、越看得出哪裡怪，裝備的效果就越大。

麻煩在於，多數公司把學習交給員工自己。求職平台 ZipRecruiter 在 10 月 26 日發布的《2026 AI 勞工報告》調查了超過 1,500 名美國上班族：82.5% 已經在工作中用 AI，但只有 28.9% 受過完整訓練，37.2% 完全靠自學，基層新人更高達 54.7%。高階主管受過 AI 訓練的比例是 83.5%，一般員工和基層新人都只有四成多。報告作者 Nicole Bachaud 說得很直白：沒有正式訓練資源的員工，最可能被落下。

AI 不會自動拉平能力差距；沒有人帶，它反而可能讓會的人更強、不會的人更依賴。

台灣小公司的考題

把鏡頭拉回台灣。經濟部中小及新創企業署委託工研院做的《2025 年中小企業 AI 運用現況調查》，回收全台 1,207 家 199 人以下企業的樣本：只有 15% 的公司有 AI 人才，而這些人才裡，大約 75% 是操作現成 AI 工具的「初階人才」。

舉個情境：一家二十人的貿易公司，業務助理用 ChatGPT 整理報價、分析客戶下單趨勢，三天的工作半天完成，老闆很滿意。某天 AI 把匯率換算的公式寫錯了，報表照樣排版漂亮、結論照樣頭頭是道，卻沒有人看得出來，直到客戶打電話來問價格。

大公司有資料科學家可以當那個懂行的人，小公司常常只有一位會用 AI 的同事。當會用工具的人被當成懂這件事的人，風險就悄悄累積在那份沒人看得懂的報表裡。

小公司最需要分清楚的，是「會用 AI 的人」和「懂這件事的人」，這兩個角色不一定是同一個人。

讓外骨骼長成肌肉

這篇研究不是叫大家別用 AI，而是提醒我們：用 AI 做事，和讓人學會東西，需要兩套設計。論文作者引用學習科學的觀點指出，技能的養成需要練習和重複；心理學家 Bjork 夫婦提出的「必要的困難」（desirable difficulties）也說明，適度的費力，才會讓能力留下來。

落到辦公室裡，可以從三件小事開始：重要的工作先讓同事自己想過一輪，再請 AI 補強或挑錯；指定一位懂行的人，固定抽查 AI 參與的成果；讓同事彼此分享 AI 用法。ZipRecruiter 人資長 Amy Garefis 就說，他們最有價值的 AI 學習，常常來自實驗和同事之間的分享。就連 Brian Christian，每天也還是會在桌上的筆記本裡寫字。

AI 這副外骨骼會越來越輕、越來越強，這是好事。真正拉開差距的，是誰在穿著它的同時，也把自己的肌肉練起來。你的團隊，現在有幾項能力，是脫下 AI 之後還在的？

最好的 AI 導入，不是讓團隊離不開 AI，而是讓團隊用過 AI 之後，變成更好的人才。

歡迎加入【蒲公英 AI 知識社群】。我們不追逐表面的資訊熱度，而是拆解每一次科技與商業決策背後的真實邏輯。在變動加速的時代，我們一起看的不是熱鬧，而是規則。

👉點此加入蒲公英 AI 知識社群
🔑 入群通關密碼：94115

參考來源

• Nature Human Behaviour〈Generative AI and the temporary upskilling of knowledge workers〉（2026-10-26）：https://www.nature.com/articles/s41562-026-02566-6

• 同論文作者公開版全文（Emma Wiles 個人網站 PDF）：https://www.emmawiles.com/storage/reskill.pdf

• Scienmag〈Generative AI Acts as a Temporary Exoskeleton for Worker Skills, Trial Finds〉（2026-10-26）：https://scienmag.com/generative-ai-acts-as-a-temporary-exoskeleton-for-worker-skills-trial-finds/

• ZipRecruiter〈Better Work, More to Learn: The 2026 AI Worker Report〉（2026-10-26）：https://www.ziprecruiter-research.org/economic-insights-research/2026-ai-worker-report

• Berkeley News〈Using AI for just 10 minutes erodes your ability to persist at hard things〉（2026-10-09）：https://news.berkeley.edu/2026/10/09/using-ai-for-just-10-minutes-erodes-your-ability-to-persist-at-hard-things/

• 工商時報〈2025中小企業AI運用調查 13行業逾9成公司僅粗淺了解〉（2025-12-26）：https://www.ctee.com.tw/news/20251226701490-430503