這兩天公司內部的節奏有點像坐過山車，昨晚才剛和同事A把那份「市場營銷報告」磨到深夜十一點，今早七點多，又和同事B在網絡會議室討論「投標計劃書」。

雖然面對的場景不同，使用的工具各異，但這兩份由 AI 協助產出的初稿，都散發著一種詭異的「共同氣味」——乍看之下，段落整齊、詞彙專業、厚度十足，像極了一份正經文件；但只要沉下心來細讀，就會發現它經不起推敲。沒有起承轉合的鋪陳，邏輯線若隱若現，更像是一本把各種材料強行拼貼起來的說明書。讀後，很難發自內心地感嘆一句：「原來公司的AI這麼厲害。」

看起來完成了，實際上只是把「文字」提交了

同事B的經歷特別典型：遇到不懂的操作先問技術同事C，再結合同事A手頭的資料，丟給 AI，轉眼間就能輸出一份 Word 文檔。這種效率確實驚人，也值得高興，因為它降低了技術門檻，讓很多原先需要長時間磨練的工作能更快上手。

但也正因為太快，很容易產生一種錯覺，以為自己已經把「計劃」做完了。其實，完成的只是文件的「外形」，而非方案的「骨架」。AI 能把版面填得很滿，但它無法替我們做商業判斷。我們的主張是否真的成立？假設的數據是否真實？流程在港澳的商業環境下能否落地？投入產出比是否合理？那些寫在紙上的承諾，我們是否承擔得起？

這些問題，必須由人緊緊握住方向盤來回答。

最大的坑：認知放棄，人逐漸退出迴路

以上的經驗，或許很多在職場的人士都遇到過。我最想提醒的是，一個聽起來有點學術，但發生在每個人身上的現象：「認知放棄」(Cognitive Surrender)。

簡單來說，一旦人類過度依賴 AI 的自動化流程，大腦就會本能地偷懶，不再深想、不再追問、不再審核，慢慢退化成一個只負責把稿子拼好、把格式調順的「排版工」。

說到這裡，必須再次引入一個我經常在文章中提及的核心概念：人在迴路（HITL, Human-in-the-loop）。用白話講就是——AI 可以跑流程，但每一個關鍵的十字路口，必須有人在場指揮；AI 可以寫代碼或文案，但最終的責任，必須有人來承擔。

因此，可怕的地方在於，這種「放棄」不是瞬間發生的，而是像溫水煮蛙一樣自然而然。第一次覺得「AI 寫得不錯」，第二次覺得「差不多可以了」，到了第三次，對那些明顯的邏輯漏洞也就「輕輕放過」。昨晚同事A那份報告就隱約有這種跡象。第一眼似模似樣，細看卻漏洞百出，這種東西如果直接發給客戶，撞板是遲早的事。效率看似上升了，但團隊的專業水平並沒有同步提高。

「寫得很詳細」不等於「做得到」

AI 有個特點，它特別擅長把內容寫得「很完整」，尤其在流程、步驟、職責分工、交付物這些環節，它能呈現出驚人的顆粒度。這也是同事B提到的感受：明明是不太懂的業務細節，AI 卻寫得頭頭是道。

這時候我們必須額外警惕。計劃書和投標文本一旦白紙黑字寫下「我們能做到」，在客戶看來這就是商業承諾，而不僅僅是一篇作文。AI 讓我們更容易寫出「像承諾」的漂亮句子，也更容易讓我們在沒想清楚之前就把承諾交進去。最終出事的時候，AI 可不會出席會議替我們解釋，更不會幫我們賠償。

如何善用 AI Agent 不會撞板？

為了把我在之前的文章中介紹過的一套AI與人類協作的邏輯具象化，我用AI畫了這樣一張簡潔的流程圖（見附圖）：

1. 架構（HITL）：由人來定義目標與框架。

2. 供給（AITL）：AI 負責快速生成素材與選項。

3. 取捨（HITL）：人回來做判斷，篩選什麼可用，什麼是垃圾。

4. 角色切換（AITL）：AI 根據反饋進行優化或模擬不同的視角，現在可以用多代理（multi-agents) 了。

5. 落責（HITL）：人必須確認最終內容的可行性與責任歸屬。

6. 評估（AITL）：AI 輔助進行最後的協作評價或合規檢查。

這張圖的核心在於節點間的切換和迴路迭代——人主導，AI 協作。

我自己剛開始寫一些內容時，也犯過沒有迴路的錯誤。覺得省時就一路用下去，結果在該嚴格的地方鬆懈了，在該追問的地方沉默了。因為AI實在太順手了，順手到會讓人誤以為「順」就等於「對」。

說了這麼多，有一點可以預見的是，AI agents 只會越來越強，這是大勢所趨。未來真正拉開差距的，很可能不再是誰用了更貴更強大的 AI。誰的業務流程設計得更深，誰更懂行，誰能始終把「人」留在這個決策迴路裡，誰就站得更高，走得更遠。

所以，與其一開始就讚嘆技術多厲害，我們更值得投資的是一種團隊習慣：把 AI 當作加速器和草稿機，把思考和判斷留給自己。

【張Sir講白話：用AI要帶腦睇路】

#人在迴路 #認知放棄 #HITL #AITL #AI Agent

@張Sir的AI養生館 – 學習智人